-
题名基于双模态融合的光伏电站周界入侵检测研究
被引量：1
- 1
-
-
作者
侯北平
陈家豪
朱昱臻
郑洋斌
于爱华
-
机构
浙江科技学院自动化与电气工程学院
浙江省智能机器人感知与控制国际科技合作基地
-
出处
《太阳能学报》
EI
CAS
CSCD
北大核心
2024年第11期289-295,共7页
-
基金
浙江省重点研发计划(2021C04030)
浙江省基础公益研究计划(LGG21F030004)
浙江省“尖兵”“领雁”研发攻关计划(2022C04012)。
-
文摘
针对分布式光伏电站周界入侵检测数据不足、精度低、检测异物不完全等问题,在双模态特征融合基础上提出一种改进式的周界入侵目标检测算法(VT-DETR)。首先,将单通道网络拓展为双通道网络,以同时提取可见光与红外图像的多维特征;其次,引入软权重分配策略,以弥补可见光与红外图像融合时热辐射信息的缺失;最后,改善损失函数的计算方式,提升注意力机制训练效率。另外,构建面向分布式光伏电站的周界入侵图像数据集。实验结果表明,改进后算法的平均检测精度达到92.08%,验证了该方法在分布式光伏电站周界入侵检测上的有效性。
-
关键词
深度学习
目标检测
图像融合
分布式光伏电站
周界入侵
-
Keywords
deep learning
object detection
image fusion
distributed photovoltaic power station
perimeter intrusion
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
