针对传统太阳能光伏面板缺陷检测方法存在检测效率低以及准确率低的问题,提出一种融合纹理特征和颜色特征的太阳能光伏面板缺陷深度学习检测模型,使用深度置信网络模型对缺陷样本进行学习、训练,引入图像纹理特征及颜色特征改进缺陷识别过程,并采用最大似然法和自适应时刻估计法对深度置信网络的参数进行优化。实验结果表明,用所提算法进行太阳能光伏面板缺陷检测的识别准确率高达99.42%,比傅里叶重构技术提高了3.15%,有效提高了面板缺陷检测的准确率,为太阳能光伏面板缺陷检测提供了新的方法。

为完成移动机器人对列车风管的摘解任务,需要对列车风管管接头进行定位。针对列车风管管接头不易识别且识别定位需要一定实时性和精度的问题,利用双目视觉系统提出了一种间接识别定位方法。在目标识别中,根据列车风管的特点,基于颜色特征在HSV空间中对风管近端金属圈进行识别,提取出金属圈形心坐标;在三维重建中,利用具备较高精度和一定实时性的组合立体匹配算法对风管近端金属圈进行三维重建,得到其三维坐标后根据管接头与近端金属圈相对位置关系固定的特点,通过空间坐标转换得到管接头的三维坐标,实现列车风管管接头的定位。最后,在(200~650)mm的距离范围内进行实验验证,实验最大绝对误差为12.88mm,算法最长耗时为245ms,结果表明该方法满足要求。