关键词:
天台光伏电池板涉电区域
YOLOv10
DeepSort
行为人跟踪
预警检测
摘要:
随着分布式光伏接入规模的日益增大,安装于私人用户天台区域的光伏电池板及其附属发电系统可能对用户带来触电风险。针对区域监控设备算力受限和天台涉电范围内行为人越界预警问题,讨论采用一种改进YOLOv10、DeepSort和PNPOLY的天台光伏板区域行为人跟踪预警算法。基于YOLOv10重新设计了特征融合模块,模块引入部分卷积思想,解决了特征融合部分运算量大问题。同时针对受光伏电池板遮挡的行为人检测,引入了针对遮挡目标的损失函数(Repulsion-IoU损失函数),并在渐进特征融合结构AFPN(asymptotic feature pyramid network for object detection)基础上设计了更好融合多层次目标的三层特征提取结构AFPN-3。在改进目标检测的基础上,利用DeepSort实现对行为人的持续跟踪定位,使用轻量化分类网络Fasternet替代原本特征提取网络,有效降低了模型的体积,提高了行为人跟踪的质量。为了解决行为人越界判定问题,采用PNPOLY算法,使用检测行为人脚部坐标位置进行精确的越界判别。实验表明,与YOLOv10n相比,在仅损失检测精度0.3个百分点的前提下,改进后行为人检测模型运算量下降了18%,参数量下降了19%,结合改进后的DeepSort模型,平均跟踪精度较之前提升1.4个百分点,模型大小只有8.7 MB。真实场景实验中,所提算法天台光伏涉电区域行为人预警正确率达到94%,具有轻量化、精确度高的特点,能满足天台光伏板区域行为人跟踪预警的实际检测需求。