[发明专利]一种基于深度残差网络的太阳能板污迹识别方法

权利要求书

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。