基于散点图-AlexNet网络的光伏红外热图像识别方法

作     者：孙海蓉 周映杰 Sun Hairong;Zhou Yingjie

作者机构：华北电力大学控制与计算机工程学院保定071003 华北电力大学河北省发电过程仿真与优化控制技术创新中心保定071003 

出 版 物：《太阳能学报》 (Acta Energiae Solaris Sinica)

年 卷 期：2023年第44卷第1期

页      面：55-61页

核心收录：

学科分类：08[工学] 081104[工学-模式识别与智能系统] 0805[工学-材料科学与工程（可授工学、理学学位）] 080502[工学-材料学] 0811[工学-控制科学与工程] 

基　　金：河北省自然科学基金(E2018502111)。 

主　　题：光伏发电 红外热像图 卷积神经网络 散点图 图像识别 

摘      要：针对神经网络在光伏发电中对光伏红外热图像识别准确率和训练效率低的问题,提出基于散点图-AlexNet网络的识别模型。首先将光伏红外热像图对应的HSI空间数据信息直接投射到平面坐标系中,形成由若干散点构成的可视化RGB三色图像,并使用基于AlexNet网络的快速AlexNet网络进行训练。为了证明新方法的优良性能,选取识别准确率和单次训练时间对模型进行评价。实验结果表明,该方法识别率高,能准确识别光伏红外热图像中的图片种类,且训练效率也显著提升。