公开(公告)号：CN110349120A

公开(公告)日：2019-10-18

申请号：CN201910471773.0

申请日：2019-05-31

申请人： 湖北工业大学

发明人： 王娟 ,  蔡霖康 ,  张鹏飞 ,  宋薇薇 ,  周聪 ,  石豪 ,  刘敏 ,  王晓光 ,  曾春艳 ,  朱莉 ,  孔祥斌

IPC分类号： G06T7/00 ,  G01N21/88 ,  H02S50/10

摘要： 本发明公开了一种太阳能电池片表面缺陷检测方法，图片进行归一化处理，得到太阳能电池表面图像的二值图；基于卷积神经网络结构建立深度学习模型；构成深度置信网络；通过深度学习模型训练深度置信网络；通过误差反向传播算法调整深度置信网络；选取深度置信网络的学习速率、迭代次数和权重；将训练好的深度置信网络对测试集的二值图进行太阳能电池片表面缺陷检测，深度置信网络输出检测结果。本发明通过将特征提取和图像处理合二为一，缩短缺陷检测时间，并且能够快速适应训练的环境和位置的变化，满足生产需求，节约经济成本，同时深度置信网络与误差反向传播算法相结合完成特征提取与图像处理为之后的图像缺陷检测提供事实依据。