改进胶囊网络的小样本光伏热斑识别方法
为了提高小样本条件下光伏电池片热斑分类模型的特征提取能力,该文提出一种基于迁移学习的注意力胶囊网络.该网络不同于传统胶囊网络单一卷积层的特征提取,它是利用迁移学习的方法通过VGG-19网络和注意力机制进行特征提取,得到关键数据特征.然后构造向量神经元输入胶囊网络,利用动态路由算法,得到用以分类的数字胶囊层,实现光伏电池片的分类.实验结果表明:当样本数量较小时,该网络对电池片红外图像的识别准确率分别高于传统卷积神经网络和胶囊网络13.15％、7.91％,泛化能力更强,运算速度更快.
图像识别、热斑检测、胶囊网络、迁移学习
49
TP18;TM615(自动化基础理论)
河北省自然科学基金E2018502111
2023-03-14（万方平台首次上网日期，不代表论文的发表时间）
共7页
106-112
