ForestBerryNet：一种采用分层注意力融合的双主干架构，用于高效检测森林中的浆果

《Expert Systems with Applications》：ForestBerryNet: a dual-backbone architecture with hierarchical attention fusion for efficient forest berry detection

提出基于4×4魔方阵对称特性的Super Magic-square Reconfiguration（SMR）算法，通过均匀分散阴影实现太阳能阵列功率优化。在六种典型阴影场景（建筑、树木、路灯、烟囱、斜向、水平）下，SMR使全局峰值功率提升3.23%-34.32%，填充因子提升1.11%-26.64%，阴影损失降低4.93%-80.51%，显著优于传统串联并联（SP）、总交叉连接（TCT）等模型。硬件原型验证了算法的有效性，并扩展至9×9、16×16、25×25阵列。

　　太阳能光伏系统在部分遮挡条件（Partial Shading Conditions, PSC）下实现最大功率提取是一项极具挑战性的任务。部分遮挡不仅会导致显著的功率下降，还会引发阴影损耗（Shading Loss, SL），从而影响整个系统的效率和稳定性。为了应对这一问题，近年来的研究重点转向了通过重新配置太阳能阵列来优化系统性能。其中，一种基于超级魔方阵重新配置（Super Magic-square Reconfiguration, SMR）的新方法在多个研究中显示出卓越的潜力。

SMR算法建立在4×4魔方阵的基础上，充分利用了魔方阵所具有的数值对称性和几何一致性。这种独特的结构使得在部分遮挡条件下，阴影能够更加均匀地分布在太阳能阵列的各个模块上，从而有效降低阴影损耗，提高整体的功率输出。该方法在六种现实中的遮挡条件下进行了测试，包括建筑物遮挡（S-1）、树木遮挡（S-2）、路灯遮挡（S-3）、烟囱遮挡（S-4）、斜向遮挡（S-5）和水平遮挡（S-6）。在这些遮挡条件下，SMR相较于传统的串并联（Series-Parallel, SP）、总交叉连接（Total-Cross Tied, TCT）、奇偶连接（Odd-Even, O-E）和奇偶质数连接（Odd-Even-Prime, O-E-P）模型表现出更优的性能。例如，在S-1到S-6的遮挡条件下，SMR能够将全局峰值功率（Global Peak Power, GP）提升3.23%-34.32%，填充因子（Fill Factor, FF）提高1.11%-26.64%，同时将阴影损耗（SL）降低4.93%-80.51%。

在传统方法中，部分遮挡常常导致输出曲线中出现多个局部峰值，使得基于扰动与观察（Perturb & Observe, P&O）的MPPT技术难以准确追踪最大功率点。因此，研究者们尝试引入智能和混合型MPPT技术来应对这一挑战。例如，改进的白鲨优化算法在快速变化的光照条件下提升了效率至96.48%，而混合型MPPT技术则在200种遮挡模式下实现了99.18%的高效率。然而，这些方法往往伴随着更高的系统复杂性、成本和对传感器的依赖性，限制了其在实际应用中的广泛推广。

为了解决这些问题，研究人员开始关注静态型太阳能阵列重新配置技术。这类方法通过调整太阳能模块的位置，而不改变其电气连接，从而在不增加额外电路负担的前提下，实现更高效的阴影分散。例如，基于数独的重新配置技术、改进的竞争力方阵、以及星战重新配置等方法，已被证明在部分遮挡条件下能将效率提升29.98%-39.46%。这些静态方法的优势在于其结构简单、成本低廉，并且能够有效减少阴影损耗，提高整体的功率输出。

然而，现有研究仍存在一定的局限性。例如，一些静态重新配置方法在设计时依赖于初始提示，这种提示选择可能不够灵活，难以应对复杂的遮挡情况。此外，许多方法未能涵盖所有现实中的遮挡模式，导致实验结果的代表性不足。同时，部分方法在实验验证方面也存在欠缺，特别是在长时间连续运行或极端遮挡条件下的表现尚未得到充分验证。

基于上述问题，本文提出了一种新的超级魔方阵重新配置（SMR）方法。该方法不仅具备传统魔方阵的对称性和几何一致性，还引入了更多的优化特性，如角对称、象限和、中心对称、对称对以及弯曲对角线等。这些特性使得SMR在均匀分布阴影方面表现出更强的能力，从而显著提升系统的整体性能。SMR在六种现实中的遮挡条件下进行了测试，包括建筑物遮挡、树木遮挡、路灯遮挡、烟囱遮挡、斜向遮挡和水平遮挡。实验结果表明，SMR在这些条件下均优于传统模型，特别是在降低电流损耗（Current Loss, CL）和阴影损耗（SL）方面表现出色。

在实际应用中，SMR方法不仅在软件仿真中得到了验证，还通过硬件原型测试进一步确认了其有效性。该硬件原型在建筑物遮挡、树木遮挡、路灯遮挡和烟囱遮挡条件下进行了实验，结果显示SMR能够显著提升系统的输出功率和效率。此外，本文还对SMR的性能参数进行了详细分析，包括全局峰值功率（GP）、功率提升（Power Enhanced, PE）、性能比（Performance Ratio, PR）、阴影损耗（SL）、填充因子（FF）、电流损耗（CL）和局部峰值数量（Local Peak Numbers, LPN）。通过这些参数的比较，可以更全面地评估SMR在不同遮挡条件下的表现。

SMR的优势不仅体现在其性能提升上，还在于其灵活性和可扩展性。该方法适用于不同规模的太阳能阵列，包括4×4、9×9、16×16和25×25等配置。通过在不破坏电气连接的前提下，调整太阳能模块的位置，SMR能够适应各种复杂的遮挡情况，从而提高系统的稳定性和可靠性。此外，本文还对SMR的计算复杂性和计算负担进行了分析，证明其在实际应用中具有较高的可行性。

尽管SMR在多个方面表现出色，但该方法也存在一些局限性。例如，SMR主要适用于具有均匀行和列结构的太阳能阵列，对于行和列不等的系统可能无法直接应用。此外，由于SMR是一种静态重新配置方法，其在动态遮挡条件下的适应性仍有待进一步研究。因此，未来的研究可以考虑将SMR与其他动态方法相结合，形成混合型优化策略，以应对更加复杂和多变的遮挡环境。

总之，SMR方法通过引入魔方阵的对称性和几何特性，为解决部分遮挡条件下的太阳能系统效率问题提供了一种新的思路。其在降低阴影损耗、提升填充因子和全局峰值功率方面的表现，以及在硬件原型测试中的验证，表明该方法具有较高的实用价值。然而，为了进一步提升其适应性和应用范围，未来的研究仍需关注其在不同系统配置和动态条件下的表现。