看！這就是河海丨潛精研思，勇攀高峰！

伴著青春的夢想與赤誠之心

隨著每一位富有朝氣的河海師生

以新聞視角 觀校園萬象

網(wǎng)羅校園資訊 追蹤最新動態(tài)

聽河海故事 品河海魅力

在這里，我們與你共享每周精彩時光

校園新鮮事，盡在河海要聞

HHU NEWS

我校青年學(xué)者與英國研究團隊

合作提出基于增強特征金字塔網(wǎng)絡(luò)

和深度語義嵌入的遙感圖像場景分類方法

遙感圖像具有地物覆蓋范圍廣、地物信息復(fù)雜、人工標(biāo)注費時等特點，將深度神經(jīng)網(wǎng)絡(luò)應(yīng)用于遙感圖像處理后，能夠節(jié)省人力資源并提高并行處理效率，是推動遙感圖像自動化處理平臺發(fā)展的重要基石。目前，基于深度學(xué)習(xí)的遙感圖像場景分類中存在如下問題，一是網(wǎng)絡(luò)過度關(guān)注全局特征而忽略局部特征；二是單向?qū)哟位�特征提取方式�?dǎo)致淺層特征圖缺乏語義信息而深層特征圖存在空間信息缺失。為此， 我校計算機與信息學(xué)院王鑫博士與英國萊斯特大學(xué)（University of Leicester）Huiyu Zhou教授團隊共同開展基于增強特征金字塔網(wǎng)絡(luò)和深度語義嵌入的遙感圖像場景分類研究，在遙感圖像場景分類精度和可靠性等方面取得突破性進展，研究結(jié)果為后續(xù)遙感圖像的準(zhǔn)確解譯提供重要參考依據(jù)。

該方法的主要工作在于包括，通過增強特征金字塔模塊對深層特征圖豐富的語義信息進行傳播，以彌補淺層特征圖該信息的缺失；通過跨尺度信息融合模塊保持不同特征圖共性的同時也利用各自優(yōu)勢特征以增強特征；通過雙支路深層特征融合模塊的不同感受野提取多尺度上下文信息，引導(dǎo)網(wǎng)絡(luò)兼顧全局特征和局部特征。結(jié)果證明，所提出的算法在多個大規(guī)模公開數(shù)據(jù)集上的分類表現(xiàn)均遠好于基準(zhǔn)方法，與業(yè)內(nèi)前沿方法相比具有明顯優(yōu)勢。

圖1. 基于增強特征金字塔網(wǎng)絡(luò)和深度語義嵌入的

遙感圖像場景分類框架

高分遙感圖像場景分類網(wǎng)絡(luò)整體框架（圖1）主要由：增強特征金字塔模塊（Enhanced Feature Pyramid Network，EFPN）（圖2）、深度語義嵌入模塊（Deep Semantic Embedding， DSE）（圖3）、雙支路深層特征融合模塊（Two-branch Deep Feature Fusion，TDFF）（圖4）以及場景分類器模塊（Scene Classifier）構(gòu)成。跟現(xiàn)有先進深度神經(jīng)網(wǎng)絡(luò)場景分類模型相比，提出的網(wǎng)絡(luò)分類精度明顯提升，且在保持分類高精度的同時即使在不同訓(xùn)練比例下仍能保持良好的泛化性。

圖2. 增強特征金字塔模塊（EFPN）

圖3. 深度語義嵌入模塊（DSE）

圖4. 雙支路深層特征融合模塊（TDFF）

作者將提出方法在著名的UCM、AID等數(shù)據(jù)集上進行了實驗，圖5為在AID上不同訓(xùn)練測試比例下的混淆矩陣。可以看出，提出模型對具有高類間相似性的類別能做到準(zhǔn)確分類，并對具有相似地物和紋理特征的類別的預(yù)測精度也較高。

圖5. 提出方法在AID數(shù)據(jù)集上的分類混淆矩陣

為探明不同模塊在分類性能上起到的作用，進行了全面的消融實驗，圖6顯示的是不同方案在UCM數(shù)據(jù)集每一個類別上的分類精度，可以看出，無論在哪個訓(xùn)練條件下，缺少EFPN的網(wǎng)絡(luò)性能降低最顯著，缺失CIF和TDFF的網(wǎng)絡(luò)在部分類別上性能略微下降，而三者集合的方法取得優(yōu)秀性能，這表明提出的方法每個模塊都是有必要且有作用的。

圖6. 消融實驗所用模型結(jié)構(gòu)在各類別上的準(zhǔn)確率

研究工作由中國中央高�；�本科研業(yè)務(wù)費項目、江蘇省六大人才高峰項目、江蘇政府留學(xué)獎學(xué)金、英國皇家學(xué)會牛頓高級學(xué)者基金、歐盟地平線2020計劃項目等提供經(jīng)費支持。相關(guān)成果以“Enhanced Feature Pyramid Network with Deep Semantic Embedding for Remote Sensing Scene Classification”為題于2021年9月發(fā)表于《IEEE Transactions on Geoscience and Remote Sensing。

