显著性特征融合的热红外图像光伏组件热斑检测 |
| |
引用本文: | 刘宇宸,李浩.显著性特征融合的热红外图像光伏组件热斑检测[J].水力发电,2023(4):96-101+112. |
| |
作者姓名: | 刘宇宸 李浩 |
| |
作者单位: | 河海大学地球科学与工程学院 |
| |
基金项目: | 国家自然科学基金资助项目(42271324); |
| |
摘 要: | 利用无人机搭载热成像仪对光伏组件的巡检有着很大的应用价值,但热红外图像往往具有图像特征对比度较弱、边缘不清晰的特点,影响了热斑的检测精度。因此,提出通过显著图像对光伏组件的热红外图像进行增强,作为对缺陷目标检测的注意力机制,以此来提高光伏组件热斑检测的精度。并针对YOLOv5在光伏航拍红外图像上测精度不高的问题,设计了基于注意力机制的CT-YOLOv5网络模型。首先通过U2-Net生成显著图像,再采用替换图像RGB中某一通道的融合方式将显著图与热红外图像融合,并在设计的CT-YOLOv5网络模型上验证其检测性能。实验表明使用显著图与红外图像融合的方式对光伏组件热斑检测精度有明显提升。
|
关 键 词: | 显著图融合 光伏热斑 热红外图像 缺陷检测 无人机航拍 深度学习 |
|
|