期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于散点图-AlexNet网络的光伏红外热图像识别方法
被引量：
8
1
作者
孙海蓉
周映杰
《太阳能学报》
EI
CAS
CSCD
北大核心
2023年第1期55-61,共7页
针对神经网络在光伏发电中对光伏红外热图像识别准确率和训练效率低的问题,提出基于散点图-AlexNet网络的识别模型。首先将光伏红外热像图对应的HSI空间数据信息直接投射到平面坐标系中,形成由若干散点构成的可视化RGB三色图像,并使用基...
针对神经网络在光伏发电中对光伏红外热图像识别准确率和训练效率低的问题,提出基于散点图-AlexNet网络的识别模型。首先将光伏红外热像图对应的HSI空间数据信息直接投射到平面坐标系中,形成由若干散点构成的可视化RGB三色图像,并使用基于AlexNet网络的快速AlexNet网络进行训练。为了证明新方法的优良性能,选取识别准确率和单次训练时间对模型进行评价。实验结果表明,该方法识别率高,能准确识别光伏红外热图像中的图片种类,且训练效率也显著提升。
展开更多
关键词
光伏发电
红外热像图
卷积神经网络
散点图
图像识别
在线阅读
下载PDF
职称材料
基于特征金字塔融合高分辨率网络的光伏热斑识别
被引量：
6
2
作者
孙海蓉
李莉
+1 位作者
周映杰
周黎辉
《太阳能学报》
EI
CAS
CSCD
北大核心
2023年第9期109-116,共8页
针对光伏热斑识别算法中存在的深层网络参数运算复杂、梯度信息易消失和模型退化准确率下降等问题,提出一种基于特征金字塔融合高分辨率网络的光伏热斑识别检测算法。首先,该算法搭建一种多分辨率子网并行连接的网络模型,解决深层网络...
针对光伏热斑识别算法中存在的深层网络参数运算复杂、梯度信息易消失和模型退化准确率下降等问题,提出一种基于特征金字塔融合高分辨率网络的光伏热斑识别检测算法。首先,该算法搭建一种多分辨率子网并行连接的网络模型,解决深层网络热斑细节信息丢失、特征冗余的难题。其次,引入特征金字塔的多尺度融合模块,跨层连接深浅层不同尺度特征图,解决特征语义的鸿沟、提高模型识别精度。实验结果表明:所提出的算法在光伏红外热斑图像数据集上的分类效果优于经典的深度卷积神经网络算法,准确率可达97.2%,可实现高精度高分辨率的热斑检测识别。
展开更多
关键词
光伏效应
特征提取
图像分类
高分辨率网络
热斑
在线阅读
下载PDF
职称材料
题名
基于散点图-AlexNet网络的光伏红外热图像识别方法
被引量：
8
1
作者
孙海蓉
周映杰
机构
华北电力大学控制与计算机工程学院
华北电力大学河北省发电过程仿真与优化控制技术创新中心
出处
《太阳能学报》
EI
CAS
CSCD
北大核心
2023年第1期55-61,共7页
基金
河北省自然科学基金(E2018502111)。
文摘
针对神经网络在光伏发电中对光伏红外热图像识别准确率和训练效率低的问题,提出基于散点图-AlexNet网络的识别模型。首先将光伏红外热像图对应的HSI空间数据信息直接投射到平面坐标系中,形成由若干散点构成的可视化RGB三色图像,并使用基于AlexNet网络的快速AlexNet网络进行训练。为了证明新方法的优良性能,选取识别准确率和单次训练时间对模型进行评价。实验结果表明,该方法识别率高,能准确识别光伏红外热图像中的图片种类,且训练效率也显著提升。
关键词
光伏发电
红外热像图
卷积神经网络
散点图
图像识别
Keywords
photovoltaic generation
infrared imaging
convolutional neural network
scatter plot
image recognition
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
TM914.4 [电气工程—电力电子与电力传动]
在线阅读
下载PDF
职称材料
题名
基于特征金字塔融合高分辨率网络的光伏热斑识别
被引量：
6
2
作者
孙海蓉
李莉
周映杰
周黎辉
机构
华北电力大学自动化系
张家港迅见信息技术有限公司
出处
《太阳能学报》
EI
CAS
CSCD
北大核心
2023年第9期109-116,共8页
文摘
针对光伏热斑识别算法中存在的深层网络参数运算复杂、梯度信息易消失和模型退化准确率下降等问题,提出一种基于特征金字塔融合高分辨率网络的光伏热斑识别检测算法。首先,该算法搭建一种多分辨率子网并行连接的网络模型,解决深层网络热斑细节信息丢失、特征冗余的难题。其次,引入特征金字塔的多尺度融合模块,跨层连接深浅层不同尺度特征图,解决特征语义的鸿沟、提高模型识别精度。实验结果表明:所提出的算法在光伏红外热斑图像数据集上的分类效果优于经典的深度卷积神经网络算法,准确率可达97.2%,可实现高精度高分辨率的热斑检测识别。
关键词
光伏效应
特征提取
图像分类
高分辨率网络
热斑
Keywords
photovoltaic effect
feature extraction
image classification
high-resolution network
hot spot
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
TM914.4 [电气工程—电力电子与电力传动]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于散点图-AlexNet网络的光伏红外热图像识别方法
孙海蓉
周映杰
《太阳能学报》
EI
CAS
CSCD
北大核心
2023
8
在线阅读
下载PDF
职称材料
2
基于特征金字塔融合高分辨率网络的光伏热斑识别
孙海蓉
李莉
周映杰
周黎辉
《太阳能学报》
EI
CAS
CSCD
北大核心
2023
6
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
