10.3969/j.issn.1674-2605.2022.04.009
基于改进Alexnet模型的光伏电池片瑕疵分类方法
针对光伏电池片瑕疵与随机分布晶粒的电致发光图像暗特征高度相似而难以检测的问题,设计一种基于改进Alexnet模型的光伏电池片瑕疵分类方法.首先,对光伏电池片电致发光图像进行特征提取并标准化;然后,融合多层级特征进行分类;最后,融合多层级特征经激活函数映射得到瑕疵分类结果.模型训练时,损失函数选择交叉熵函数,通过梯度下降法反向传播,优化网络权重,直至达到模型分类的正确率要求;利用优化后的最佳模型对标准数据集进行测试分析.实验结果表明:融合多层级特征的改进Alexnet模型用于光伏电池电致发光图像检测分类的正确率达91.05％;模型预测时对标准300×300像素图像单元检测与分类处理时间小于10 ms,满足检测分类的稳定性、正确率与实时性等要求.
光伏电池、瑕疵分类、电致发光图像、深度学习、特征提取、交叉熵函数
43
TP391;TP278(计算技术、计算机技术)
山西省高等院校创新创业训练计划项目20221169
2022-09-22（万方平台首次上网日期，不代表论文的发表时间）
共6页
42-47
