计算机工程与科学

作者：史册, 南新元

单位：新疆大学电气工程学院，新疆 乌鲁木齐 830047

关键词：太阳能电池板,神经网络,损失函数,InceptionV3,迁移学习,缺陷识别,

基金：国家自然科学基金(52065064)

传统识别方法对太阳能电池板表面缺陷的识别准确率低、速度慢，针对该情况，提出一种基于改进InceptionV3与迁移学习的识别方法。首先对采集到的太阳能电池板图像进行预处理；其次采用平衡因子δ，引入了新损失函数来改进InceptionV3神经网络，保证了网络的识别率；最后结合迁移学习方法建立缺陷识别模型，进一步提升性能。仿真结果表明，该方法有效提升了太阳能电池板的缺陷识别准确率和速度，其识别准确率高达96.43%，相较于传统InceptionV3模型提升了2.45%，平均分类时间缩短了4.5 ms，表明此方法取得了很好的效果，且具有广阔的应用前景。

来源：2023年第4期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2023年第4期