基于生成对抗网络的太阳能电池缺陷增强方法

• 作者: 刘坤 文熙 杨欣欣 毛经坤 黄闽茗
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 样本不均衡 数据增强 生成对抗网络(GAN) 太阳能电池 负样本引导
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 计算机技术、信息工程
• 页码范围: 684-693
• 页数: 10页
• 分类号: TP391
• 字数: 6874字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2020.04.007

摘要

为了解决太阳能电池样本不均衡问题,提出负样本引导生成对抗网络的太阳能电池缺陷样本增强方法.通过在生成对抗模型中引人大量负样本和增加负样本引导损失,促进模型对正样本特征的表达,提升生成样本的多样性;设计自适应的权值约束方法,平衡生成器和判别器的表达能力,提升生成样本的质量.实验结果表明,在太阳能电池电致发光(EL)缺陷数据集上,提出方法的生成质量和检测精度优于深度卷积生成对抗网络(DCGAN)、梯度惩罚Wasserstein距离生成对抗网络(WGAN-GP)和一阶导数生成对抗网络(FOGAN);该方法的F测度较DCGAN、WGAN-GP和FOGAN分别最高提升了10％、8％和5％,具有较好的数据增强性能.在带钢表面缺陷数据集及DAGM2007公共数据集上,提出方法的性能优于DCGAN、WGAN-GP和FOGAN,具有一定的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘坤	河北工业大学人工智能与数据科学学院	46	218	10.0	12.0
2	文熙	河北工业大学人工智能与数据科学学院	2	0	0.0	0.0
3	黄闽茗	贵州大学大数据与信息工程学院	4	0	0.0	0.0
4	杨欣欣	河北工业大学人工智能与数据科学学院	1	0	0.0	0.0
5	毛经坤		1	0	0.0	0.0