基于改进DenseNet网络的室外太阳能电池板缺陷检测方法
太阳能电池板的表面是否完整无损对于其发电效率起着决定性的作用,传统的人工检测法、红外穿透检测法、机器视觉检测法等都存在各自的缺点.由于室外太阳能电池板具有图像获取难度大、样本数量小、样本相似度高等问题,大多深度学习算法并不能出色地完成室外太阳能电池板缺陷检测任务.针对该任务的特殊性,提出基于改进DenseNet网络模型的缺陷检测方法,选取DenseNet基础网络模型,在模型中加入L2正则化,并调整Batch Normalization层以解决过拟合问题;将激活函数ReLU函数替换为SELU函数,更好地缓解了梯度消失问题,加强了网络的鲁棒性.实验结果表明,训练集准确率到达93%,测试集准确率达到87%,能有效地检测并区分出电池板不同程度的损伤.
太阳能电池板、缺陷检测、DenseNet网络、L2正则化、批标准归一化
20
TP301.6(计算技术、计算机技术)
国家重点研发计划;国家自然科学基金
2022-05-23(万方平台首次上网日期,不代表论文的发表时间)
共10页
67-76