基于优化YOLOv3神经网络的硅片隐裂检测算法研究

发布时间：2020-10-19 14:23

　　 太阳能是新型的能源,它以清洁、储量大、无污染等优点受到世界各地的普遍关注,硅片的质量在太阳能行业中的意义和重要性显得尤为重要。在其生产制造过程中,由于工艺和生产设备等原因,导致硅片存在破损、裂纹、隐裂等缺陷。传统的视觉检测无法检测较小的隐裂,YOLOv3作为目前目标检测算法,检测精度和时效性比较突出。能够在显卡上实时处理数据,并从中检出目标。但是在实际现场的处理中发现YOLOv3神经网络对小目标的敏感度较小。本文围绕如何优化YOLOv3神经网络,使其增加对小目标的敏感度开展研究:(1)对常用的目标识别算法进行了对比,阐述了各类算法的原理,分析了它们各自的优缺点,总结归纳了它们在候选区域选择、特征提取、特征分类这三个问题上的联系与区别。(2)在研究改进算法部分中,本文借鉴了DenseNet神经网络的密集连接机制,来代替原先的残差模块,同时运用了卷积降维优化神经网络,改进后的网络模型为N-YOLOv3。(3)在现场测试中,对比了传统的计算视觉检测,未优化的YOLOv3的神经网络和优化后的N-YOLOv3神经网络,通过检测精度,漏检率,误检率等参数来验证优化的YOLOv3算法的可行性。
【学位单位】：中北大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TM914.4;TP183;TP391.41
【部分图文】：

检测装置采集的正常硅片图片和隐裂硅片图片

训练的目的是让网络的能量函数达到最小的状态[56]玻尔兹曼机就是一种“基于能量的模型”。如图2.1(a)所示，玻尔兹曼机的结构只有显层和隐层隐层显层(a)玻尔兹曼机 (b)限制玻尔兹曼机图 2.1 玻尔兹曼机和受限玻尔兹曼机

2）区分性深度结构。目的是提供对模式分类的区分性能力，通常描述数。卷积神经网络(CNN)[58]是常见的区分性深度结构。作为深度学习框架是处理数据要求而产生的。卷积神经网络最初的实现原型是受到动物的视觉图 2.2 深度置信网络 DBN 结构示意图
【相似文献】

相关期刊论文 前10条

1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期

2 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期

3 王方;苗放;陈垦;;基于优化神经网络的地质灾害监测预警仿真[J];计算机仿真;2019年11期

4 马猛;王明红;;基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J];轻工机械;2019年06期

5 庄连生;吕扬;杨健;李厚强;;时频联合长时循环神经网络[J];计算机研究与发展;2019年12期

6 吴立可;;脉冲神经网络和行为识别[J];通讯世界;2018年12期

7 林嘉应;郑柏伦;刘捷;;基于卷积神经网络的船舶分类模型[J];信息技术与信息化;2019年02期

8 俞颂华;;卷积神经网络的发展与应用综述[J];信息通信;2019年02期

9 韩真;凯文·哈特尼特;;为神经网络的通用理论建造基石[J];世界科学;2019年04期

10 鲍伟强;陈娟;熊涛;;基于进化神经网络的短期电力负荷预测研究[J];电工技术;2019年11期

相关博士学位论文 前10条

1 武晨;DFP航天器动力学特性分析及精确控制方法研究[D];哈尔滨工业大学;2018年

2 冉令燕;基于卷积神经网络的图像分类研究[D];西北工业大学;2018年

3 于佳;语音文档的故事分割技术研究[D];西北工业大学;2018年

4 毛瑞琛;深度神经网络下的规范化地址建设与语义空间模型研究[D];浙江大学;2019年

5 杨旭辉;基于神经网络的C-ADS InjectorⅡ束流偏移校准技术研究[D];兰州大学;2019年

6 樊英杰;时滞忆阻神经网络的镇定及同步控制研究[D];山东科技大学;2019年

7 洪庆辉;忆阻神经网络的全电路设计及其应用[D];华中科技大学;2019年

8 肖理业;基于机器学习的电磁场建模与设计研究[D];电子科技大学;2019年

9 陈涵瀛;核电站热工水力系统工况预测与诊断方法研究[D];哈尔滨工程大学;2018年

10 梁智杰;聋哑人手语识别关键技术研究[D];华中师范大学;2019年

相关硕士学位论文 前10条

1 焦东岩;卷积神经网络在密度泛函结构预测计算中的应用研究[D];湘潭大学;2019年

2 李智强;基于神经网络的航空发动机推力估计方法研究[D];南京航空航天大学;2019年

3 刘京麦野;基于循环神经网络的语义完整性分析[D];湘潭大学;2019年

4 朱萌钢;基于神经网络的车辆行为预测研究[D];重庆邮电大学;2019年

5 米怡;基于卷积神经网络的车行环境行人识别[D];重庆邮电大学;2019年

6 易亿;基于集成卷积神经网络的交通标志识别研究[D];重庆邮电大学;2019年

7 葛超;基于神经网络的奶牛识别方法研究[D];重庆邮电大学;2019年

8 李净桦;基于神经网络的社交话题热度预测模型研究[D];重庆邮电大学;2019年

9 弓攀豪;融合浅层特征与卷积神经网络的行人检测方法研究[D];重庆邮电大学;2019年

10 詹紫微;基于卷积神经网络的目标跟踪方法研究[D];重庆邮电大学;2019年

本文编号：2847326