基于深度学习太阳能电池片表面缺陷检测方法王宪保.pdf

27 6 Vol． 27 No． 6 第 卷 第 期 模式识别与人工智能 2014 6 PＲ ＆ AI June 2014 年 月 基于深度学习的 太阳能电池片表面缺陷检测方法* 王宪保1，2 李 洁1 姚明海1 何文秀1 钱沄涛2 1 ( 310023) 浙江工业大学信息工程学院 杭州 2 ( 310027) 浙江大学计算机科学与技术学院 杭州 ， CCD ． 摘 要 目前对太阳能电池片的缺陷检测仍依赖人工完成 很难通过传统的 成像系统自动识别 作为一种多 ， ． 层神经网络学习算法 深度学习因对输入样本数据强大的特征提取能力而受到广泛关注 文中提出一种基于深度 ， (DBN)， 学习的太阳能电池片表面缺陷检测方法 该方法首先根据样本特征建立深度置信网络 并训练获取网络的 ; BP ， ; 初始权值 然后通过 算法微调网络参数 取得训练样本到无缺陷模板之间的映射关系 最后利用重构图像与缺 ， ． DBN ， 、 陷图像之间的对比关系 实现测试样本的缺陷检测 实验表明 能较好地建立上述映射关系 且准确 快速地进 行缺陷检测． ， ， (ＲBM)， (DBN) 关键词 深度学习 缺陷检测 限制玻尔兹曼机 深度置信网络 中图法分类号 TP 391 Solar Cells Surface Defects Detection Based on Deep Learning WANG Xian-Bao1，2 ，LI Jie1 ，YAO Ming-Hai1 ，HE Wen-Xiu1 ，QIAN Yun-Tao2 1 (College of Inf ormation Engineering ，Zhej iang University of Technology ，Hangzhou 310023) 2 (College of Comp uter Science and Technology ，Zhej iang University ，Hangzhou 310027) ABSTＲACT Defects of solar cells are detected mainly by m