在新能源电站异常光伏组件智能巡检中利用卷积神经网络提取纹理信息时会出现梯度弥散问题,梯度弥散会影响网络的训练效果和收敛速度,为了确保网络能够稳定有效地学习到光伏组件的纹理特征,提出了一种新能源电站中异常光伏组件智能巡检方法.利用背景差分算法对含有新能源电站光伏组件的图像展开分割,以获取图像中的光伏组件区域.通过卷积神经网络获取光伏组件区域的深层纹理信息,将卷积层输出的光伏组件纹理信息数据展开批归一化处理,以防止梯度弥散情况出现.将光伏组件的深层纹理信息输入到核极限学习机中,以完成异常光伏组件智能巡检.实验结果表明,上述方法对光伏组件区域的分割效果较好,且异常光伏组件的巡检性能较好.在新能源电站异常光伏组件智能巡检中利用卷积神经网络提取纹理信息时会出现梯度弥散问题,梯度弥散会影响网络的训练效果和收敛速度,为了确保网络能够稳定有效地学习到光伏组件的纹理特征,提出了一种新能源电站中异常光伏组件智能巡检方法.利用背景差分算法对含有新能源电站光伏组件的图像展开分割,以获取图像中的光伏组件区域.通过卷积神经网络获取光伏组件区域的深层纹理信息,将卷积层输出的光伏组件纹理信息数据展开批归一化处理,以防止梯度弥散情况出现.将光伏组件的深层纹理信息输入到核极限学习机中,以完成异常光伏组件智能巡检.实验结果表明,上述方法对光伏组件区域的分割效果较好,且异常光伏组件的巡检性能较好. Read More