基于深度学习的太阳能电池片表面缺陷检测方法-王宪保

《基于深度学习的太阳能电池片表面缺陷检测方法-王宪保》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第27卷第6期模式识别与人工智能Vol．27No．62014年6月PＲ＆AIJune2014基于深度学习的*太阳能电池片表面缺陷检测方法1，21112王宪保李洁姚明海何文秀钱沄涛1(浙江工业大学信息工程学院杭州310023)2(浙江大学计算机科学与技术学院杭州310027)摘要目前对太阳能电池片的缺陷检测仍依赖人工完成，很难通过传统的CCD成像系统自动识别．作为一种多层神经网络学习算法，深度学习因对输入样本数据强大的特征提取能力而受到广泛关注．文中提出一种基于深度学习的太阳能电池片表面缺陷检测方法，该方法首先根据样本特征建

2、立深度置信网络(DBN)，并训练获取网络的初始权值;然后通过BP算法微调网络参数，取得训练样本到无缺陷模板之间的映射关系;最后利用重构图像与缺陷图像之间的对比关系，实现测试样本的缺陷检测．实验表明DBN能较好地建立上述映射关系，且准确、快速地进行缺陷检测．关键词深度学习，缺陷检测，限制玻尔兹曼机(ＲBM)，深度置信网络(DBN)中图法分类号TP391SolarCellsSurfaceDefectsDetectionBasedonDeepLearning1，21112WANGXian-Bao，LIJie，YAOMing-Ha

3、i，HEWen-Xiu，QIANYun-Tao1(CollegeofInformationEngineering，ZhejiangUniversityofTechnology，Hangzhou310023)2(CollegeofComputerScienceandTechnology，ZhejiangUniversity，Hangzhou310027)ABSTＲACTDefectsofsolarcellsaredetectedmainlybymanualoperation，andtheyaredifficulttobede

4、tectedautomaticallybytraditionalcharge-coupleddevice(CCD)imagingsystem．Asatrainingmulti-layerneuralnetwork，deeplearningdrawsgreatattentionduetoitsstrongabilitytoextractfeaturesfrominputsampledata．Amethodforsolarcellssurfacedefectsdetectionbasedondeeplearningisprop

5、osed．Firstly，deepbeliefnetworks(DBN)areestablishedandtrainedaccordingtothesamplefeaturestoobtaintheinitialweightsofthenetworks．Then，thetraditionalBPalgorithmisconductedtofine-tunethenetworkparameterstogetthemappingrelationshipbetweenthetrainingsamplesandthedefect-

6、freetemplate．Finally，thedefectsoftestingsamplesaredetectedbythecontrastbetweenthereconstructionimageandthedefectimage．ExperimentalresultsshowthatDBNperfectlyestablishesthemapping*国家自然科学基金项目(No．61070113)、浙江省自然科学基金项目(No．LY14F030009)资助收稿日期:2014－01－07;修回日期:2014－02－25作

7、者简介王宪保(通讯作者)，男，1977年生，博士，讲师，主要研究方向为模式识别、神经网络、图像处理及其在缺陷检测中的应用等．E-mail:wxb@zjut．edu．cn．李洁，女，1988年生，硕士研究生，主要研究方向为模式识别、图像处理、图像理解等．姚明海，男，1963年生，教授，博士生导师，主要研究方向为模式识别、智能控制、物联网等．何文秀，女，1979年生，博士研究生，讲师，主要研究方向为人工智能、无线传感网络．钱沄涛，男，1968年生，教授，博士生导师，主要研究方向为机器学习、模式识别、图像处理．518模式识别与人

8、工智能27卷relationship，anditcanquicklydetectdefectswithahighaccuracy．KeyWordsDeepLearning，DefectDetection，ＲestrictedBoltzmannMachine(ＲBM)，DeepBeliefNetwork(