改进的CNN在太阳能电池板缺陷检测中的应用

• 作者: 周颖 张燕 毛立 陈海永
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 太阳能电池板 缺陷检测 卷积神经网络 新损失函数 随机森林分类器
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 仿真服务化
• 页码范围: 458-463,474
• 页数: 7页
• 分类号: TP391.4
• 字数: 3240字
• 语种: 中文

摘要

由于太阳能电池板生产工艺的复杂性,容易在多个环节产生断栅、开焊、隐裂等缺陷.提出一种改进的卷积神经网络方法来检测电池板缺陷,首先,改进的卷积神经网络采用一种新的损失函数,在新的损失函数中引入平衡因子ε,以提高网络的识别率.其次,将卷积神经网络和随机森林相结合,随机森林分类器替换卷积层的输出层,可以增强网络的泛化能力.仿真结果表明,改进的卷积神经网络能够快速、准确地识别出电池板的缺陷和缺陷类别,识别准确率高达96.48％,相比与传统的卷积神经网络提高了2.63％,能够满足工业过程中电池板缺陷检测的需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周颖	河北工业大学人工智能与数据科学学院	47	204	8.0	11.0
2	张燕	河北工业大学人工智能与数据科学学院	55	238	8.0	13.0
3	陈海永	河北工业大学人工智能与数据科学学院	35	205	8.0	13.0
4	毛立	河北工业大学人工智能与数据科学学院	1	0	0.0	0.0