《表3 太阳电池缺陷识别方法对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《改进CNN的太阳电池缺陷识别方法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。