一种基于深度卷积神经网络的太阳能电池片缺陷检测方法

文档名：一种基于深度卷积神经网络的太阳能电池片缺陷检测方法
摘要：太阳能电池片缺陷检测是太阳能电池板可靠运行的重要保证.基于计算机视觉技术的机器学习类缺陷检测方法存在诸如需要人工特征选择、训练参数过多以及某些缺陷类型检测效果差等问题.提出了一种基于深度卷积神经网络(DCNN)的太阳能电池片缺陷检测方法.该方法以区分缺陷类别为检测目标,以太阳能电池片图像作为输入,构建一个包含3个卷积层、1个池化层、1个全连接层和1个输出层的深度网络.在训练网络参数的过程中,提出了参数个数优化策略,参数调整算法以及应对过拟合问题的措施.在数据集上的实验结果表明,DCNN方法对太阳能电池片的缺陷检测准确率可以达到97％以上,F值可达0.690.该方法在各个缺陷类别的检测准确率均要高于现有方法,其即时检测速度能够满足现实生产要求.

作者：于舜   夏炎   郭朋伟   侯荣旭   张聿博   周振柳 Author：YUShun   XIAYan   GUOPengwei   HOURongxu   ZHANGYubo   ZHOUZhenliu
作者单位：沈阳工程学院信息学院,辽宁沈阳110136;电力系统信息安全沈阳市重点实验室辽宁沈阳110136沈阳工程学院信息学院,辽宁沈阳110136
刊名：传感技术学报 ISTICPKU
Journal：ChineseJournalofSensorsandActuators
年，卷(期)：2023, 36(7)
分类号：TM914.4TP391.4TP18
关键词：太阳能电池片  缺陷检测  机器学习  深度卷积神经网络  
Keywords：solarcells  defectdetecting  machinelearning  deepconvolutionalneuralnetworks  
机标分类号：TP391.41TP181TP273
在线出版日期：2023年12月12日
基金项目：国家自然科学基金一种基于深度卷积神经网络的太阳能电池片缺陷检测方法[
期刊论文]  传感技术学报--2023, 36(7)于舜  夏炎  郭朋伟  侯荣旭  张聿博  周振柳太阳能电池片缺陷检测是太阳能电池板可靠运行的重要保证.基于计算机视觉技术的机器学习类缺陷检测方法存在诸如需要人工特征选择、训练参数过多以及某些缺陷类型检测效果差等问题.提出了一种基于深度卷积神经网络(DCNN)...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

        一种基于深度卷积神经网络的太阳能电池片缺陷检测方法  A Defect Detection Method of Solar Cell Based on Deep Convolutional Neural Network

一种基于深度卷积神经网络的太阳能电池片缺陷检测方法.pdf

2024-12-14 02:49 上传 一种基于深度卷积神经网络的太阳能电池片缺陷检测方法.pdf

文件大小:

1.57 MB

下载次数:

60

高速下载