基于ResNet和EL图像的光伏电池缺陷识别方法开题报告

 2023-07-22 13:18:30

1. 研究目的与意义(文献综述包含参考文献)

文 献 综 述一、 研究意义和应用价值随着人类对传统化石能源的过度开采和利用,为保证能源的可持续性利用,可再生能源的开发与利用显得尤为重要。

面对日益严峻的能源形势,各个国家都在着眼于核能、风能、太阳能等可再生能源,其中太阳能取之不尽,用之不竭的特点是其他能源所不具有的。

对于太阳能的利用主要分为太阳能光电利用和太阳能光热利用,太阳能的光电利用技术成熟,使用最为广泛。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容、问题解决措施及方案

1、本课题要研究或解决的问题:课题需熟悉算残缺神经网络(RESNET)算法和python语言的编程能力,并能够将算法结合到EL图像识别中,真正用到实际中。

具体要求包括:1.与指导教师详细沟通,明确毕业设计内容的具体需求,明确采用的技术手段,所用到的图像处理软件及最终检测成果输出;2. 查阅一定量的中英文资料,掌握光伏电池生产的常见工艺,了解课题相关的基于深度学习和EL图像方面缺陷识别算法原理,选择1篇典型的英文文章翻译为不少于5000汉字的中文,完成文献综述和开题报告;3. 根据缺陷检测精确度要求,采用不同机器学习算法训练图像数据,做对比实验,对比不同算法在识别缺陷的差异,客观评价RESNET算法在智能识别EL图像数据集上优势。

4. 整理出算法训练集和测试集,综合各种因素,总结出RENSET算法在光伏电池缺陷识别上的精确性,并分析其分类错误的原因,评价算法是否满足工业要求。

剩余内容已隐藏,您需要先支付 1元 才能查看该篇文章全部内容!立即支付

以上是毕业论文开题报告,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。