太陽能是新型的能源,它以清潔、儲量大、無污染等優(yōu)點受到世界各地的普遍關注,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)設備等原因,導致硅片存在破損、裂紋、隱裂等缺陷。傳統(tǒng)的視覺檢測無法檢測較小的隱裂,YOLOv3作為目前目標檢測算法,檢測精度和時效性比較突出。能夠在顯卡上實時處理數(shù)據(jù),并從中檢出目標。但是在實際現(xiàn)場的處理中發(fā)現(xiàn)YOLOv3神經(jīng)網(wǎng)絡對小目標的敏感度較小。本文圍繞如何優(yōu)化YOLOv3神經(jīng)網(wǎng)絡,使其增加對小目標的敏感度開展研究:(1)對常用的目標識別算法進行了對比,闡述了各類算法的原理,分析了它們各自的優(yōu)缺點,總結(jié)歸納了它們在候選區(qū)域選擇、特征提取、特征分類這三個問題上的聯(lián)系與區(qū)別。(2)在研究改進算法部分中,本文借鑒了DenseNet神經(jīng)網(wǎng)絡的密集連接機制,來代替原先的殘差模塊,同時運用了卷積降維優(yōu)化神經(jīng)網(wǎng)絡,改進后的網(wǎng)絡模型為N-YOLOv3。(3)在現(xiàn)場測試中,對比了傳統(tǒng)的計算視覺檢測,未優(yōu)化的YOLOv3的神經(jīng)網(wǎng)絡和優(yōu)化后的N-YOLOv3神經(jīng)網(wǎng)絡,通過檢測精度,漏檢率,誤檢率等參數(shù)來驗證優(yōu)化的YOLOv3算法的可行性。
【學位單位】：中北大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TM914.4;TP183;TP391.41
【部分圖文】：

檢測裝置采集的正常硅片圖片和隱裂硅片圖片

訓練的目的是讓網(wǎng)絡的能量函數(shù)達到最小的狀態(tài)[56]玻爾茲曼機就是一種“基于能量的模型”。如圖2.1(a)所示，玻爾茲曼機的結(jié)構只有顯層和隱層隱層顯層(a)玻爾茲曼機 (b)限制玻爾茲曼機圖 2.1 玻爾茲曼機和受限玻爾茲曼機

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

相關期刊論文 前10條

1 胡悅;;金融市場中的神經(jīng)網(wǎng)絡拐點預測法[J];金融經(jīng)濟;2017年18期

2 遲惠生;陳珂;;1995年世界神經(jīng)網(wǎng)絡大會述評[J];國際學術動態(tài);1996年01期

3 王方;苗放;陳墾;;基于優(yōu)化神經(jīng)網(wǎng)絡的地質(zhì)災害監(jiān)測預警仿真[J];計算機仿真;2019年11期

4 馬猛;王明紅;;基于進化神經(jīng)網(wǎng)絡的304不銹鋼車削加工表面粗糙度預測[J];輕工機械;2019年06期

5 莊連生;呂揚;楊健;李厚強;;時頻聯(lián)合長時循環(huán)神經(jīng)網(wǎng)絡[J];計算機研究與發(fā)展;2019年12期

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

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

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

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

10 鮑偉強;陳娟;熊濤;;基于進化神經(jīng)網(wǎng)絡的短期電力負荷預測研究[J];電工技術;2019年11期

相關博士學位論文 前10條

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

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

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

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

5 楊旭輝;基于神經(jīng)網(wǎng)絡的C-ADS InjectorⅡ束流偏移校準技術研究[D];蘭州大學;2019年

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

7 洪慶輝;憶阻神經(jīng)網(wǎng)絡的全電路設計及其應用[D];華中科技大學;2019年

8 肖理業(yè);基于機器學習的電磁場建模與設計研究[D];電子科技大學;2019年

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

10 梁智杰;聾啞人手語識別關鍵技術研究[D];華中師范大學;2019年

相關碩士學位論文 前10條

1 焦東巖;卷積神經(jīng)網(wǎng)絡在密度泛函結(jié)構預測計算中的應用研究[D];湘潭大學;2019年

2 李智強;基于神經(jīng)網(wǎng)絡的航空發(fā)動機推力估計方法研究[D];南京航空航天大學;2019年

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

4 朱萌鋼;基于神經(jīng)網(wǎng)絡的車輛行為預測研究[D];重慶郵電大學;2019年

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

6 易億;基于集成卷積神經(jīng)網(wǎng)絡的交通標志識別研究[D];重慶郵電大學;2019年

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

8 李凈樺;基于神經(jīng)網(wǎng)絡的社交話題熱度預測模型研究[D];重慶郵電大學;2019年

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

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

本文編號：2847326