《表2 方法检出限的确定:改进CNN的太阳电池缺陷识别方法研究》
多缺陷五分类数据集样本数量如表2所示。随机选取60%作为训练集,40%作为测试集,根据选好的模型参数,经过网络20轮的迭代,多缺陷五分类的测试集在CNN-RF网络上达到99.18%的准确率,在传统的CNN网络上达到98.15%的准确率。结果如表2所示,生成的混淆矩阵如图8所示。
图表编号 | XD00209903900 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) |