文献类型：期刊文章

作　　者：孙海蓉[1] 潘子杰[1,2] 晏勇[1,2]

SUN Hairong;PAN Zijie;YAN Yong(School of Control and Computer Engineering,North China Electric Power University,Baoding 071003,China;Hebei Engineering Research Center of Simulation Optimized Control for Power Generation,North China Electric Power University,Baoding 071003,China)

机构地区：[1]华北电力大学控制与计算机工程学院,河北保定071003 [2]华北电力大学河北省发电过程仿真与优化控制工程技术研究中心,河北保定071003

出　　处：《华北电力大学学报（自然科学版）》

基　　金：河北省自然科学基金资助项目(E2018502111).

年　　份：2021

卷　　号：48

期　　号：4

起止页码：91-98

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对传统卷积神经网络训练需要大量数据、而热斑效应图像样本量较少的现状,构建一种深度卷积自编码网络模型用于小样本光伏热斑识别与定位。首先对原始光伏红外图像做预处理得到小样本数据集,然后构建一种以卷积神经网络为基础、结合自编码器的深度卷积自编码网络模型。该模型能自动学习并提取小样本图像中的有效特征,提高识别准确率。实验结果表明,针对小样本光伏热斑图像数据集,深度卷积自编码网络模型比传统卷积神经网络在测试集上的识别准确率高出了7.98%,且具有更强的泛化能力和鲁棒性。

关 键 词：热斑效应  图像识别 小样本 卷积神经网络 自编码器  

分 类 号：TP18] TM615]