轻量级深度学习分类模型在光伏组件缺陷检测中的应用

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：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。

作者：

王剑君、王蒙、祁璐帆、李政

展开 >

作者单位：

甘肃省兰州公路应急保障与路网监测中心,甘肃兰州 730000

甘肃省交通科学研究院集团有限公司,甘肃兰州 730000

甘肃省公路试验检测创新服务平台,甘肃兰州 730000

关键词：

光伏组件电致发光检测深度学习卷积神经网络

出版年：

2024

DOI：