[发明专利]一种基于随机连接网络的光伏板故障检测方法

权利要求书

1.一种基于随机连接网络的光伏板故障检测方法，其特征在于，包括：

S1、图像数据的采集：采集光伏板面图像数据，包含无故障和有故障的光伏板图像；

S2、对采集到的图像数据进行分类标注，将图像数据分为测试集与验证集；每个集合均含有无故障和有故障光伏板图像，测试集与验证集比例按照4：1划分；

S3、构建RandomNet神经网络模型；

S31、设置输入层，将采集到的光伏图像输入RandomNet神经网络模型；

S32、设置第一个卷积层，第一个卷积层是独立的卷积层，设置卷积核的大小与步长，完成对图像数据特征提取；

S33、在RandomNet神经网络模型的Random Block模型中设置n个卷积层w₁、w₂、w_i...、w_n，其中，w_i表示为第i个卷积层，卷积层的卷积核数设置为奇数，其中1in；

在Random Block模型中，每个当前层随机跳跃到后面的层，当前层跳跃次数N＝{N∈N^*|N_min＜N＜N_max}，跳跃长度L＝{L∈N^*|0＜L＜L_max}：

其中：N_max＝n-i，L_max＝n-i；n为最后一层的层数，i为当前层的层数，为向上取整函数，N_max是N的最大值，N_min是N的最小值，N^*正整数；

Random Block的输出层公式如下：

P＝K^TY+Q (1)

其中，P为输出矩阵K为随机矩阵由随机函数random(上限,下限)产生上下限中的整数，每一层的当前跳跃次数N通过random(N_max,N_min)函数随机产生，每一层的跳跃长度L根据random(L_max，L_min)函数随机产生，矩阵K是根据跳跃次数N与跳跃层数L生成的随机矩阵，元素的值为0或1、Y为输入矩阵；Q为卷积变换矩阵，Y为维度变换矩阵,维度变换函数为f(x)，从y₁跳跃到y₂的维度变换函数为f(y₁)，卷积层变幻函数F(x,w)，w₁、w₂运算输出为F(x,(w₁,w₂))；

S34、设置过渡层，通过过渡层控制Random Block模型的复杂度，通过设置卷积核实现特征通道降维，以及通过平均池化层实现特征下采样，设置通道降维的压缩率参数θ；

S35、设置池化层，池化层采用平均池化实现特征下采样；全连接层，全连接层采用softmax分类器；

S36、通过输出层输出光伏板分类结果；

S4、利用测试集图像对RandomNet神经网络模型进行训练，并利用验证集对RandomNet神经网络模型进行验证。

2.根据权利要求1所述的基于随机连接网络的光伏板故障检测方法，其特征在于：所述S34过渡层后增加一个Random Block模型，增加RandomNet神经网络的深度和宽度。