改进InceptionV3与迁移学习的太阳能电池板缺陷识别

传统识别方法对太阳能电池板表面缺陷的识别准确率低、速度慢,针对该情况,提出一种基于改进InceptionV3与迁移学习的识别方法。首先对采集到的太阳能电池板图像进行预处理;其次采用平衡因子δ,引入了新损失函数来改进InceptionV3神经网络,保证了网络的识别率;最后结合迁移学习方法建立缺陷识别模型,进一步提升性能。仿真结果表明,该方法有效提升了太阳能电池板的缺陷识别准确率和速度,其识别准确率高达96.43%,相较于传统InceptionV3模型提升了2.45%,平均分类时间缩短了4.5 ms,表明此方法取得了很好的效果,且具有广阔的应用前景。