[发明专利]太阳能电池片表面缺陷检测方法

权利要求书

1.一种太阳能电池片表面缺陷检测方法，应用于太阳能电池片表面检测，其特征在于,所述太阳能电池片表面缺陷检测方法步骤如下：

S1：对训练集图片进行归一化处理，将训练集中为太阳能电池表面的图像进行压缩处理，压缩处理后的图像再次进行归一化处理，得到太阳能电池表面图像的二值图；

S2：基于卷积神经网络结构建立深度学习模型；

S3：应用步骤S1中得到的二值图，将检测二值图需要的多个受限波尔兹曼机依次相连，以构成深度置信网络；

S4：应用步骤S3中得到的深度置信网络，通过误差反向传播算法调整深度置信网络；

S5：应用步骤S4中得到的深度置信网络，通过深度学习模型训练深度置信网络；

S6：应用步骤S5中得到的深度置信网络，选取深度置信网络的学习速率、迭代次数和权重；

S7：应用步骤S6中得到的深度置信网络，将训练好的深度置信网络对测试集的二值图进行太阳能电池片表面缺陷检测，深度置信网络输出检测结果。

2.根据权利要求1所述的太阳能电池片表面缺陷检测方法，其特征在于：应用步骤S3中的受限玻尔兹曼机，在多个受限玻尔兹曼机中，前一个受限玻尔兹曼机的隐层为后一个受限玻尔兹曼机的显层，相连接的两个受限玻尔兹曼机的输入端与输出端对应设置。

3.根据权利要求2所述的太阳能电池片表面缺陷检测方法，其特征在于：所述受限玻尔兹曼机的能量函数定义为：

其中，v为可见层单元的状态，h为隐藏层单元的状态，W_i×j是可见层m和隐含层h之间的权重矩阵；

b＝(b₁,...,b_m)是可见节点的偏移量；

c＝(c₁,...,c_n)是隐藏节点的偏移量；

受限玻尔兹曼机符合正则分布的形式，当以上数值确定时,RBM处于状态v、h的概率为：

其中，

4.根据权利要求3所述的太阳能电池片表面缺陷检测方法，其特征在于：获得前项受限玻尔兹曼权重和后项受限玻尔兹曼权重后，通过误差反向传播算法算法调整深度置信网络的权重。

5.根据权利要求1所述的太阳能电池片表面缺陷检测方法，其特征在于：应用步骤S5中通过深度学习模型训练深度置信网络的方法步骤如下：

S51：对底部受限玻尔兹曼机以原始输入数据训练；

S52：从底部受限玻尔兹曼机提取的特征作为顶部受限玻尔兹曼机的输入；

S53：重复处理S51和S52，达到训练多层受限玻尔兹曼机的目的。

6.根据权利要求4所述的太阳能电池片表面缺陷检测方法，其特征在于：在步骤S52中，低层特征向量映射到高层特征空间，特征数据信息保存完整。