基于深度学习的太阳能电池片表面缺陷检测方法

被引：92

作者：

王宪保 ^{[1
,2
]}

李洁 ^{[1
]}

姚明海 ^{[1
]}

何文秀 ^{[1
]}

钱沄涛 ^{[2
]}

机构：

[1] 浙江工业大学信息工程学院

[2] 浙江大学计算机科学与技术学院

来源：

模式识别与人工智能 | 2014年 / 27卷 / 06期

基金：

浙江省自然科学基金;

关键词：

深度学习; 缺陷检测; 限制玻尔兹曼机(RBM); 深度置信网络(DBN);

D O I：

10.16451/j.cnki.issn1003-6059.2014.06.006

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

目前对太阳能电池片的缺陷检测仍依赖人工完成,很难通过传统的CCD成像系统自动识别.作为一种多层神经网络学习算法,深度学习因对输入样本数据强大的特征提取能力而受到广泛关注.文中提出一种基于深度学习的太阳能电池片表面缺陷检测方法,该方法首先根据样本特征建立深度置信网络(DBN),并训练获取网络的初始权值;然后通过BP算法微调网络参数,取得训练样本到无缺陷模板之间的映射关系;最后利用重构图像与缺陷图像之间的对比关系,实现测试样本的缺陷检测.实验表明DBN能较好地建立上述映射关系,且准确、快速地进行缺陷检测.

引用

页码：517 / 523

页数：7

共 5 条

[1] 基于RPCA的太阳能电池片表面缺陷检测 [J].

姚明海 ;

李洁 ;

王宪保 .

计算机学报, 2013, 36 (09) :1943-1952

[2] 基于Deep Belief Nets的中文名实体关系抽取 [J].

陈宇 ;

郑德权 ;

赵铁军 .

软件学报, 2012, 23 (10) :2572-2585

[3] 深度学习研究综述 [J].

孙志军 ;

薛磊 ;

许阳明 ;

王正 .

计算机应用研究, 2012, 29 (08) :2806-2810

[4]

Defect detection of solar cells in electroluminescence images using Fourier image reconstruction[J] . Du-Ming Tsai,Shih-Chieh Wu,Wei-Chen Li.Solar Energy Materials and Solar Cells . 2011

[5]

Photographic diagnosis of crystalline silicon solar cells utilizing electroluminescence[J] . Takashi Fuyuki,Athapol Kitiyanan.Applied Physics A . 2009 (1)

← 1 →