El panel solar es un componente esencial de los componentes de generación de energía solar, cuya calidad está directamente relacionada con la seguridad y eficiencia de la generación de energía. Por lo tanto, la detección de defectos en los paneles solares tiene un importante valor práctico. Teniendo en cuenta la ineficiencia y el alto costo de la detección manual, en este artículo se propone utilizar las redes neuronales convolucionales, que han demostrado buen rendimiento en el campo del aprendizaje profundo, para el reconocimiento automático y la clasificación de imágenes de paneles solares. Utilizando la plataforma Tensorboard de Tensorflow para la visualización del rendimiento, se mejoró la estructura del modelo clásico de red neuronal convolucional LeNet-5 y se ajustaron los hiperparámetros, y se compararon los resultados de clasificación del modelo LeNet-5 mejorado con los del modelo LeNet-5 clásico y la máquina de vectores de soporte, y los resultados mostraron que el modelo LeNet-5 mejorado ofrece el mejor rendimiento de clasificación.

panel solar; modelo Le Net-5; clasificación de imágenes; red neuronal convolucional; hiperparámetros; Tensorboard