科研之友
微信
新浪微博
Facebook
分享链接
摘要
电致发光(EL)检测在光伏电池缺陷检测中起着重要的作用,其检测结果的分析通常由技术人员完成,效率低且准确率不高。因此,提出了一种基于EL和GoogLeNet的缺陷检测方法来提高检测的效率和准确率。首先,构建光伏电池缺陷EL图像样本数据库;然后,建立了基于GoogLeNet的深度卷积神经网络;最后,进行了实验验证。实验结果表明,所提出的基于GoogLeNet缺陷识别方法的准确率超过85%,优于SVM方法的67%准确度,并且具有更高的稳定性。
- 单位
电致发光(EL)检测在光伏电池缺陷检测中起着重要的作用,其检测结果的分析通常由技术人员完成,效率低且准确率不高。因此,提出了一种基于EL和GoogLeNet的缺陷检测方法来提高检测的效率和准确率。首先,构建光伏电池缺陷EL图像样本数据库;然后,建立了基于GoogLeNet的深度卷积神经网络;最后,进行了实验验证。实验结果表明,所提出的基于GoogLeNet缺陷识别方法的准确率超过85%,优于SVM方法的67%准确度,并且具有更高的稳定性。
