[发明专利]太阳能电池片表面缺陷检测方法在审
| 申请号： | 201910471773.0 | 申请日： | 2019-05-31 |
| 公开（公告）号： | CN110349120A | 公开（公告）日： | 2019-10-18 |
| 发明（设计）人： | 王娟;蔡霖康;张鹏飞;宋薇薇;周聪;石豪;刘敏;王晓光;曾春艳;朱莉;孔祥斌 | 申请（专利权）人： | 湖北工业大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G01N21/88;H02S50/10 |
| 代理公司： | 北京科家知识产权代理事务所(普通合伙) 11427 | 代理人： | 陈娟 |
| 地址： | 430068*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种太阳能电池片表面缺陷检测方法，图片进行归一化处理，得到太阳能电池表面图像的二值图；基于卷积神经网络结构建立深度学习模型；构成深度置信网络；通过深度学习模型训练深度置信网络；通过误差反向传播算法调整深度置信网络；选取深度置信网络的学习速率、迭代次数和权重；将训练好的深度置信网络对测试集的二值图进行太阳能电池片表面缺陷检测，深度置信网络输出检测结果。本发明通过将特征提取和图像处理合二为一，缩短缺陷检测时间，并且能够快速适应训练的环境和位置的变化，满足生产需求，节约经济成本，同时深度置信网络与误差反向传播算法相结合完成特征提取与图像处理为之后的图像缺陷检测提供事实依据。 | ||
| 搜索关键词： | 置信 表面缺陷检测 太阳能电池片 网络 误差反向传播 特征提取 图像处理 二值图 太阳能电池表面 神经网络结构 图像缺陷检测 归一化处理 检测结果 经济成本 模型训练 缺陷检测 生产需求 适应训练 算法调整 网络输出 测试集 迭代 卷积 权重 算法 学习 图像 节约 图片 | ||
【主权项】：
1.一种太阳能电池片表面缺陷检测方法，应用于太阳能电池片表面检测，其特征在于,所述太阳能电池片表面缺陷检测方法步骤如下：S1：对训练集图片进行归一化处理，将训练集中为太阳能电池表面的图像进行压缩处理，压缩处理后的图像再次进行归一化处理，得到太阳能电池表面图像的二值图；S2：基于卷积神经网络结构建立深度学习模型；S3：应用步骤S1中得到的二值图，将检测二值图需要的多个受限波尔兹曼机依次相连，以构成深度置信网络；S4：应用步骤S3中得到的深度置信网络，通过误差反向传播算法调整深度置信网络；S5：应用步骤S4中得到的深度置信网络，通过深度学习模型训练深度置信网络；S6：应用步骤S5中得到的深度置信网络，选取深度置信网络的学习速率、迭代次数和权重；S7：应用步骤S6中得到的深度置信网络，将训练好的深度置信网络对测试集的二值图进行太阳能电池片表面缺陷检测，深度置信网络输出检测结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于湖北工业大学，未经湖北工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910471773.0/，转载请声明来源钻瓜专利网。
