太阳能电池片的颜色分类及智能拼接问题研究

发布时间：2024-05-06 21:18

　　近年来,光伏产业获得迅速发展,作为可再生能源的太阳能电池片的回收利用问题日益凸显。针对废弃太阳能电池片表面颜色差别小且分布不均匀带来太阳能电池片颜色分类问题,本文采用深度学习和图像处理技术,研究并实现回收利用的废弃太阳能电池片颜色分类;针对大尺寸太阳能电池组件图像拼接过程中存在效率低、精度低的问题,本文利用图像拼接技术,研究并实现大尺寸太阳能电池组件图像的智能拼接。主要研究如下:(1)利用图像增广技术,构建基于多颜色空间的太阳能电池片颜色分类数据集,为太阳能电池片颜色分类的深度学习模型提供数据。针对废弃太阳能电池片训练数据量较少的问题,利用图像翻转、旋转和添加噪声等操作,增广废弃太阳能电池片训练数据集。(2)研究废弃太阳能电池片的颜色分类问题,提出基于多颜色空间的太阳能电池片智能分类算法。基于LeNet-5卷积神经网络构建太阳能电池片颜色分类深度学习模型,优化传统LeNet-5的网络结构,提高了分类性能;对废弃太阳能电池片的不同颜色空间进行分析,提出多颜色空间分类融合算法。实验结果表明该算法正确率高于传统的LeNet-5网络、BP神经网络和SVM算法,算法在RGB+Lab+HSV三种颜...

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

太阳能电池片的颜色分类及智能拼接问题研究11图像增广技术通过对训练数据集做翻转、裁剪、缩放、高斯噪声、图像亮度、饱和度和对比度等一系列操作，扩充训练数据集。由于是对废弃太阳能电池的颜色进行分类，为避免降低模型对色彩的敏感度，本文对实验样本采用了翻转、旋转和加噪声三种常用的方法，扩....

太阳能电池片的颜色分类及智能拼接问题研究11图像增广技术通过对训练数据集做翻转、裁剪、缩放、高斯噪声、图像亮度、饱和度和对比度等一系列操作，扩充训练数据集。由于是对废弃太阳能电池的颜色进行分类，为避免降低模型对色彩的敏感度，本文对实验样本采用了翻转、旋转和加噪声三种常用的方法，扩....

太阳能电池片的颜色分类及智能拼接问题研究12(a)旋转90度(b)旋转180度(c)旋转270度图2-7旋转后新生图像(3)高斯噪声添加适量的高斯噪声可以增强学习能力，会生成极为有用的图像，增加了有效样本，对训练网络大有益处。太阳能电池片经过添加高斯噪声的新生成图像如图2-8所示....

太阳能电池片的颜色分类及智能拼接问题研究18趋于0。所以在深度神经网络的梯度反向传递阶段，容易造成网络梯度消失和网络梯度爆炸的问题，导致深层网络无法完成训练[50]。其中网络梯度消失相对而言出现的概率比较大。因此近年来使用Sigmoid激活函数的人越来越少。图3-5Sigmoid....

本文编号：3966358