近年來(lái),光伏產(chǎn)業(yè)獲得迅速發(fā)展,作為可再生能源的太陽(yáng)能電池片的回收利用問(wèn)題日益凸顯。針對(duì)廢棄太陽(yáng)能電池片表面顏色差別小且分布不均勻帶來(lái)太陽(yáng)能電池片顏色分類問(wèn)題,本文采用深度學(xué)習(xí)和圖像處理技術(shù),研究并實(shí)現(xiàn)回收利用的廢棄太陽(yáng)能電池片顏色分類;針對(duì)大尺寸太陽(yáng)能電池組件圖像拼接過(guò)程中存在效率低、精度低的問(wèn)題,本文利用圖像拼接技術(shù),研究并實(shí)現(xiàn)大尺寸太陽(yáng)能電池組件圖像的智能拼接。主要研究如下:(1)利用圖像增廣技術(shù),構(gòu)建基于多顏色空間的太陽(yáng)能電池片顏色分類數(shù)據(jù)集,為太陽(yáng)能電池片顏色分類的深度學(xué)習(xí)模型提供數(shù)據(jù)。針對(duì)廢棄太陽(yáng)能電池片訓(xùn)練數(shù)據(jù)量較少的問(wèn)題,利用圖像翻轉(zhuǎn)、旋轉(zhuǎn)和添加噪聲等操作,增廣廢棄太陽(yáng)能電池片訓(xùn)練數(shù)據(jù)集。(2)研究廢棄太陽(yáng)能電池片的顏色分類問(wèn)題,提出基于多顏色空間的太陽(yáng)能電池片智能分類算法�；贚eNet-5卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建太陽(yáng)能電池片顏色分類深度學(xué)習(xí)模型,優(yōu)化傳統(tǒng)LeNet-5的網(wǎng)絡(luò)結(jié)構(gòu),提高了分類性能;對(duì)廢棄太陽(yáng)能電池片的不同顏色空間進(jìn)行分析,提出多顏色空間分類融合算法。實(shí)驗(yàn)結(jié)果表明該算法正確率高于傳統(tǒng)的LeNet-5網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)和SVM算法,算法在RGB+Lab+HSV三種顏...

【文章頁(yè)數(shù)】：59 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

太陽(yáng)能電池片的顏色分類及智能拼接問(wèn)題研究11圖像增廣技術(shù)通過(guò)對(duì)訓(xùn)練數(shù)據(jù)集做翻轉(zhuǎn)、裁剪、縮放、高斯噪聲、圖像亮度、飽和度和對(duì)比度等一系列操作，擴(kuò)充訓(xùn)練數(shù)據(jù)集。由于是對(duì)廢棄太陽(yáng)能電池的顏色進(jìn)行分類，為避免降低模型對(duì)色彩的敏感度，本文對(duì)實(shí)驗(yàn)樣本采用了翻轉(zhuǎn)、旋轉(zhuǎn)和加噪聲三種常用的方法，擴(kuò)....

太陽(yáng)能電池片的顏色分類及智能拼接問(wèn)題研究11圖像增廣技術(shù)通過(guò)對(duì)訓(xùn)練數(shù)據(jù)集做翻轉(zhuǎn)、裁剪、縮放、高斯噪聲、圖像亮度、飽和度和對(duì)比度等一系列操作，擴(kuò)充訓(xùn)練數(shù)據(jù)集。由于是對(duì)廢棄太陽(yáng)能電池的顏色進(jìn)行分類，為避免降低模型對(duì)色彩的敏感度，本文對(duì)實(shí)驗(yàn)樣本采用了翻轉(zhuǎn)、旋轉(zhuǎn)和加噪聲三種常用的方法，擴(kuò)....

太陽(yáng)能電池片的顏色分類及智能拼接問(wèn)題研究12(a)旋轉(zhuǎn)90度(b)旋轉(zhuǎn)180度(c)旋轉(zhuǎn)270度圖2-7旋轉(zhuǎn)后新生圖像(3)高斯噪聲添加適量的高斯噪聲可以增強(qiáng)學(xué)習(xí)能力，會(huì)生成極為有用的圖像，增加了有效樣本，對(duì)訓(xùn)練網(wǎng)絡(luò)大有益處。太陽(yáng)能電池片經(jīng)過(guò)添加高斯噪聲的新生成圖像如圖2-8所示....

太陽(yáng)能電池片的顏色分類及智能拼接問(wèn)題研究18趨于0。所以在深度神經(jīng)網(wǎng)絡(luò)的梯度反向傳遞階段，容易造成網(wǎng)絡(luò)梯度消失和網(wǎng)絡(luò)梯度爆炸的問(wèn)題，導(dǎo)致深層網(wǎng)絡(luò)無(wú)法完成訓(xùn)練[50]。其中網(wǎng)絡(luò)梯度消失相對(duì)而言出現(xiàn)的概率比較大。因此近年來(lái)使用Sigmoid激活函數(shù)的人越來(lái)越少。圖3-5Sigmoid....

本文編號(hào)：3966358