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。

利用UGⅡ软件强大的参数化建模功能和Wave Geometry Link模块实现了数码相机产品全参数化设计和更改;并结合MPI软件,利用STEP 203格式传递数据,实现了产品CAD/CAE/CAM一体化.仅用三个月时间就完成了数码相机从概念设计到模具样机的开发.