典型文献
多尺度融合的CRC-RetinaNet光伏板阴影检测方法
文献摘要：
光伏板阴影不仅会使光伏阵列的光照强度分布不均,降低发电效率,甚至还可能产生热斑效应,损坏光伏电池组件,造成系统故障.为解决光伏板阴影检测中目标密集度高、重叠度大、成本高和实时性差等问题,提出了一种基于RetinaNet算法的CRC-RetinaNet光伏板阴影检测算法.首先,所提算法特征提取网络采用cross stage partial结构,以提升准确率和检测速度;其次,采用循环特征融合结构处理提取到的特征图,以增强所有目标的特征信息;然后,改进算法的激活函数,以增强网络的鲁棒性;最后,使用CIoU损失来提高目标边框回归的定位精度.实验结果表明,所提算法的检测平均精度均值为99.24％,与原RetinaNet算法相比提高了 4.02个百分点,可以满足现实环境下光伏板实时检测的要求.
文献关键词：
机器视觉;光伏板阴影;密集目标检测;RetinaNat;cross stage partial;特征融合
中图分类号：
作者姓名：
吴君;范鹏辉;王满利
作者机构：
河南理工大学物理与电子信息学院,河南焦作454003
文献出处：
引用格式：
[1]吴君;范鹏辉;王满利-.多尺度融合的CRC-RetinaNet光伏板阴影检测方法)[J].激光与光电子学进展,2022(16):362-369
A类：
光伏板阴影,RetinaNat
B类：
多尺度融合,CRC,RetinaNet,阴影检测,光伏阵列,光照强度,强度分布,发电效率,生热,热斑效应,光伏电池,电池组,系统故障,密集度,重叠度,检测算法,算法特征,特征提取网络,cross,stage,partial,检测速度,循环特征,特征融合,取到,特征图,特征信息,改进算法,激活函数,CIoU,边框回归,定位精度,平均精度均值,百分点,现实环境,下光,板实,实时检测,机器视觉,密集目标检测
AB值：
0.382125
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。
