太陽能是新型的能源,它以清潔、儲(chǔ)量大、無污染等優(yōu)點(diǎn)受到世界各地的普遍關(guān)注,硅片的質(zhì)量在太陽能行業(yè)中的意義和重要性顯得尤為重要。在其生產(chǎn)制造過程中,由于工藝和生產(chǎn)設(shè)備等原因,導(dǎo)致硅片存在破損、裂紋、隱裂等缺陷。傳統(tǒng)的視覺檢測(cè)無法檢測(cè)較小的隱裂,YOLOv3作為目前目標(biāo)檢測(cè)算法,檢測(cè)精度和時(shí)效性比較突出。能夠在顯卡上實(shí)時(shí)處理數(shù)據(jù),并從中檢出目標(biāo)。但是在實(shí)際現(xiàn)場(chǎng)的處理中發(fā)現(xiàn)YOLOv3神經(jīng)網(wǎng)絡(luò)對(duì)小目標(biāo)的敏感度較小。本文圍繞如何優(yōu)化YOLOv3神經(jīng)網(wǎng)絡(luò),使其增加對(duì)小目標(biāo)的敏感度開展研究:(1)對(duì)常用的目標(biāo)識(shí)別算法進(jìn)行了對(duì)比,闡述了各類算法的原理,分析了它們各自的優(yōu)缺點(diǎn),總結(jié)歸納了它們?cè)诤蜻x區(qū)域選擇、特征提取、特征分類這三個(gè)問題上的聯(lián)系與區(qū)別。(2)在研究改進(jìn)算法部分中,本文借鑒了DenseNet神經(jīng)網(wǎng)絡(luò)的密集連接機(jī)制,來代替原先的殘差模塊,同時(shí)運(yùn)用了卷積降維優(yōu)化神經(jīng)網(wǎng)絡(luò),改進(jìn)后的網(wǎng)絡(luò)模型為N-YOLOv3。(3)在現(xiàn)場(chǎng)測(cè)試中,對(duì)比了傳統(tǒng)的計(jì)算視覺檢測(cè),未優(yōu)化的YOLOv3的神經(jīng)網(wǎng)絡(luò)和優(yōu)化后的N-YOLOv3神經(jīng)網(wǎng)絡(luò),通過檢測(cè)精度,漏檢率,誤檢率等參數(shù)來驗(yàn)證優(yōu)化的YOLOv3算法的可行性。
【學(xué)位單位】：中北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TM914.4;TP183;TP391.41
【部分圖文】：

檢測(cè)裝置采集的正常硅片圖片和隱裂硅片圖片

訓(xùn)練的目的是讓網(wǎng)絡(luò)的能量函數(shù)達(dá)到最小的狀態(tài)[56]玻爾茲曼機(jī)就是一種“基于能量的模型”。如圖2.1(a)所示，玻爾茲曼機(jī)的結(jié)構(gòu)只有顯層和隱層隱層顯層(a)玻爾茲曼機(jī) (b)限制玻爾茲曼機(jī)圖 2.1 玻爾茲曼機(jī)和受限玻爾茲曼機(jī)

2）區(qū)分性深度結(jié)構(gòu)。目的是提供對(duì)模式分類的區(qū)分性能力，通常描述數(shù)。卷積神經(jīng)網(wǎng)絡(luò)(CNN)[58]是常見的區(qū)分性深度結(jié)構(gòu)。作為深度學(xué)習(xí)框架是處理數(shù)據(jù)要求而產(chǎn)生的。卷積神經(jīng)網(wǎng)絡(luò)最初的實(shí)現(xiàn)原型是受到動(dòng)物的視覺圖 2.2 深度置信網(wǎng)絡(luò) DBN 結(jié)構(gòu)示意圖
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡悅;;金融市場(chǎng)中的神經(jīng)網(wǎng)絡(luò)拐點(diǎn)預(yù)測(cè)法[J];金融經(jīng)濟(jì);2017年18期

2 遲惠生;陳珂;;1995年世界神經(jīng)網(wǎng)絡(luò)大會(huì)述評(píng)[J];國(guó)際學(xué)術(shù)動(dòng)態(tài);1996年01期

3 王方;苗放;陳墾;;基于優(yōu)化神經(jīng)網(wǎng)絡(luò)的地質(zhì)災(zāi)害監(jiān)測(cè)預(yù)警仿真[J];計(jì)算機(jī)仿真;2019年11期

4 馬猛;王明紅;;基于進(jìn)化神經(jīng)網(wǎng)絡(luò)的304不銹鋼車削加工表面粗糙度預(yù)測(cè)[J];輕工機(jī)械;2019年06期

