10.3969/j.issn.2095-509X.2021.05.013
基于深度置信网络的太阳能光伏面板缺陷检测方法
针对传统太阳能光伏面板缺陷检测方法存在检测效率低以及准确率低的问题,提出一种融合纹理特征和颜色特征的太阳能光伏面板缺陷深度学习检测模型,使用深度置信网络模型对缺陷样本进行学习、训练,引入图像纹理特征及颜色特征改进缺陷识别过程,并采用最大似然法和自适应时刻估计法对深度置信网络的参数进行优化.实验结果表明,用所提算法进行太阳能光伏面板缺陷检测的识别准确率高达99.42%,比傅里叶重构技术提高了3.15%,有效提高了面板缺陷检测的准确率,为太阳能光伏面板缺陷检测提供了新的方法.
深度置信网络、颜色特征、纹理特征、缺陷检测、光伏面板
50
TP391.4(计算技术、计算机技术)
2021-06-24(万方平台首次上网日期,不代表论文的发表时间)
共4页
61-64