Le panneau solaire est un élément essentiel des composants de génération d'énergie solaire, dont la qualité est directement liée à la sécurité et à l'efficacité de la génération d'énergie. Par conséquent, la détection des défauts des panneaux solaires revêt une valeur pratique importante. Tenant compte de l'inefficacité et du coût élevé de la détection manuelle, cet article propose d'utiliser les réseaux neuronaux convolutifs, ayant montré de bonnes performances dans le domaine de l'apprentissage en profondeur, pour la reconnaissance automatique et la classification des images de panneaux solaires. En utilisant la plateforme Tensorflow Tensorboard pour la visualisation des performances, la structure du modèle classique de réseau neuronal convolutif LeNet-5 a été améliorée et les hyperparamètres ajustés, et les résultats de classification du modèle amélioré LeNet-5 ont été comparés avec ceux du modèle LeNet-5 classique et du support vector machine, et les résultats ont montré que le modèle amélioré LeNet-5 offre les meilleurs résultats en termes de classification.

panneau solaire; modèle Le Net-5; classification d'images; réseau neuronal convolutif; hyperparamètres; Tensorboard