一种基于深度残差网络的太阳能板污迹识别方法

技术特征：
1.一种基于深度残差网络的太阳能板污迹识别方法，其特征在于，包括以下步骤：s1：通过opencv中的数据增强技术扩大训练集，使训练样本更丰富；s2：利用cnn中的残差网络提取图像特征，计算训练集识别率与损失函数值，储存训练模型，形成模型库；s3：验证集图片输入模型库，比较识别率得到最优模型；s4：将太阳能板污迹图像输入模型，自动识别并分类。2.根据权利要求1所述的基于深度残差网络的太阳能板污迹识别方法，其特征在于，步骤s4的具体步骤包括：s401：将输入模型的太阳能板污迹图像的分辨率限定为224
×
224；s402：经过第一层卷积生成特征图为112
×
112后，利用最大池化操作输出56
×
56的特征图；s403：构建4个残差单元，分别为s403：构建4个残差单元，分别为和得到7
×
7的特征图；s404：利用averagepooling操作得到最后的特征向量后，将其输入softmax进行分类。3.根据权利要求2所述的基于深度残差网络的太阳能板污迹识别方法，其特征在于，在步骤s1中：通过构建自主拍摄与网络爬取的方式构建数据集、筛选并划分训练集与验证集。4.根据权利要求3所述的基于深度残差网络的太阳能板污迹识别方法，其特征在于，在步骤s1中：分别采用水平翻转、垂直翻转、逆时针旋转90
°
、随机改变亮度和随机改变对比度六种方法进行数据增强。5.根据权利要求4所述的基于深度残差网络的太阳能板污迹识别方法，其特征在于，在步骤s2中：对resnet34模型进行学习率lr衰减方式、迭代次数epoch、批次大小batchsize三项超参数的优化。6.根据权利要求5所述的基于深度残差网络的太阳能板污迹识别方法，其特征在于，在步骤s3中：将超参数优化后的resnet34模型与alexnet和vgg19分类结构进行对比。

技术总结
本发明公开了一种基于深度残差网络的太阳能板污迹识别方法，包括以下步骤：S1：通过OpenCV中的数据增强技术扩大训练集，使训练样本更丰富；S2：利用CNN中的残差网络提取图像特征，计算训练集识别率与损失函数值，储存训练模型，形成模型库；S3：验证集图片输入模型库，比较识别率得到最优模型；S4：将太阳能板污迹图像输入模型，自动识别并分类。采用数据增强的方法克服样本获取难的缺陷，进而有效预防模型训练中的过拟合现象；不仅避开了传统图像处理中的手动选取特征的弊端，还能解决人工检测的缺陷，实现智能精准化的识别太阳能板污迹，有较高的普适性和实际应用价值。有较高的普适性和实际应用价值。有较高的普适性和实际应用价值。


技术研发人员：周慧 吴帅 沈法华 胡雅琳 杨昊
受保护的技术使用者：盐城师范学院
技术研发日：2022.10.21
技术公布日：2023/1/13