中文引用格式： 黨寧，李世峰，于坤義. 基于多尺度伸縮卷積與注意力機(jī)制的光伏組件缺陷分割算法[J]. 電子技術(shù)應(yīng)用，2025，51(4)：66-71.
英文引用格式： Dang Ning，Li Shifeng，Yu Kunyi. Defect segmentation network of photovoltaic modules based on multi-scale convolution and attention mechanism[J]. Application of Electronic Technique，2025，51(4)：66-71.
引言
新能源光伏電站作為一種可再生和高效的清潔能源，在人們的生產(chǎn)生活中得到了廣泛的應(yīng)用。新能源光伏電站基本搭建在崎嶇復(fù)雜的山地，并且呈分布式搭建，給后期的維修保障人員帶來了較大的不便。采用小型的無人機(jī)搭載高清相機(jī)以及準(zhǔn)確率和實(shí)時(shí)性高的模型檢測(cè)框架，能夠?qū)夥M件的缺陷進(jìn)行高效精確的檢測(cè)。
Akram等人[1]提出了使用隔離神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)合遷移學(xué)習(xí)的方法對(duì)紅外光伏組件缺陷圖像進(jìn)行檢測(cè)，檢測(cè)準(zhǔn)確率達(dá)到了99.23%。Zhang等人[2]為了對(duì)光伏組件的表面缺陷進(jìn)行檢測(cè)，設(shè)計(jì)了獨(dú)立的分量構(gòu)建網(wǎng)絡(luò)算法結(jié)合混淆矩陣缺陷圖像，對(duì)部分區(qū)域增強(qiáng)進(jìn)行缺陷檢測(cè)。鐘泳松等人[3]提出了注意力機(jī)制結(jié)合遷移學(xué)習(xí)迭代優(yōu)化的SSD目標(biāo)檢測(cè)算法對(duì)光伏組件缺陷進(jìn)行檢測(cè)，精確率達(dá)到了96.6%。郭清華等人[4]提出了使用圖像預(yù)處理方式結(jié)合U-Net分割網(wǎng)絡(luò)對(duì)光伏組件缺陷進(jìn)行檢測(cè)，但由于光伏組件是在自然環(huán)境下工作的，易受到光線的影響使得預(yù)處理效果較差，降低了識(shí)別的準(zhǔn)確率。任喜偉等人[5]提出了使用可分離卷積代替?zhèn)鹘y(tǒng)卷積的U-Net網(wǎng)絡(luò)，完成對(duì)光伏板的缺陷區(qū)域分割。王哲等人[6]針對(duì)光伏玻璃的氣泡、結(jié)石等缺陷，提出了使用圖像對(duì)比結(jié)合圖像簽名的顯著圖，然后進(jìn)行圖像融合的檢測(cè)方法。劉懷廣等人[7]為解決尺寸較小的光伏電池片缺陷，提出了使用增強(qiáng)特征的卷積網(wǎng)絡(luò)，并減小了模型的空間復(fù)雜度，精確率達(dá)到了87.55%。劉耀迪等人[8]針對(duì)光伏硅片和電池的缺陷，提出了使用形態(tài)學(xué)結(jié)合邊緣檢測(cè)的圖像處理算法對(duì)隱裂、劃傷和污染進(jìn)行檢測(cè)，該方法會(huì)受到光照的影響，泛化性較差。趙曉雨等人[9]針對(duì)光伏板的缺陷檢測(cè)，提出了使用融合注意力機(jī)制的YOLOv5目標(biāo)檢測(cè)方法，準(zhǔn)確率達(dá)到了97.5%。肖慧慧等人[10]為提高光伏電池板缺陷檢測(cè)的效率和準(zhǔn)確率，提出了使用圖像預(yù)處理結(jié)合圖像分割的傳統(tǒng)算法。彭興輝等人[11]針對(duì)太陽能硅片的缺陷檢測(cè)，提出了使用形態(tài)學(xué)方法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，然后生成對(duì)抗網(wǎng)絡(luò)結(jié)合FID圖像質(zhì)量評(píng)價(jià)指標(biāo)篩選數(shù)據(jù)集，最后使用YOLOv5目標(biāo)檢測(cè)進(jìn)行缺陷定位，準(zhǔn)確率達(dá)到了94.1%。黃彥乾等人[12]提出了使用小樣本結(jié)合輔助數(shù)據(jù)集訓(xùn)練的方法，在AResNet網(wǎng)絡(luò)進(jìn)行光伏板缺陷分類預(yù)訓(xùn)練。閆號(hào)等人[13]為解決光伏面板缺陷檢測(cè)準(zhǔn)確率較低和成本較高的問題，提出了使用多源融合網(wǎng)絡(luò)，以YOLOv3 tiny為主干特征提取網(wǎng)絡(luò)，結(jié)果表明F1值達(dá)到了0.86%。李冰等人[14]為解決光伏板塊缺陷尺寸變化較大，檢測(cè)準(zhǔn)確率低的問題，提出了使用多尺度自適應(yīng)融合網(wǎng)絡(luò)，精確率達(dá)到了76.2%。
以上總結(jié)了現(xiàn)有的光伏組件缺陷檢測(cè)方法，主要包括傳統(tǒng)圖像處理算法和現(xiàn)階段較為流行的神經(jīng)網(wǎng)絡(luò)框架。采用傳統(tǒng)的圖像處理算法易受到光照的影響，從而影響其分割閾值，降低檢測(cè)的準(zhǔn)確率。采用神經(jīng)網(wǎng)絡(luò)算法，比如YOLO系列網(wǎng)絡(luò)、小樣本學(xué)習(xí)的訓(xùn)練方法和SSD目標(biāo)檢測(cè)框架，雖然準(zhǔn)確率較高，但檢測(cè)速度較差。
為解決以上問題，本文提出了基于多尺度伸縮卷積與注意力機(jī)制的光伏組件缺陷分割網(wǎng)絡(luò)，創(chuàng)新點(diǎn)主要包括：(1)在傳統(tǒng)的U-Net網(wǎng)絡(luò)中引入了多重?cái)U(kuò)張卷積模塊，從而對(duì)高層語義信息完成精確分割；(2)將分割后的mask掩碼與原圖進(jìn)行與操作，得到無背景噪聲的分類數(shù)據(jù)集，然后采用輕量級(jí)網(wǎng)絡(luò)MobileNetV3對(duì)光伏組件的缺陷進(jìn)行準(zhǔn)確的分類。
本文詳細(xì)內(nèi)容請(qǐng)下載：
http://m.xxav2194.com/resource/share/2000006397
作者信息：
黨寧，李世峰，于坤義
（國(guó)家電投集團(tuán)甘肅電力有限公司，甘肅 蘭州 730000）