5 莊連生;呂揚(yáng);楊健;李厚強(qiáng);;時(shí)頻聯(lián)合長(zhǎng)時(shí)循環(huán)神經(jīng)網(wǎng)絡(luò)[J];計(jì)算機(jī)研究與發(fā)展;2019年12期

6 吳立可;;脈沖神經(jīng)網(wǎng)絡(luò)和行為識(shí)別[J];通訊世界;2018年12期

7 林嘉應(yīng);鄭柏倫;劉捷;;基于卷積神經(jīng)網(wǎng)絡(luò)的船舶分類模型[J];信息技術(shù)與信息化;2019年02期

8 俞頌華;;卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展與應(yīng)用綜述[J];信息通信;2019年02期

9 韓真;凱文·哈特尼特;;為神經(jīng)網(wǎng)絡(luò)的通用理論建造基石[J];世界科學(xué);2019年04期

10 鮑偉強(qiáng);陳娟;熊濤;;基于進(jìn)化神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)研究[J];電工技術(shù);2019年11期

相關(guān)博士學(xué)位論文 前10條

1 武晨;DFP航天器動(dòng)力學(xué)特性分析及精確控制方法研究[D];哈爾濱工業(yè)大學(xué);2018年

2 冉令燕;基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類研究[D];西北工業(yè)大學(xué);2018年

3 于佳;語音文檔的故事分割技術(shù)研究[D];西北工業(yè)大學(xué);2018年

4 毛瑞琛;深度神經(jīng)網(wǎng)絡(luò)下的規(guī)范化地址建設(shè)與語義空間模型研究[D];浙江大學(xué);2019年

5 楊旭輝;基于神經(jīng)網(wǎng)絡(luò)的C-ADS InjectorⅡ束流偏移校準(zhǔn)技術(shù)研究[D];蘭州大學(xué);2019年

6 樊英杰;時(shí)滯憶阻神經(jīng)網(wǎng)絡(luò)的鎮(zhèn)定及同步控制研究[D];山東科技大學(xué);2019年

7 洪慶輝;憶阻神經(jīng)網(wǎng)絡(luò)的全電路設(shè)計(jì)及其應(yīng)用[D];華中科技大學(xué);2019年

8 肖理業(yè);基于機(jī)器學(xué)習(xí)的電磁場(chǎng)建模與設(shè)計(jì)研究[D];電子科技大學(xué);2019年

9 陳涵瀛;核電站熱工水力系統(tǒng)工況預(yù)測(cè)與診斷方法研究[D];哈爾濱工程大學(xué);2018年

10 梁智杰;聾啞人手語識(shí)別關(guān)鍵技術(shù)研究[D];華中師范大學(xué);2019年

相關(guān)碩士學(xué)位論文 前10條

1 焦東巖;卷積神經(jīng)網(wǎng)絡(luò)在密度泛函結(jié)構(gòu)預(yù)測(cè)計(jì)算中的應(yīng)用研究[D];湘潭大學(xué);2019年

2 李智強(qiáng);基于神經(jīng)網(wǎng)絡(luò)的航空發(fā)動(dòng)機(jī)推力估計(jì)方法研究[D];南京航空航天大學(xué);2019年

3 劉京麥野;基于循環(huán)神經(jīng)網(wǎng)絡(luò)的語義完整性分析[D];湘潭大學(xué);2019年

4 朱萌鋼;基于神經(jīng)網(wǎng)絡(luò)的車輛行為預(yù)測(cè)研究[D];重慶郵電大學(xué);2019年

5 米怡;基于卷積神經(jīng)網(wǎng)絡(luò)的車行環(huán)境行人識(shí)別[D];重慶郵電大學(xué);2019年

6 易億;基于集成卷積神經(jīng)網(wǎng)絡(luò)的交通標(biāo)志識(shí)別研究[D];重慶郵電大學(xué);2019年

7 葛超;基于神經(jīng)網(wǎng)絡(luò)的奶牛識(shí)別方法研究[D];重慶郵電大學(xué);2019年

8 李凈樺;基于神經(jīng)網(wǎng)絡(luò)的社交話題熱度預(yù)測(cè)模型研究[D];重慶郵電大學(xué);2019年

9 弓攀豪;融合淺層特征與卷積神經(jīng)網(wǎng)絡(luò)的行人檢測(cè)方法研究[D];重慶郵電大學(xué);2019年

10 詹紫微;基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)跟蹤方法研究[D];重慶郵電大學(xué);2019年

本文編號(hào)：2847326