典型文献
基于多分辨率特征自选择的遮挡物识别算法
文献摘要：
光伏组件的遮挡物识别是光伏运维系统中不可或缺的环节,传统识别算法多依赖人工巡检,成本高昂且效率低下.基于卷积神经网络,提出了 一种面向光伏组件的遮挡物识别算法PORNet.通过引入特征金字塔,构建多个分辨率下具有丰富语义信息的图像特征,提升对遮挡物尺度和密度的敏感性.通过特征自选择,筛选出语义最具代表性的特征图,以加强物体环境的语义信息表达.用筛选出的特征图完成遮挡物识别,从而提升识别准确率.在自建光伏组件落叶遮挡数据集上进行了实验比较和分析,并对识别性能进行了评估,通过与现有物体识别算法相比,所提算法的准确率和召回率分别提升了 9.21％和15.79％.
文献关键词：
光伏组件;遮挡物识别;卷积神经网络;特征金字塔;特征自选择
中图分类号：
作者姓名：
谢祥颖;来广志;那峙雄;骆欣;王栋
作者机构：
国网数字科技控股有限公司,北京100053
文献出处：
引用格式：
[1]谢祥颖;来广志;那峙雄;骆欣;王栋-.基于多分辨率特征自选择的遮挡物识别算法)[J].北京航空航天大学学报,2022(07):1154-1163
A类：
特征自选择,遮挡物识别,PORNet
B类：
多分辨率,识别算法,光伏组件,光伏运维,运维系统,人工巡检,高昂,向光,特征金字塔,富语义,图像特征,特征图,语义信息表,信息表达,识别准确率,落叶,识别性,物体识别,召回率
AB值：
0.198352
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
