基于YOLOv3目標(biāo)識(shí)別的無人值守光伏電站防火在線監(jiān)測(cè)系統(tǒng)設(shè)計(jì)

［摘 要］文章針對(duì)光伏電站火災(zāi)多發(fā)、監(jiān)測(cè)困難的問題，提出了一種基于YOLOv3 目標(biāo)識(shí)別算法的無人值守光伏電站防火在線監(jiān)測(cè)系統(tǒng)。該系統(tǒng)通過多傳感器數(shù)據(jù)融合、異構(gòu)網(wǎng)絡(luò)通信等關(guān)鍵技術(shù)，實(shí)現(xiàn)了對(duì)光伏電站火情的早期預(yù)警和準(zhǔn)確定位。試驗(yàn)結(jié)果表明，該系統(tǒng)在火情檢測(cè)準(zhǔn)確率、數(shù)據(jù)傳輸效率、用戶交互體驗(yàn)等方面均達(dá)到了優(yōu)異水平，可顯著提升光伏電站運(yùn)維的智能化程度。

［關(guān)鍵詞］光伏電站；火災(zāi)監(jiān)測(cè)；YOLOv3 ；多傳感器數(shù)據(jù)融合

［中圖分類號(hào)］TM615 ［文獻(xiàn)標(biāo)志碼］A ［文章編號(hào)］2095–6487（2024）07–0023–03

1 YOLOv3目標(biāo)檢測(cè)算法原理及優(yōu)勢(shì)

YOLOv3 目標(biāo)檢測(cè)算法作為一種基于深度學(xué)習(xí)的實(shí)時(shí)目標(biāo)檢測(cè)方法，在計(jì)算機(jī)視覺領(lǐng)域被廣泛應(yīng)用。該算法采用多尺度特征融合策略，結(jié)合不同感受野的特征信息，使得對(duì)目標(biāo)的識(shí)別更加精準(zhǔn)和全面。同時(shí)，YOLOv3 還引入了一種改進(jìn)的骨干網(wǎng)絡(luò)Darknet-53，該網(wǎng)絡(luò)在保證檢測(cè)精度的同時(shí)大幅提升了運(yùn)算效率，通過采用殘差結(jié)構(gòu)和跳躍連接等設(shè)計(jì)，Darknet-53 能有效緩解梯度消失問題，加速網(wǎng)絡(luò)收斂。此外，YOLOv3 還采用了一種新穎的預(yù)測(cè)器，將目標(biāo)的類別概率和邊界框回歸任務(wù)巧妙地融合在一起，大幅簡(jiǎn)化了后處理流程。這些突出優(yōu)勢(shì)使得YOLOv3 在無人駕駛、智能安防、工業(yè)檢測(cè)等領(lǐng)域得到了廣泛應(yīng)用，并為解決關(guān)鍵的技術(shù)難題提供了新的思路。

2 光伏電站火災(zāi)特征分析

光伏電站火災(zāi)特征的復(fù)雜性和多樣性給火情監(jiān)測(cè)帶來了諸多挑戰(zhàn)：①光伏電站通常位于偏遠(yuǎn)地區(qū)，環(huán)境條件惡劣，氣候多變，極易誘發(fā)各類火災(zāi)隱患。例如，干旱多風(fēng)的地區(qū)，枯草叢生，一旦發(fā)生電弧或短路等事故，極易引起草原火災(zāi)。②光伏電站內(nèi)部結(jié)構(gòu)復(fù)雜，電氣連接錯(cuò)綜復(fù)雜，任何微小的絕緣失效、接觸不良都可能引發(fā)電氣火災(zāi)。③光伏電站的火災(zāi)表征多種多樣，火情發(fā)展過程迅速多變。初期火情可能僅表現(xiàn)為輕微的冒煙或局部溫升，但在強(qiáng)風(fēng)助燃下會(huì)迅速演變?yōu)槊骰?，并引發(fā)連片燃燒，這就要求火情監(jiān)測(cè)系統(tǒng)必須能夠及時(shí)捕捉到火災(zāi)的早期征兆，并精準(zhǔn)判別火情的嚴(yán)重程度和發(fā)展趨勢(shì)。

3 基于 YOLOv3目標(biāo)識(shí)別的無人值守光伏電站防火在線監(jiān)測(cè)系統(tǒng)設(shè)計(jì)

3.1 數(shù)據(jù)采集與預(yù)處理層

數(shù)據(jù)采集與預(yù)處理層由分布式部署的多通道火情監(jiān)測(cè)終端和邊緣計(jì)算節(jié)點(diǎn)組成，前者負(fù)責(zé)采集多源異構(gòu)的火情數(shù)據(jù)，后者負(fù)責(zé)對(duì)原始數(shù)據(jù)進(jìn)行去噪、增強(qiáng)、融合等預(yù)處理?；鹎楸O(jiān)測(cè)終端集成了可見光攝像頭（分辨率達(dá)1 920×1 080）、紅外熱成像儀（測(cè)溫范圍-20～550℃，靈敏度小于50 mK）、煙霧傳感器（靈敏度0.1%～10%/ft）等多種傳感器，通過RS-485總線與邊緣計(jì)算節(jié)點(diǎn)實(shí)現(xiàn)數(shù)據(jù)高速傳輸（速率可達(dá)10Mbps）。邊緣計(jì)算節(jié)點(diǎn)采用高性能嵌入式處理器（如Intel Core i7-8650U，主頻高達(dá)4.2 GHz），搭載高速緩存（如16GB DDR4 內(nèi)存）和大容量存儲(chǔ)（如512GBSSD），能夠?qū)崟r(shí)處理和存儲(chǔ)海量的火情數(shù)據(jù)。為了提高數(shù)據(jù)質(zhì)量，該節(jié)點(diǎn)還部署了一系列預(yù)處理算法，包括小波去噪、直方圖均衡、圖像配準(zhǔn)等。其中，小波去噪算法基于下述數(shù)學(xué)模型：