基于YOLOv5深度学习的光伏电场异物入侵识别预警研究  

Research on Foreign Body Intrusion Identification and Early Warning in Photovoltaic Electric Field Based On YOLOv5 Deep Learning

作　　者：甄志广 孙佟萌 张晗 赵小龙 王亚娟 李志 Zhen Zhiguang;Sun Tongmeng;Zhang Han

机构地区：[1]国家电投集团河北电力有限公司

出　　处：《电力设备管理》2025年第6期110-112,共3页Electric Power Equipment Management

摘　　要：本文基于YOLOv5深度学习模型对光伏电场异物入侵进行识别和预警,通过卷积神经网络、数据增强、特征融合等技术,构建了识别异物的入侵检测的高效模型。实验结果表明,该模型能准确检测光伏电场内的异物入侵,对进入警戒区域物体的检测准确率达98%,长时间停留物体检测准确率为91.7%,有效降低维护成本、提高运行效率,并保障电力系统稳定。

关 键 词：YOLOv5 卷积神经网络(CNN) Deep Sort 深度学习 Mosaic数据增强技术 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]