基于DCGANs的半片光伏组件电致发光图像增强技术
针对半片光伏组件电致发光(electroluminescence,EL)缺陷自动识别过程中训练用样本不足导致模型过拟合的问题,采用深度卷积生成对抗网络(deep?convolutional?generative?adversarial networks,DCGANs)生成可控制属性的半片光伏组件EL图像,再采用多尺度结构相似性(multi-scale?structural?similarity,MS-SSIM)指标对生成的EL图像与拍摄的EL图像之间的相似程度进行了评估.评估结果得到,使用DCGANs生成的所有类型半片光伏组件的EL图像与拍摄的EL图像的MS-SSIM指标都大于0.55,大部分的MS-SSIM值在0.7附近.在分类模型的训练过程中,测试集准确率随着训练集中生成图像数量的增加而升高,当生成图像数量达到6000张时,测试集准确率达到97.92%.实验结果表明,采用DCGANs能够生成高质量且可控制属性的半片光伏组件EL图像,较好地解决因缺少训练样本而导致的模型过拟合问题.
深度卷积生成对抗网络(DCGANs)、电致发光(EL)、多尺度结构相似性(MS-SSIM)、神经网络
44
TN206(光电子技术、激光技术)
福建省市场监督管理局科技项目;国家市场监督管理总局科技计划
2023-03-27(万方平台首次上网日期,不代表论文的发表时间)
共9页
314-322