基于改进的ResNet50网络的光伏热斑识别算法

为提高样本在分布不均衡情况下的识别精度，提出一种改进的ResNet50卷积神经网络光伏热斑识别算法。首先，为增加初期红外纹理信息流入、调整网络宽度，设计一种头部分组特征提取模块，并将其嵌入到残差网络中，提高网络在图像细微特征方面的提取能力；然后，将通道注意力机制与残差模块相结合，增加网络通道间的热斑特征信息权重，提高模型识别性能和网络收敛速度；最后，通过图像转换HSV颜色空间、平均H分量梯度直方图峰值等数据预处理方法，将负样本转为多分类数据集，并用于热斑识别网络模型，实现热斑识别结果的可视化。实验结果表明，对比其他算法，改进后的ResNet50网络在识别精度上得到显著提高。