Солнечная батарея является основной частью компонентов солнечной энергии, качество которой непосредственно связано с безопасностью и эффективностью генерации энергии. Поэтому проверка дефектов солнечной батареи имеет важную практическую ценность. Учитывая недостаточную эффективность и высокую стоимость ручной проверки, в данной статье предлагается использовать сверточные нейронные сети, показавшие хорошие результаты в области глубокого обучения, для автоматического распознавания и классификации изображений солнечной батареи. С использованием визуализации Tensorboard платформы Tensorflow, была улучшена структура классической сверточной нейронной сети модели LeNet-5 и настроены гиперпараметры, и были сравнены результаты классификации улучшенной модели LeNet-5 с классической моделью LeNet-5 и результатами классификации модели опорных векторов, и результаты показали, что улучшенная модель LeNet-5 имеет наилучший эффект классификации.

солнечная батарея; модель Le Net-5; классификация изображений; сверточная нейронная сеть; гиперпараметры; Tensorboard