基于径向基神经网络的太阳能电池缺陷检测
为了检测太阳能电池的缺陷,建立了太阳能电池板的电致发光(EL)图像与其缺陷类型间的神经网络预测模型,可以对太阳能电池板不同类型缺陷进行自适应检测.首先,采用主成分分量分析(PCA)算法对电致发光(EL)图像训练样本集降维;然后,将降维后得到的数据输入神经网络预测模型进行学习,对模型的参数进行优化选取;最后,将训练好的网络对测试样本集进行仿真.仿真结果表明:在采用相同的训练样本集和测试样本集条件下,与反向传播神经网络(BPNN)相比,径向基神经网络(RBFNN)具有全局最优特性,结构简单,最高识别率达96.25%,计算时间较短,能满足在线检测的要求.
缺陷检测、反向传播神经网络、径向基神经网络、主成分分析、降维
36
TP394.1;TH691.9(计算技术、计算机技术)
国家自然科学基金61203242;中国科学院二期创新工程基金C50T0P2
2015-04-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
99-105