PSO_SVM算法在太阳能电池板裂缝缺陷检测研究

• 作者: 陶志勇 于子佳 林森
• 来源期刊: 电子测量与仪器学报
• 关键词: 太阳能电池板 裂缝检测 Retinex增强 Gabor滤波器 粒子群算法 支持向量机
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: “电池检测技术及其应用”专题|BATTERY DETECTION TECHNOLOGY AND ITS APPLICATION
• 页码范围: 18-25
• 页数: 8页
• 分类号: TM914.4|TN911.73
• 语种: 中文
• DOI: 10.13382/j.jemi.B2103849

摘要

针对太阳能电池板在生产过程中出现的裂缝问题,在太阳能电池板缺陷数据集有限的条件下,提出应用粒子群算法(particle swarm optimization,PSO)优化支持向量机(support vector machines,SVM)的太阳能电池板裂缝缺陷检测算法.首先,为减少图像采集过程中由电致发光(electroluminescence,EL)检测产生的光照分布不均影响,对太阳能电池板组件图像进行Retinex增强处理;其次,在频域上利用Gabor变换对图像进行纹理特征提取,以获取裂缝特征;最后,将各个太阳能电池板组件的纹理特征经主成分分析法(principal component analysis,PCA)降维后输入到PSO_SVM系统中进行分类识别.应用该方法对600幅太阳能电池板EL图像进行实验,仅有1幅出现误检,分类识别准确率为99.33％.将该算法与决策树分类、极限学习机、卷积神经网络及SVM算法进行对比实验,PSO_SVM获得最高识别准确率.