論文DOI：10.1109/TGRS.2020.3044655

鏈接：https://ieeexplore.網(wǎng)址未加載/document/9314283

HHU NEWS

我校學(xué)者團隊

在雙面發(fā)電光伏組件領(lǐng)域取得新進展

近日，河海大學(xué)機電學(xué)院白建波教授團隊在光伏發(fā)電領(lǐng)域中取得新進展，相關(guān)研究成果“Parameterizing mismatch loss in bifacial photovoltaic modules with global deployment: A comprehensive study”在能源領(lǐng)域頂級期刊 Applied Energy （IF 9.746）上發(fā)表。

圖一：團隊在跟蹤山地光伏項目

在雙面發(fā)電的光伏組件中，每一片電池都是一個發(fā)電單元，但由于太陽光陰影的存在，導(dǎo)致雙面組件背面發(fā)電失配效應(yīng)，從而影響整體性能。為了更好地提升雙面光伏組件的效能，機電學(xué)院白建波教授團隊完善了雙面組件背面發(fā)電量的詳細(xì)求解思路，并分析陰影和失配規(guī)律，由此提出衡量背面失配的參數(shù)化模型。該模型為實現(xiàn)全球布置下多類型光伏組件實時發(fā)電性能快速預(yù)測和精確評估提供了思路，且更加適用于工程應(yīng)用。

圖二：不均勻輻照下雙面光伏組件的I-V特性曲線

常規(guī)單面光伏組件只有正面受光，受光量在組件傾斜面上是均勻的。而雙面光伏組件則不同，需要以每片電池為單元詳盡計算。研究在Matlab中搭建了虛擬的光伏組件環(huán)境，光伏組件在空間上的每個點都能被精確定位，通過點與點之間的能量轉(zhuǎn)換則可以通過積分形式被量化，從而實現(xiàn)雙面光伏組件發(fā)電量的統(tǒng)計。

圖三：雙面光伏組件相對于安裝地面的空間定位

由于地面上組件自陰影的存在，雙面光伏組件背表面上的輻照均勻性不同。一般條件下，單塊組件由于背面不均勻輻照導(dǎo)致的失配損失很少，但在評估雙面光伏陣列真實性能或輻照資源豐富時，這部分損失需要考慮。傳統(tǒng)的電池級電氣模型（詳盡計算模型）并不能適用于雙面組件發(fā)電性能的快速評估。為了解決這一難題，白建波教授團隊研究通過將背面發(fā)電失配損失（Mismatch Loss）參數(shù)化，定義成總輻照度變化（標(biāo)準(zhǔn)偏差σ）的函數(shù)，重新建立了方程，從而間接的考慮地面陰影影響。一旦求得每片電池或者特征電池的受光量時，便可以通過簡化方程直接得出損失功率，繞過電氣模型，高效地實現(xiàn)了雙面組件發(fā)電性能的快速評估。

圖四：雙面組件正面年發(fā)電量（左圖）和背面年發(fā)電量（右圖）隨安裝高度（橫坐標(biāo)）和安裝角度（縱坐標(biāo)）的影響

圖五：雙面組件年總發(fā)電量（左圖）和年發(fā)電損失（右圖）隨安裝高度（橫坐標(biāo)）和安裝角度（縱坐標(biāo)）的影響

在建立全新方程的過程中，項目團隊選擇全球典型氣候地區(qū)為研究對象，考慮海拔、反照率、傾斜角和區(qū)域氣候特征，通過擴充源數(shù)據(jù)量、觀察規(guī)律，得出安裝高度是影響背面失配損失的最重要因素，從而提高高度權(quán)重，進一步優(yōu)化擬合度。

圖六：背面輻照度標(biāo)準(zhǔn)偏差σ（此處σ僅指背面不均勻度相對于組件背面輻照，而非總輻照度，其偏差值受地面反射率影響較大）和失配損失M（每小時數(shù)據(jù)）之間的關(guān)系（左圖）

背面輻照度標(biāo)準(zhǔn)偏差σ（此處σ指背面不均勻度相對于組件整體輻照）和失配損失M（每小時數(shù)據(jù)）之間的關(guān)系（右圖）

為了更好地體現(xiàn)工程實際應(yīng)用，論文中通過實例在給定的22°傾角、0.7m高度安裝環(huán)境中，通過已知的輻照度標(biāo)準(zhǔn)σ和平均輻照下的雙面增益（BG），快速評估出了任意經(jīng)緯度單獨安裝的雙面組件實際雙面發(fā)電性能，結(jié)果以全球分布圖的形式表達，可視化結(jié)果為實際雙面工程中優(yōu)化最佳安裝參數(shù)提供參考。

圖七：全球固定配置的雙面光伏組件雙面增益[%]仿真應(yīng)用（左圖依據(jù)均勻輻照理論，右圖依據(jù)不均勻輻照理論，更加符合實際情況）

河海要聞有個小小的愿望

那就是在河海與你之間架起一座橋梁

讓你了解河海光彩

感受豐富多彩的校園生活

揚起理想的風(fēng)帆

在絢麗多彩的學(xué)習(xí)生活中航行

我們下期再見吧~