文档名：基于深度学习的光伏板缺陷分类定位算法研究
摘要：提出了一种基于深度学习技术的光伏板缺陷分类定位方法,用于快速准确地确定光伏板缺陷的位置和类型.为了克服传统单张图像缺陷检测方法的视角限制,采用图像配准、拼接等算法生成高分辨率的光伏全景图像,并使用深度学习技术对光伏板红外图像进行缺陷分类,通过与可见光图像进行对比,可以有效地确定光伏板缺陷的类型.光伏板缺陷分类的准确率、精确率、召回率和F1分数分别达到了93.71%、93.13%、93.20%和93.11%.与传统方法相比,该方法具有非接触、高效和快速等优点,适用于大规模光伏板缺陷的检测和定位,能够在短时间内获取准确、全面的光伏板缺陷信息.
Abstract：Adeeplearning-basedmethodwasproposed,fordefectclassificationandlocalizationofphotovoltaicpanelstoquicklyandaccuratelydeterminethelocationandtypeofdefects.Toover-cometheperspectivelimitationsoftraditionalsingle-imagedefectdetectionmethods,algorithmswereadopted,suchasimageregistrationandstitchingtogeneratehigh-resolutionpanoramicimagesofthephotovoltaicpanels.Deeplearningtechniqueswerethenusedtoclassifytheinfraredimagesofthepho-tovoltaicpanelsandeffectivelyidentifythetypesofdefectsbycomparingthemwithvisiblelightimag-es.Theaccuracy,precision,recall,andF1scoreofthephotovoltaicpaneldefectclassificationcouldreach93.71%,93.13%,93.20%,and93.11%,respectively.Comparedwithtraditionalmethods,thisapproachhadadvantages,suchasnon-contact,highefficiency,andfastspeed,makingitsuitablefordetectingandlocatingdefectsinlarge-scalephotovoltaicpanels.Itcouldprovideaccurateandcom-prehensiveinformationaboutphotovoltaicpaneldefectsinashorttime.
作者：刘枭雄 郑茜颖Author：LIUXiaoxiong ZHENGQianying
作者单位：福州大学物理与信息工程学院,福州350108
刊名：光电子技术
Journal：OptoelectronicTechnology
年，卷(期)：2024, 44(1)
分类号：TN219TP391.41
关键词：光伏板 缺陷 深度学习 拼接 缺陷分类
Keywords：photovoltaicpanel defect deeplearning stitching defectclassification
机标分类号：TP391.41TN925.93TP212.9
在线出版日期：2024年4月7日
基金项目：福建省科技重点产业引导项目基于深度学习的光伏板缺陷分类定位算法研究[
期刊论文] 光电子技术--2024, 44(1)刘枭雄 郑茜颖提出了一种基于深度学习技术的光伏板缺陷分类定位方法,用于快速准确地确定光伏板缺陷的位置和类型.为了克服传统单张图像缺陷检测方法的视角限制,采用图像配准、拼接等算法生成高分辨率的光伏全景图像,并使用深度学习技...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
基于深度学习的光伏板缺陷分类定位算法研究 Research on Deep Learning-based Classification and Localization Algorithm for Photovoltaic Panel Defects
基于深度学习的光伏板缺陷分类定位算法研究.pdf
- 文件大小:
- 5.07 MB
- 下载次数:
- 60
-
高速下载
|
