修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

3 条数据
?? 中文（中国） ▾

  • 一种用于激光焊接自动光学检测的高性能深度学习算法

    摘要： 由于电动汽车和储能应用需求强劲，电池行业增长迅猛。激光焊接是电池制造的关键工艺。为把控生产质量，业界对自动化激光焊接缺陷检测有着迫切需求。近年来，卷积神经网络（CNN）在检测、识别和分类领域应用成效显著。本文运用迁移学习理论和视觉几何组（VGG）模型的预训练方法，提出优化后的VGG模型以提高缺陷分类效率。该模型在工业计算机上运行，采用产线采集的电池图像进行测试，准确率达99.87%。本研究主要贡献如下：（1）证实基于大型图像数据库训练的优化VGG模型可用于激光焊接缺陷分类；（2）证明预训练VGG模型具有体积小、误检率低、训练与预测时间短的特点，更适用于工业环境质检。此外，我们通过可视化卷积层和最大池化层，便于模型观测与优化。

    关键词： 缺陷分类、优化VGG模型、激光焊接、卷积神经网络（CNN）、自动光学检测

    更新于2025-09-23 15:19:57

  • 利用机器学习方法通过热红外成像进行光伏缺陷分类

    摘要： 本研究探讨了在南非环境下，利用热红外图像检测和分类有缺陷光伏组件的深度学习与基于特征的方法。研究表明，VGG-16和MobileNet模型在缺陷分类方面表现良好。采用尺度不变特征变换(SIFT)描述符结合随机森林分类器来识别有缺陷的光伏组件。该方法的应用有望降低当前缺陷分类方法的成本。

    关键词： 光伏，尺度不变特征变换，机器学习，缺陷分类，随机森林，深度学习，支持向量机，缺陷检测，红外热成像

    更新于2025-09-12 10:27:22

  • 基于涡流热成像与卷积神经网络的硅光伏电池缺陷智能分类

    摘要： 由于硅光伏（Si-PV）电池生产过程中的缺陷会严重影响光伏系统的正常发电，因此亟需对其进行检测。针对现有工业生产线中存在的缺陷检测效率低、检测数据少、检测误判率高等问题，本研究的主要目的是完成一种高效创新的硅光伏电池及组件缺陷智能分类方法。该方法旨在提高硅光伏电池的检测效率，确保硅光伏电池生产过程的安全性与可靠性，实现大批量硅光伏电池缺陷的检测与分类。首先建立了硅光伏电池的涡流热成像（ECT）系统；其次比较了主成分分析（PCA）、独立成分分析（ICA）和非负矩阵分解（NMF）算法对热成像序列的处理效果；最后对比了LeNet-5、VGG-16和GoogleNet模型对硅光伏电池缺陷的分类性能。结果表明，所提出的方法成功应用于硅光伏电池缺陷的检测与分类。

    关键词： 无损检测与评估，缺陷特征提取，缺陷分类，卷积神经网络，硅光伏电池，涡流热成像

    更新于2025-09-11 14:15:04