典型文献
基于改进DenseNet网络的室外太阳能电池板缺陷检测方法
文献摘要：
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.
文献关键词：
太阳能电池板;缺陷检测;DenseNet网络;L2正则化;批标准归一化
中图分类号：
作者姓名：
胡金鹏;张学武;张卓
作者机构：
河海大学物联网工程学院,江苏常州213022
文献出处：
引用格式：
[1]胡金鹏;张学武;张卓-.基于改进DenseNet网络的室外太阳能电池板缺陷检测方法)[J].光学与光电技术,2022(02):67-76
A类：
批标准归一化
B类：
DenseNet,太阳能电池板,缺陷检测方法,完整无损,发电效率,检测法,穿透检测,机器视觉检测,样本数量,深度学习算法,出色,L2,正则化,Batch,Normalization,过拟合,激活函数,ReLU,SELU,梯度消失,训练集,测试集,分出
AB值：
0.285087
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
