基于TICA的太阳能电池无监督学习缺陷识别

摘要：

针对传统图像特征提取方法用于缺陷检测存在自适应程度低的问题,提出了一种基于拓扑独立成分分析(TICA)的无监督图像特征提取缺陷识别方法.首先通过TICA算法从缺陷集中自适应地估计基向量,利用基向量对应滤波器与缺陷图像进行滤波,提取滤波响应作为特征,为避免 TICA 算法陷入局部最优,引入差分进化(DE)算法进行优化.然后采用ReliefF算法和K-means算法对提取特征进行选择,减少特征中冗余和无关信息,降低特征向量维数.最后利用随机森林分类器对样本进行缺陷分类,目前总体识别准确率高达 96.0%,验证了所提出方法的有效性.

关键词：拓扑独立成分分析、差分进化、特征提取

所属期刊栏目：40

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金62073227

在线出版日期：2023-08-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：94-99,125