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OACSTPCD
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…查看全部>>
于舜;夏炎;郭朋伟;侯荣旭;张聿博;周振柳
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沈阳工程学院信息学院,辽宁沈阳110136沈阳工程学院信息学院,辽宁沈阳110136沈阳工程学院信息学院,辽宁沈阳110136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
动力与电气工程
太阳能电池片缺陷检测机器学习深度卷积神经网络
《传感技术学报》 2023 (7)
P.1165-1170,6
评论