基于注意力机制和多路径YOLOv7的光伏组件故障诊断研究.pdfVIP

测控技术

模式识别与人工智能２０２４４３１１·１７·

年第卷第期

基于注意力机制和多路径ＹＯＬＯｖ７的光伏组件故障

诊断研究

，，，，

胡宪富张海彬李东赫刘冰张强

（大唐（通辽）霍林河新能源有限公司科左后旗分公司，内蒙古通辽）

０２８１００

摘要：针对无人机对光伏组件的故障（热斑和遮挡）诊断准确率较低和检测速度较慢的问题，提出了使

用改进后的（）模块替换

ＥＬＡＮ＿ＭＳＥＥｆｆｉｃｉｅｎｔＬａｙｅｒＡｇｇｒｅｇａｔｉｏｎＮｅｔｗｏｒｋｓ＿ＭｕｌｔｉｐａｔｈＳｅｌｅｃｔｉｖｅＥｎｈａｎｃｅｍｅｎｔ

ＹＯＬＯｖ７ＹｏｕＯｎｌｙＬｏｏｋＯｎｃｅｖｅｒｓｉｏｎ７网络的ＥＬＡＮ模块提高了有效特征学习的速率和准确率首

（），。

，（

先将ＹＯＬＯｖ７的主干特征提取网络中的ＥＬＡＮ结构模块引入通道注意力机制ＳＥＳｑｕｅｅｚｅａｎｄＥｘｃｉｔａ

提高特征提取的精确率其次增加了多路径卷积支路实现中间层的跳跃结构连接能够对目标

ｔｉｏｎ），；，，，

特征图进行不同尺度的特征学习，提升故障缺陷识别的精度和检测速度。通过对数据增强后的光伏组

件缺陷数据集进行实验验证，改进的ＹＯＬＯｖ７算法与传统的ＹＯＬＯｖ７和单发多框检测（ＳｉｎｇｌｅＳｈｏｔＭｕｌｔｉ

，）算法对比，分别提高了和，检测速度分别提高了和

ＢｏｘＤｅｔｅｃｔｏｒＳＳＤＦ１Ｓｃｏｒｅ３．９６％５．９８％１．４３ｍｓ

２２５ｍｓ，为光伏组件故障检测提供了更有效的算法。

：Ｃｏｎｖ＿ＳＥ；；ＹＯＬＯｖ７；；ＥＬＡＮ

关键词注意力机制多路径优化目标检测光伏组件的故障诊断结构模块

：：：（）

中图分类号ＴＰ３９１．４１文献标志码Ａ文章编号１０００－８８２９２０２４１１－００１７－０６

ｄｏｉ：１０．１９７０８／ｊ．ｃｋｊｓ．２０２４．０８．２５７

ＲｅｓｅａｒｃｈｏｎＰｈｏｔｏｖｏｌｔａｉｃＭｏｄｕｌｅＦａｕｌｔＤｉａｇｎｏｓｉｓＢａｓｅｄｏｎＡｔｔｅｎｔｉｏｎＭｅｃｈａｎｉｓｍ

ＡｎｄＭｕｌｔｉｐａｔｈＹＯＬＯｖ７

ＨＵＸｉａｎｆｕ牞ＺＨＡＮＧＨａｉｂｉｎ牞ＬＩＤｏｎｇｈｅ牞ＬＩＵＢｉｎｇ牞ＺＨＡＮＧＱｉａｎｇ

牗Ｄａｔａｎｇ牗Ｔｏｎｇｌｉａｏ牘ＨｕｏｌｉｎｈｅＮｅｗＥｎｅｒｇｙＣｏ．牞Ｌｔｄ．牞ＫｅｚｕｏＢａｃｋＢａｎｎｅｒＢｒａｎｃｈ牞Ｔｏｎｇｌｉａｏ０２８１００牞Ｃｈｉｎａ牘

Ａｂｓｔｒａｃｔ