摘要：当光伏组件受到局部阴影遮挡时,其最大功率点跟踪(maximum power point tracking,MPPT)过程常出现误跟踪、跟踪速度慢、光伏组件输出功率低等问题.为使局部阴影下光伏组件保持快速、稳定、准确地最大功率输出,基于电导增量法(incremental conductance algorithm,INC),结合全局比较算法(global comparison algorithm,GCA),提出一种基于电导增量/全局比较的复合MPPT算法(INC-GCA),并通过搭建Simulink仿真模型和设计光伏试验平台,验证该算法的可行性.结果表明:基于电导增量/全局比较的复合MPPT算法在光伏组件受到局部阴影遮挡时可准确追踪到最大功率,且跟踪速度快、可靠性高,完全避免了误跟踪问题;相较于电导增量法,该算法可有效提高光伏系统的发电效率,提升光伏电站的经济效益.

摘要：针对荷斯坦奶牛个体识别神经网络的人工调参成本高、泛化性差、效率低,难以实现局部遮挡条件下精准识别等问题,提出了一种基于ResNet框架和神经网络架构搜索(NAS)的自适应网络参数优化算法(NAS-Res)。首先,通过设计包含CBR_K1、CBR_K3、CBR_K5和SkipConnect的操作集,配合密集连接路径,构成超参数网络。然后基于梯度下降的搜索策略,在多目标优化复合损失函数的约束下,强化了对低成本模型的设计。结果表明,NAS-Res在GPU上仅耗时6.18 h获得最佳架构,在包含168头奶牛局部遮挡侧面图像的PO-Cows数据集上,闭集验证准确率为90.18%,与ResNet-18、ResNet-34和ResNet-50相比提高5.04、3.02、14.92个百分点,而参数量分别降低5.9×10^(5)、1.069×10^(7)和1.317×10^(7)。在包含174头奶牛背部图像的Cows2021数据集上闭集验证准确率为99.25%。此外,NAS-Res可忽略PO-Cows数据集规模变化的影响,牛只数量在50~168头之间变化时,Top-1准确率和Top-5准确率变化幅度仅为1.51、1.01个百分点,适用性较强。总体而言,NAS-Res算法实现了对局部遮挡奶牛的精准个体识别,本研究可为复杂背景下畜禽个体识别提供技术参考。

摘要：在局部遮挡下,光伏阵列输出功率—电压(P-U)曲线呈现多峰值现象,传统最大功率点跟踪方法可能因收敛于局部最大值点而失效。在分析多种局部遮挡情况下P-U曲线模型的基础上,设计了一种自适应变步长扰动观察法,能实现多峰值现象下的最大功率点跟踪。在3 k W光伏并网逆变器的实验平台上进行相关工程实验,理论分析及实验结果证明了控制算法的有效性和快速性。

摘要：规格化互相关算法是用得较普遍的目标识别方法,但是当目标区域被局部遮挡时,该方法通常不能正确定位目标。提出了一种新的基于选择互相关系数的目标识别算法用于搜索有局部遮挡的目标区域。算法分两步进行:用增量互相关算法计算出模板图和场景图的增量图像,比较二者增量图像的一致性,计算出选择互相关系数矩阵;结合选择互相关系数矩阵,用规格化互相关算法在场景图中搜索目标区域。当场景图存在较严重的噪声时,可对选择互相关系数矩阵进行修正以克服噪声的影响。实验结果表明,基于选择互相关系数的目标识别算法对局部遮挡和高亮度变化情况有较强的鲁棒性。

摘要：针对局部遮挡条件下的人脸表情识别,提出一种新的基于Gabor滤波和灰度共生矩阵的表情识别算法。首先设计一种分块提取Gabor特征统计量的方法,生成一个低维Gabor特征向量;然后,考虑到分块的Gabor特征缺失了像素之间的关联性,将反映像素间位置分布特性的灰度共生矩阵引入到表情识别领域,以此来弥补Gabor特征分块处理产生的不足;最后,将提取的低维Gabor特征向量和灰度共生矩阵纹理特征进行线性叠加,高斯归一化后生成一组用于特征表达的低维特征向量。在日本女性人脸表情库和荷兰内梅亨大学人脸数据库上的实验证明该算法对人脸不同区域、不同程度遮挡的表情识别具有鲁棒性强、特征向量维数低、分类耗时短、识别速率高的特点。

摘要：对于光伏发电单元,阴影的遮挡可能导致有逆流通过光伏组件,使组件发热损坏。为了防止逆流的产生,通常的做法是在组件回路设置防反二极管。而设置防反二极管可能导致设备体积增大、工程造价增加、汇流设备温度升高等问题。是否设置防反二极管以及防反二极管的设置位置是工程设计中的重点问题。本文以光伏组件的工程应用模型为基础,给出了在局部遮挡条件下逆流的计算方法,包括不设置防反二极管以及防反二极管设置在直流配电柜的逆流计算方法,根据计算结果以及生产厂商提供的光伏组件的参数,来配置防反二极管,优化设备选型。

摘要：针对被局部遮挡目标的识别困难的问题,将目标图像的SIFT(Scale Invariant Feature Transform)特征矢量作为视觉单词,应用视觉词汇算法,提出了基于SIFT特征视觉词汇算法的目标识别算法。结合在无遮挡与被局部遮挡的交通工具全方位姿态模型库上进行的目标识别试验,得出结果:算法对无遮挡目标的平均识别率能到达83%以上,具有良好的识别性能;对被局部遮挡目标的平均识别率也能保持在80%左右,只有很小的降低。实验结果显示算法具有优良的识别被局部遮挡目标的性能。

摘要：和实验室环境不同,现实生活中的人脸表情图像场景复杂,其中最常见的局部遮挡问题会造成面部外观的显著改变,使得模型提取到的全局特征包含与情感无关的冗余信息从而降低了判别力.针对此问题,本文提出了一种结合对比学习和通道-空间注意力机制的人脸表情识别方法,学习各局部显著情感特征并关注局部特征与全局特征之间的关系.首先引入对比学习,通过特定的数据增强方法设计新的正负样本选取策略,对大量易获得的无标签情感数据进行预训练,学习具有感知遮挡能力的表征,再将此表征迁移到下游人脸表情识别任务以提高识别性能.在下游任务中,将每张人脸图像的表情分析问题转化为多个局部区域的情感检测问题,使用通道-空间注意力机制学习人脸不同局部区域的细粒度注意力图,并对加权特征进行融合,削弱遮挡内容带来的噪声影响,最后提出约束损失联合训练,优化最终用于分类的融合特征.实验结果表明,无论是在公开的非遮挡人脸表情数据集(RAFDB和FER2013)还是人工合成的遮挡人脸表情数据集上,所提方法都取得了与现有先进方法可媲美的结果.

摘要：针对表情识别中存在人脸关键部位被墨镜、口罩等物体遮掩的问题,提出了一种基于隐半马尔可夫模型(hidden semi-Markov models,HSMM)的人脸表情识别模型。该模型具有每个状态产生多个观察值、允许观察值缺省等特性,据此识别那些由于局部被遮挡或其它原因引起的丢失特征的人脸表情。实验结果表明,该模型提高了部分遮挡人脸的表情识别效果,同时对无遮挡人脸的表情识别也有所改善。