基于边缘神经网络的海岛光伏表面异常检测

光伏表面异常检测对于光伏运维至关重要,而海岛光伏表面异常存在尺寸小、颜色差异小等难题.针对传统检测方法检测精度差和效率低的问题,提出一种基于边缘神经网络的海岛光伏表面异常检测方法.首先,结合卷积神经网络和注意力机制,构建多尺度特征融合的异常检测模型,深入挖掘细粒度异常特征,提升表面异常检测精度;进一步,采用双动态模型压缩技术,压缩冗余通道和特征块,显著降低模型计算复杂度,实现快速且高精度的异常检测.所提方法在舟山海岛光伏表面异常检测业务中表现良好,充分展示了其有效性和优越性....

Full description

Saved in:
Bibliographic Details
Published in浙江电力 Vol. 43; no. 12; pp. 95 - 103
Main Authors 张引贤, 张展耀, 张希雅
Format Journal Article
LanguageChinese
Published 国网浙江省电力有限公司舟山供电公司,浙江 舟山 316100%涿溪脑与智能研究所,杭州 311121 25.12.2024
Subjects
multi-scale feature fusion
model compression
海岛光伏
模型压缩
多尺度特征融合
anomaly detection
island-based PV panels
异常检测
Online AccessGet full text
ISSN1007-1881
DOI10.19585/j.zjdl.202412010

Cover

More Information
Summary:光伏表面异常检测对于光伏运维至关重要,而海岛光伏表面异常存在尺寸小、颜色差异小等难题.针对传统检测方法检测精度差和效率低的问题,提出一种基于边缘神经网络的海岛光伏表面异常检测方法.首先,结合卷积神经网络和注意力机制,构建多尺度特征融合的异常检测模型,深入挖掘细粒度异常特征,提升表面异常检测精度;进一步,采用双动态模型压缩技术,压缩冗余通道和特征块,显著降低模型计算复杂度,实现快速且高精度的异常检测.所提方法在舟山海岛光伏表面异常检测业务中表现良好,充分展示了其有效性和优越性.
ISSN:1007-1881
DOI:10.19585/j.zjdl.202412010