一种基于改进卷积神经网络的太阳能电池板故障识别方法

摘要

本发明公开了一种基于改进卷积神经网络的太阳能电池板故障识别方法，本发明通过太阳能电池板电致发光原理采集得到故障图像，分析故障图像特征，采取图像样本统一格式、图像剪裁和大小调整、去均值、归一化、图像增强等预处理操作得到数据集；结合太阳能电池板故障图像数据集的特点，采用学习率配置优化方法、聚类算法确定最优锚框和非极大值抑制避免多个锚框等方法，改进了YOLOv3神经网络；针对故障图像的类型、位置的表型形式有很多种，提出基于卷积神经网络的太阳能电池板故障识别系统，建立了故障图像识别分类方法。本发明改进了之前故障识别系统无法识别具体故障的问题，可以准确的对具体故障类型进行判断和位置识别。