文献类型：期刊文章

作　　者：王宪保[1,2] 李洁[1] 姚明海[1] 何文秀[1] 钱沄涛[2]

机构地区：[1]浙江工业大学信息工程学院,杭州310023 [2]浙江大学计算机科学与技术学院,杭州310027

出　　处：《模式识别与人工智能》

基　　金：国家自然科学基金项目(No.61070113);浙江省自然科学基金项目(No.LY14F030009)资助

年　　份：2014

卷　　号：27

期　　号：6

起止页码：517-523

语　　种：中文

收录情况：BDHX、BDHX2011、CSCD、CSCD2013_2014、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

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.

关 键 词：深度学习  缺陷检测  限制玻尔兹曼机(RBM)  深度置信网络(DBN)  

分 类 号：TP391.41]