结合注意力机制的改进残差网络清洁机器人积尘识别算法.pdfVIP

第47卷第1期制造业自动化Vol.47No.1

2025年1月ManufacturingAutomationJan.2025

DOI:10.3969/j.issn.1009-0134.2025.01.002

结合注意力机制的改进残差网络清洁机器人

积尘识别算法

11112*

雷和林，周俊杰，石浩然，姜文兵，秦训鹏

（1.国家电投集团江西电力有限公司新能源发电分公司，江西南昌330038；

2.武汉理工大学汽车工程学院，湖北武汉430000）

摘要：光伏板长期受积尘等污染物影响，其透射率下降，降低了光电转换效率和服役寿命，需要对其定

期清洁。为支持机器人自动清洁过程，开发了基于深度学习的光伏板图像自动识别模型，通过Mosaic等图

像增强方法，建立了清洁光伏板和含积尘光伏板图像数据集。考虑到清洁机器人的算力限制，确定了以残

差网络（ResidualNetwork，ResNet）为基准模型，选择了规模较小的ResNet-18，并对ResNet-18的残差块进

行了改进，在多路径的基础上引入了跨尺度特征融合的通道注意力机制，以提升模型精度。经过实验验证，

改进后的模型精度相较于改进前提高了2.1%，与其他主流分类网络EfficientNet-B0和YOLOv5x-cls相比，

获得了最高准确率，达到94.6%。同时使用模型可解释性技术，对各个模型错误分类进行了归因分析，确定

模型对于不同区域和特征的关注程度，阐明了模型在特定错误分类中的决策依据。最后，将训练好的模型部

署到清扫机器人上，使用机器人CPU推理，平均识别时间为121ms，实现了光伏板积尘的高精、高效辨识。

关键词：光伏板；图像分类；ResNet；通道注意力；归因分析

中图分类号：TP274文献标志码：A文章编号：1009-0134（2025）01-0010-10

AttentionMechanism-EnhancedResidualNetworkAlgorithmfor

DustRecognitioninCleaningRobots

11112*

LEIHe-lin，ZHOUJun-jie，SHIHao-ran，JIANGWen-bing，QINXun-peng

（1.NewEnergyPowerGenerationBranch，JiangxiElectricPowerCo.，Ltd.，NationalPowerInvestmentGroup，

Nanchang330038；2.SchoolofAutomotiveEngineering，

WuhanUniversityofTechnology，Wuhan430070）

Abstract：：Photovoltaic