（淮北师范大学计算机科学与技术学院 淮北 235000）

1 引言

在制作太阳能电池片时，表面成膜工艺的好坏决定了太阳光的吸收效率。目前工业界主要应用等离子化学气相沉积技术经高温把氮化硅沉积于电池片表面，由于各电池片沉积的多少不一，使得电池片表面颜色深浅不一致，业界根据颜色深浅程度，把太阳能电池片分为六类：浅淡蓝（Light-Light Blue，LLB）、中淡蓝（Medium Light Blue，MLB）、深淡蓝（Dark Light Blue，DLB）、浅深蓝（Light Dark Blue，LDB）、中深蓝（Medium Dark Blue，MDB）和深深蓝（Deep Dark Blue，DDB）。一张野外用的大电池板要使用相同颜色的电池片，使光照吸收均匀，外观颜色一致。而太阳能电池片颜色差别小，难以区分，并且人眼长时间工作，会产生视觉疲劳导致无法正确分类太阳能电池片。

针对人工分类太阳能电池片的困难，国内外学者对其花纹和颜色的分类进行了研究。文献［1］利用bp神经网络对不同花纹太阳能电池片进行分类以便于比较不同绒面效果对光电转换效率的影响，但该方法需人为提取特征作为输入。文献［2～3］利用基于颜色直方图统计对太阳能电池片颜色进行分类。但太阳能电池片表面颜色分布不均匀，且需要选择标准样品做对比实验，因此实验无法确定统一标准，实验结果误差大。以上方法都依赖人为主观意识获取太阳能电池片的分类特征，这对太阳能电池片的分类结果有很大的影响。

近年来随着深度学习的发展，通过监督学习式或非监督学习式的特征学习方法已渐渐替代手工获取特征方式。其中卷积神经网络［4］是深度学习的代表算法之一。……