基于LeNet-5模型的太阳能电池板缺陷识别分类

• 作者: 吴涛 赖菲
• 来源期刊: 热力发电
• 关键词: 太阳能电池板 LeNet-5模型 图像分类 卷积神经网络 超参数 Tensorboard
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 发电技术论坛
• 页码范围: 120-125
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.19666/j.rlfd.201807147

摘要

太阳能电池板是光伏发电组件的核心部件,其质量的优劣直接关系安全发电和发电效率.因此,对太阳能电池板进行缺陷检测具有重要的实际价值.考虑到人工检测的低效性和高成本,本文提出利用在深度学习领域图像分类性能良好的卷积神经网络对太阳能电池板图像进行自动识别分类.利用Tensorflow平台Tensorboard的可视化性能,对经典卷积神经网络LeNet-5模型进行结构改善和超参数的调整,并将改进LeNet-5模型与经典LeNet-5模型和支持向量机的分类结果互相对比,结果表明改进LeNet-5模型的分类效果最优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赖菲		30	129	7.0	9.0
2	吴涛		26	103	6.0	8.0