摘要
光伏组件在生产制造与使用过程中难免会出现各类缺陷,提高缺陷检测效率可有效改善产品质量.针对电致发光检测,借助深度学习算法实现对光伏组件多种缺陷的识别与分类.首先,制作深度学习数据集,通过原始图片采集得到6类电致发光检测图片,包括5种病害图片和正常图片.其次,搭建轻量级卷积神经网络Mobilenet,训练缺陷分类模型,实现检测缺陷快速识别.作为对比,同时训练、测试VGG16、ResNet50深度学习分类模型.结果表明:Mobilenet模型的总体识别精度与VGG16、ResNet50接近,但其计算量仅为VGG16的2.26%,仅为ResNet50的8.50%,轻量化优势明显.
NETL
NSTL
万方数据