融合边缘特征的DeepLabV3+光伏面板语义分割模型研究.pdfVIP

2025年4月控制工程Apr.2025

第32卷第4期ControlEngineeringofChinaVol.32,No.4

文章编号：1671-7848(2025)04-0707-13DOI:10.14107/ki.kzgc

融合边缘特征的DeepLabV3+光伏面板语义分割模型研究

11231

沈灵鑫，王银，李杰，李茂环，李小松

（1.太原科技大学电子信息工程学院，山西太原030024；2.北京航空航天大学软件学院，北京100191；

3.南京迪锐科技有限公司，江苏南京211500）

摘要：对无人机采集的光伏面板图像进行准确的分割提取，是提升光伏组件故障检测精

度的前提。针对光伏面板红外图像的分割问题，首先对语义分割网络DeepLabV3+的空洞

卷积率进行优化并引入深度可分离膨胀卷积，使模型进一步捕获全局和上下文信息；然后，

设计了基于坎尼边缘检测算法和线段检测算法的边缘特征提取模块，获得细化的光伏面板

边缘作为分割网络的补充特征，并通过四通道融合网络和并行融合网络实现了光伏面板的

精确分割。实验结果表明，2种融合网络对光伏面板红外图像的分割精度高于DeepLabV3+，

并且对不同场景下的光伏面板红外图像均能实现准确分割。

关键词：语义分割；DeepLabV3+；边缘特征；光伏面板

中图分类号：TP18文献标识码：A

引用格式：沈灵鑫,王银,李杰,李茂环,李小松.融合边缘特征的DeepLabV3+光伏面板语义分割模型

研究[J].控制工程,2025,32(4):707-719.

ResearchonSemanticSegmentationModelofDeepLabV3+with

EdgeFeaturesforPhotovoltaicPanels

11231

SHENLingxin,WANGYin,LIJie,LIMaohuan,LIXiaosong

(1.SchoolofElectronicInformationEngineering,TaiyuanUniversityofScienceandTechnology,Taiyuan030024,China;

2.SchoolofSoftware,BeihangUniversity,Beijing100191,China;

3.NanjingDiruiTechnologyCo.,Ltd.,Nanjing211500,China)

Abstract:Accuratesegmentationandextractionofphotovoltaicpanelimagescollectedbytheunmannedaerial

vehicle(UAV)isaprerequisiteforimprovingthefaultdetectionaccuracyofphotovoltaicmodules.Tosol