近年來,光伏產業(yè)獲得迅速發(fā)展,作為可再生能源的太陽能電池片的回收利用問題日益凸顯。針對廢棄太陽能電池片表面顏色差別小且分布不均勻帶來太陽能電池片顏色分類問題,本文采用深度學習和圖像處理技術,研究并實現(xiàn)回收利用的廢棄太陽能電池片顏色分類;針對大尺寸太陽能電池組件圖像拼接過程中存在效率低、精度低的問題,本文利用圖像拼接技術,研究并實現(xiàn)大尺寸太陽能電池組件圖像的智能拼接。主要研究如下:(1)利用圖像增廣技術,構建基于多顏色空間的太陽能電池片顏色分類數據集,為太陽能電池片顏色分類的深度學習模型提供數據。針對廢棄太陽能電池片訓練數據量較少的問題,利用圖像翻轉、旋轉和添加噪聲等操作,增廣廢棄太陽能電池片訓練數據集。(2)研究廢棄太陽能電池片的顏色分類問題,提出基于多顏色空間的太陽能電池片智能分類算法�；贚eNet-5卷積神經網絡構建太陽能電池片顏色分類深度學習模型,優(yōu)化傳統(tǒng)LeNet-5的網絡結構,提高了分類性能;對廢棄太陽能電池片的不同顏色空間進行分析,提出多顏色空間分類融合算法。實驗結果表明該算法正確率高于傳統(tǒng)的LeNet-5網絡、BP神經網絡和SVM算法,算法在RGB+Lab+HSV三種顏...

【文章頁數】：59 頁

【學位級別】：碩士

【部分圖文】：

太陽能電池片的顏色分類及智能拼接問題研究11圖像增廣技術通過對訓練數據集做翻轉、裁剪、縮放、高斯噪聲、圖像亮度、飽和度和對比度等一系列操作，擴充訓練數據集。由于是對廢棄太陽能電池的顏色進行分類，為避免降低模型對色彩的敏感度，本文對實驗樣本采用了翻轉、旋轉和加噪聲三種常用的方法，擴....

太陽能電池片的顏色分類及智能拼接問題研究11圖像增廣技術通過對訓練數據集做翻轉、裁剪、縮放、高斯噪聲、圖像亮度、飽和度和對比度等一系列操作，擴充訓練數據集。由于是對廢棄太陽能電池的顏色進行分類，為避免降低模型對色彩的敏感度，本文對實驗樣本采用了翻轉、旋轉和加噪聲三種常用的方法，擴....

太陽能電池片的顏色分類及智能拼接問題研究12(a)旋轉90度(b)旋轉180度(c)旋轉270度圖2-7旋轉后新生圖像(3)高斯噪聲添加適量的高斯噪聲可以增強學習能力，會生成極為有用的圖像，增加了有效樣本，對訓練網絡大有益處。太陽能電池片經過添加高斯噪聲的新生成圖像如圖2-8所示....

太陽能電池片的顏色分類及智能拼接問題研究18趨于0。所以在深度神經網絡的梯度反向傳遞階段，容易造成網絡梯度消失和網絡梯度爆炸的問題，導致深層網絡無法完成訓練[50]。其中網絡梯度消失相對而言出現(xiàn)的概率比較大。因此近年來使用Sigmoid激活函數的人越來越少。圖3-5Sigmoid....

本文編號：3966358