《表3 太阳电池缺陷识别方法对比》
为验证本文方法的有效性,采用文献[16]ICA的方法和文献[17]FCM的方法与CNN结合各分类器的方法作对比,结果如表3所示。从表3可看出,CNN与ICA、FCM传统的机器学习算法相比,识别率最高,效果最好,CNN网络不但可以从“大数据”中提取到有效的特征,而且还使用权值共享、及非饱和激活函数Rel U的一些特点,明显减少了特征提取、识别的时间,极大的提高了缺陷识别效率。CNN与Random Forest相结合的网络有更好的性能表现。
图表编号 | XD00209904200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.28 |
作者 | 周颖、毛立、张燕、陈海永 |
绘制单位 | 河北工业大学人工智能与数据科学学院、河北省控制工程技术研究中心、河北工业大学人工智能与数据科学学院、河北工业大学人工智能与数据科学学院、河北省控制工程技术研究中心、河北工业大学人工智能与数据科学学院、河北省控制工程技术研究中心 |
更多格式 | 高清、无水印(增值服务) |