Changchun Institute of Optics,Fine Mechanics and Physics,CAS
| 基于径向基神经网络的太阳能电池缺陷检测 | |
| 沈凌云; 朱明; 陈小云 | |
| 2015-01-15 | |
| 发表期刊 | 发光学报
 |
| 期号 | 01页码:99-105 |
| 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。 |
| 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 |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://ir.ciomp.ac.cn/handle/181722/53802 |
| 专题 | 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. |
| 条目包含的文件 | 下载所有文件 | |||||
| 文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
| 基于径向基神经网络的太阳能电池缺陷检测.（458KB） | 期刊论文 | 作者接受稿 | 开放获取 | CC BY-NC-SA | 浏览 下载 | |
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [沈凌云]的文章 |
| [朱明]的文章 |
| [陈小云]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [沈凌云]的文章 |
| [朱明]的文章 |
| [陈小云]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [沈凌云]的文章 |
| [朱明]的文章 |
| [陈小云]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
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。
修改评论