用FCM-б做光伏电池片的缺陷识别——非监督学习识别缺陷

    首先扯闲话。。。。。。

    做研究依托的是大量的实验，还有有想法一定要实现。目前感觉如果从研究问题出发的话，为的是找到最好的解决问题的方法，而自己思想的的深度及对理论的理解并不会太深入，但是会找到一个相对来说不错的方法。如果出发点是理论研究，并不注重方法的有效性，注重的是创新性，给人一种耳目一新的感觉，这样对自己写论文会有很大的帮助。如果要出高水平的论文的话，我感觉首先要从问题出发，首先要找一种方法，通过实验来实现它，通过不断地实验来加深自己对理论的理解。也就是说，实验是能否出高水平论文的关键。有想法很好，但是你也要有实现想法的能力，对吧。

    回归正题，用FCM-б做光伏电池片的缺陷识别——非监督学习识别缺陷。首先介绍为什么模糊聚类能够做到从大量的电池片图片里面挑选出缺陷图片？首先要提取每张电池片的haar-like特征，FCM聚类也是针对的是haar-like提取的特征向量。我们知道FCM可以用来分类，假设我们有10000张没有缺陷的图片，把每张图片变成一个一维向量作为输入，再把10000个一维向量通过FCM-б分成30类（就当可以分成30个类），这30个类都对应一个T值，T是通过每一类里面的向量到聚类中心的方差和均值得到的(T=mean+t*var,参数t要通过实验得到一个合适的值。）。这10000张非缺陷图片就作为训练集得出T值，30个类分别对应30个T值，30个T以及每一类对应的聚类中心c就是我们通过训练得到的结果。这时我们输入一张有缺陷的图片分别计算这张图片对应的一维向量到30个聚类中心的欧式距离K，每一个类对应一个K与T，比较二者的大小，K<T的话则证明没有缺陷，否则就是有缺陷。是不是很乱。哈哈哈