基于FMF-YOLOv5的光伏组件红外图像故障诊断

作     者：张莉莉 王修晖 ZHANG Lili;WANG Xiuhui

作者机构：中国计量大学信息工程学院浙江省电磁波信息技术与计量检测重点实验室杭州310018 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2025年第61卷第2期

页      面：327-334页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：浙江省自然科学基金(LY20F020018) 浙江省重点研发计划(2021C03151) 

主　　题：目标检测 光伏故障 特征融合 融合注意力 

摘      要：针对红外图像对比度较低、故障特征不明显的问题,提出全新的融合注意力机制(fusion attention mechanism,FAM),增强有效故障特征信息。创建新的融合金字塔池化(fusion spatial pyramid pooling,FSPP),增强特征提取能力。引入一种改进多层次融合卷积(multi-level fusion convolution,MFConv),利用MFConv构建的多层次跨阶段局部网络(multi-level cross stage partial network,MCSP)模块代替CSP模块,在提高少量模型参数量情况下,增加模型检测准确性。实验结果表明,在IoU阈值为0.5的情况下,该方法的平均精度(mAP)达到了93.1%。为光伏系统提供了可靠、高效的故障检测解决方案,从而使其成为提高系统性能和降低维护费用的实用解决方案。