%0 Journal Article
%T 基于深度学习的太阳能电池片表面缺陷检测方法*
%A 王宪保
%A 李洁
%A 姚明海
%A 何文秀
%A 钱沄涛
%J 模式识别与人工智能
%P 517-523
%D 2014
%X 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CCD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(DBN),并训练获取网络的初始权值;然后通过BP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DBN能较好地建立上述映射关系,且准确、快速地进行缺陷检测.
%K 深度学习
%K 缺陷检测
%K 限制玻尔兹曼机(RBM)
%K 深度置信网络(DBN)
%U http://manu12.magtech.com.cn/Jweb_prai/CN/abstract/abstract9871.shtml