文献类型：期刊文章

作　　者：陶志勇[1] 于子佳[1] 林森[2]

Tao Zhiyong;Yu Zijia;Lin Sen(School of Electronic and Information Engineering,Liaoning Technical University,Huludao 125105,China;School of Automation and Electrical Engineering,Shenyang Ligong University,Shenyang 110159,China)

机构地区：[1]辽宁工程技术大学电子与信息工程学院,葫芦岛125105 [2]沈阳理工大学自动化与电气工程学院,沈阳110159

出　　处：《电子测量与仪器学报》

基　　金：国家重点研发计划项目(2018YFB1403303)资助。

年　　份：2021

卷　　号：35

期　　号：1

起止页码：18-25

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EAPJ2020、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对太阳能电池板在生产过程中出现的裂缝问题,在太阳能电池板缺陷数据集有限的条件下,提出应用粒子群算法(particle swarm optimization,PSO)优化支持向量机(support vector machines,SVM)的太阳能电池板裂缝缺陷检测算法。首先,为减少图像采集过程中由电致发光(electroluminescence,EL)检测产生的光照分布不均影响,对太阳能电池板组件图像进行Retinex增强处理;其次,在频域上利用Gabor变换对图像进行纹理特征提取,以获取裂缝特征;最后,将各个太阳能电池板组件的纹理特征经主成分分析法(principal component analysis,PCA)降维后输入到PSOSVM系统中进行分类识别。应用该方法对600幅太阳能电池板EL图像进行实验,仅有1幅出现误检,分类识别准确率为99.33%。将该算法与决策树分类、极限学习机、卷积神经网络及SVM算法进行对比实验,PSOSVM获得最高识别准确率。

关 键 词：太阳能电池板 裂缝检测  Retinex增强  GABOR滤波器 粒子群算法 支持向量机  

分 类 号：TM914.4] TN911.73]