《计算机工程与科学杂志》发表论文赏析

改进InceptionV3与迁移学习的太阳能电池板缺陷识别

来源:计算机工程与科学杂志2023年第4期北京时间:

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

摘要: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。

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,

基金资助:国家自然科学基金(52065064)

2023年4期其他文献查阅:

一种面向IO Die的敏捷验证方法

卷积神经网络硬件加速的通用性设计

面向复杂多陷阱的随机电报噪声提取技术

一种面向蒙特卡洛程序的128核可扩展体系结构

基于模算术系数解析的稀疏插值算法

基于某国产双路服务器的液冷散热性能实验研究

一种基于Event-B语言的时间触发系统建模方法

基于决策表的AUTOSAR操作系统一致性测试研究

一种基于构件的软件系统的薄弱构件确定方法

基于注意力机制的Tree2Seq代码注释自动生成

改进InceptionV3与迁移学习的太阳能电池板缺陷识别

基于改进YOLOv4模型的乳腺钼靶图像肿块检测

基于多模态融合的动态手势识别研究

基于改进YOLOv5+DeepSort算法模型的交叉路口车辆实时检测

基于多尺度联合网络的图像超分辨率重建方法

基于二分网络的长期推荐

基于细粒度观点挖掘和Kano模型的用户满意度分析研究

基于ALBERT预训练模型的事件抽取技术研究

基于粒子群优化和深度强化学习的策略搜索方法

基于多任务学习的图神经网络推荐模型研究

改进特征金字塔的小目标深度学习模型

面向二分网络的谱近似社区搜索方法

基于细粒度信息感知BERT-EEP的情绪分类方法

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!