基于FMF-YOLOv5的光伏组件红外图像故障诊断

针对红外图像对比度较低、故障特征不明显的问题，提出全新的融合注意力机制（fusion attention mechanism,FAM），增强有效故障特征信息。创建新的融合金字塔池化（fusion spatial pyramid pooling,FSPP），增强特征提取能力。引入一种改进多层次融合卷积（multi-level fusion convolution,MFConv），利用MFConv构建的多层次跨阶段局部网络（multi-level cross stage partial network,MCSP）模块代替CSP模块，在提高少量模型参数量情况下，增加模型检测准确性。实验结果表明，在IoU阈值为0.5的情况下，该方法的平均精度（mAP）达到了93.1%。为光伏系统提供了可靠、高效的故障检测解决方案，从而使其成为提高系统性能和降低维护费用的实用解决方案。