排序方式: 共有16条查询结果,搜索用时 15 毫秒
1.
针对传统非机动车头盔检测算法目标漏检率高,在密集骑行场景下检测精度低等问题,提出了一种基于改进YOLOv5s的非机动车头盔佩戴检测算法。该算法采用Kmeans++算法聚类生成锚框,增强网络的稳定性;接着使用轻量级通用上采样算子(CARAFE)对高阶特征图进行上采样操作,增大感受野,充分利用特征语义信息;同时在Backbone模块和Head端前引入坐标注意力机制(coordinate attention,CA),在保证轻量化的同时,进一步提高算法的检测精度;最后利用DIo U-NMS对目标检测模型的输出后处理,降低密集场景下模型的漏检率,改善遮挡物体的检测能力。与YOLOv5s算法相比,改进后的算法精确度、召回率、平均精度分别提升了2.3%、1.5%和1.5%,能够实现对非机动车头盔佩戴的高精度检测。 相似文献
2.
基于参数辨识的光伏组件故障诊断模型 总被引:2,自引:0,他引:2
为了对光伏组件运行状况进行准确判断,提出了一种基于参数辨识的组件故障诊断模型。分析了任意工况下的光伏组件输出特性曲线,借助于改进人工鱼群算法对数学模型中各参数进行了辨识。通过分析各模型参数随光照和温度的变化关系来获取多组工况下的模型参数值,结合光伏组件各种故障数据建立了以光生电流、二极管反向饱和电流、二极管理想品质因素和等效串并联电阻为输入层向量,以组件正常、组件短路、等效串联电阻异常老化和等效并联电阻异常老化为输出层向量的径向基函数(radical basis function,RBF)神经网络故障诊断仿真模型,仿真结果验证了上述光伏组件故障规律的正确性。搭建了基于可编程电子负载的光伏组件户外实验平台,进行了组件故障诊断的实验研究,实验结果验证了所提方法的有效性和准确性。 相似文献
5.
6.
太阳能光伏发电系统作为一个复杂系统,其中光伏阵列拓扑结构对整个系统的成本和效率有着重要的影响,它也关系着发电系统能否经济可靠地运行。对比分析了几种常见的光伏阵列拓扑结构,并对常见失配条件下阵列输出功率的仿真结果进行分析。分析研究表明阵列拓扑结构对光伏系统输出功率和成本有很大影响,这些研究为光伏阵列拓扑的设计提供了参考。 相似文献
7.
8.
针对光伏组件中阴影难以判定的情况,提出了一种基于峰值计数与参数辨识的光伏组件阴影判别方法。首先,通过可编程直流电子负载对光伏组件I-V输出特性曲线进行全局快速扫描,以记录曲线中明显的多峰值个数;然后采用改进人工鱼群算法(IAFSA)对I-V特性曲线中采样值进行内部等效参数辨识,结合均方根误差(RMSE)进而判断组件中轻微阴影遮挡情况。通过上述两步法可对光伏组件中阴影情况进行有效判定,仿真和实验结果进一步说明了上述方法的有效性和准确性。 相似文献
9.
10.