基于FC-ACGAN网络的太阳电池EL图像的数据增强方法

作     者：张一平 许盛之 孟子尧 赵颖 张晓丹 Zhang Yiping;Xu Shengzhi;Meng Ziyao;Zhao Ying;Zhang Xiaodan

作者机构：南开大学电子信息与光学工程学院光电薄膜器件与技术研究所天津300350 天津市光电子薄膜器件与技术重点实验室天津300350 薄膜光电子技术教育部工程研究中心天津300350 

出 版 物：《太阳能学报》 (Acta Energiae Solaris Sinica)

年 卷 期：2021年第42卷第10期

页      码：35-41页

摘      要：针对深度学习训练中太阳电池电致发光(EL)图像数据集过小导致训练效果差的问题,该文设计了全连接辅助分类器生成式对抗网络(FC-ACGAN),对已有的单晶硅太阳电池EL图像数据集进行数据增强,并用于LeNet网络模型训练。实验表明,通过改进ACGAN网络模型深度和训练方法生成高质量EL图像,利用生成图像与原始图像的混合数据集训练LeNet分类模型后获得识别率为94.82%的分类性能。

主 题 词：太阳电池 电致发光 深度学习 光伏发电 数据增强 生成对抗网络 

学科分类：0710[理学-生物科学类] 080703[080703] 08[工学] 0807[工学-电子信息类] 0812[工学-测绘类] 0702[理学-物理学类] 

核心收录：

D　O　I：10.19912/j.0254-0096.tynxb.2019-1016

馆 藏 号：203105278...