基于径向基神经网络的太阳能电池缺陷检测
文献类型：期刊论文
| 作者 | 沈凌云; 朱明; 陈小云 |
| 刊名 | 发光学报
 |
| 出版日期 | 2015-01-15 |
| 期号 | 01页码:99-105 |
| 关键词 | 缺陷检测 反向传播神经网络 径向基神经网络 主成分分析 降维 |
| 中文摘要 | 为了检测太阳能电池的缺陷,建立了太阳能电池板的电致发光(EL)图像与其缺陷类型间的神经网络预测模型,可以对太阳能电池板不同类型缺陷进行自适应检测。首先,采用主成分分量分析(PCA)算法对电致发光(EL)图像训练样本集降维;然后,将降维后得到的数据输入神经网络预测模型进行学习,对模型的参数进行优化选取;最后,将训练好的网络对测试样本集进行仿真。仿真结果表明:在采用相同的训练样本集和测试样本集条件下,与反向传播神经网络(BPNN)相比,径向基神经网络(RBFNN)具有全局最优特性,结构简单,最高识别率达96.25%,计算时间较短,能满足在线检测的要求。 |
| 源URL | [http://ir.ciomp.ac.cn/handle/181722/53802]  |
| 专题 | 长春光学精密机械与物理研究所_中科院长春光机所知识产出 |
| 推荐引用方式 GB/T 7714 | 沈凌云,朱明,陈小云. 基于径向基神经网络的太阳能电池缺陷检测[J]. 发光学报,2015(01):99-105. |
| APA | 沈凌云,朱明,&陈小云.(2015).基于径向基神经网络的太阳能电池缺陷检测.发光学报(01),99-105. |
| MLA | 沈凌云,et al."基于径向基神经网络的太阳能电池缺陷检测".发光学报 .01(2015):99-105. |
入库方式： OAI收割
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。