基于Vision Transformer的光伏组件红外图像故障检测
2022-12-21张晓艳周丙涛刘洪笑段亚穷
张晓艳,向 勉,朱 黎,周丙涛,刘洪笑,段亚穷
(湖北民族大学智能科学与工程学院,湖北 恩施 445000)
太阳能作为一种清洁能源,比化石能源使用得更广泛[1]。光伏产业经过快速发展,装机容量一直在持续增长,已经成为我国可以参与国际竞争的新兴产业[2]。由于光伏组件长时间在室外进行工作,容易受到风雨的侵蚀,火灾的发生,沙土的覆盖,以及人影树影的遮挡等影响,无法避免出现一些故障[3]。这些故障如果没有被及时检测到,所产生的损失无法估量,对光伏产业的发展不利。因此,采用有效方法检测光伏故障并对其进行分类是十分有必要的。
本文设计的基于Vision Transformer 的光伏异常红外图像检测的方法,通过把原图划分成多个块(patch)展平成序列,然后将其输入进原始Transformer 模型的编码器Encoder 部分,最后接入一个全连接层,从而实现图片故障类型的分类。该方法对光伏组件故障类型进行8 种分类,包括电池故障、泵组故障、二极管故障、多级激光二极管故障、热点故障、多热点故障、脱机方式故障、遮蔽故障。其中数据集经增强后图片数量多达4 万多张,能够更好地训练模型,并且明显地提高了其检测的准确率。
1 基于Vision Transformer的故障检测模型
1.1 Vision Transformer模型的整体框架
Vision Transformer 整体可以分为3个部分,分别是:Linear Projection of Flattened Patches(Embedding层)、Transformer Encoder(Transformer Encoder编码器)、MLP Head(延时头),其中Transformer Encoder、Patches Position Embedding 层属于特征提取的部分,主要的作用是平均分块处理输入的图片,在划分图片块时是按照固定的区域大小进行划分的,再将这些已经划分好的图片块组合成序列,这一系列操作完成后,将其传入到Transformer Encoder 区域内进行特征提取,利用自注意力机制,从而检测每个图片块的重要程度。……
