原创力文档- 1、本文档共65页，其中可免费阅读20页，需付费100金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
摘要
基于机器视觉的光伏电池缺陷识别技术可以为光伏电池的质量提供有效保障。
但传统的基于深度学习的缺陷识别方法由于缺陷数据规模不足、样本类别不均衡等
问题，导致封闭场景下的光伏电池缺陷识别性能不佳。另外，不同场景下受不同成
像条件、图像分辨率等因素影响，导致采集的光伏电池图像之间存在数据分布差异，
如何提升跨场景下的缺陷识别模型泛化性能也是当前亟待解决的问题。为此，本文
围绕上述问题展开了研究，具体研究内容和成果如下：
（1）针对光伏电池EL缺陷样本规模不足、样本类别不均衡影
文档评论（0）