研究目的
提出一种采用轻量级卷积神经网络架构的新方法，用于电致发光图像中光伏电池缺陷的自动检测，在计算功耗和时间更少的情况下达到最先进的检测效果。
研究成果
所提出的轻量级CNN架构在首个公开可用的EL图像太阳能电池数据集上以较少的计算能力和时间实现了93.02%的准确率这一最先进成果。该框架已通过实验应用，可助力现场及工业领域的光伏缺陷自动检测。
研究不足
该研究的局限性在于训练数据集规模较小，从而导致过拟合问题。若采用更大规模的数据集，模型的性能有望得到进一步提升。
中文（中国）
▾
基于卷积神经网络的电致发光图像中光伏电池缺陷自动检测
DOI：10.1016/j.energy.2019.116319
期刊：Energy
出版年份：2019
更新时间：2025-09-19 17:13:59
摘要：
由于人工/目视检测应用有限且光伏组件产量不断增长，自动缺陷检测在光伏领域的重要性日益凸显。本研究针对电致发光（EL）图像中的光伏组件缺陷开展自动检测。我们提出了一种采用轻量级卷积神经网络架构的新方法来识别EL图像缺陷，在EL图像太阳能电池数据集上取得了93.02%的当前最优结果。该方法计算功耗和时间需求较低，可在普通CPU计算机上保持实时处理速度，单张图像预测仅需8.07毫秒。为构建轻量架构，我们对系列网络结构进行了大量实验验证，并评估数据增强操作以应对数据稀缺问题。针对显著的过拟合问题，我们采用适当策略提升模型泛化能力，同时展示了各策略的影响效果。此外，研究还分析了EL图像中可能出现的裂纹形态及缺陷类型，这将有助于在大规模数据可用时正确标注新图像以实现特定缺陷类型的预测。本框架已在实验室环境实验应用，可助力现场及工业场景的自动缺陷检测。
作者：
M. Waqar Akram，Guiqiang Li，Yi Jin，Xiao Chen，Changan Zhu，Xudong Zhao，Abdul Khaliq，M. Faheem，Ashfaq Ahmad
AI智能分析
纠错
研究概述
实验方案
SCI高频之选
查看全部>
-
智能分析： Yokogawa AQ6370D是一款性能卓越的光谱分析仪，适用于光通信领域以及光放大器（EDFA）的测量和评估。其高波长分辨率、精准度和宽动态范围使其成为实验室和工业环境中的理想选择。虽然设备体积较大且预热时间较长，但其丰富的接口和出色的显示屏设计弥补了这些不足，整体是一款值得推荐的光谱分析仪。获取实验方案
-
智能分析： ZEISS EVO系列是一款高性能?？榛璧缱酉晕⒕担视糜诓牧峡蒲?、生命科学及工业质量控制等领域。其先进的技术特性包括高分辨率、广泛加速电压范围和集成EDS系统。该产品操作直观，支持多用户环境，适合科学研究和工业应用。然而，价格信息缺失以及潜在的维护成本可能是其需要注意的方面。总体而言，ZEISS EVO系列表现优秀，值得推荐给专业用户。获取实验方案 -
智能分析： ZEISS Crossbeam系列是蔡司公司推出的一款高端光电分析设备，结合了场发射扫描电子显微镜（FE-SEM）和聚焦离子束（FIB）的功能，适用于材料科学、纳米技术和半导体行业等多个领域。其高分辨率成像能力和自动化样品制备功能使其成为高通量分析的理想选择。此外，该设备支持多种检测器，具备强大的多功能性，是高精度研究和工业应用的利器。然而，由于其高端定位，设备成本较高且操作需要专业技能。总体而言，该设备表现卓越，为科学研究和工业应用提供了先进的解决方案。获取实验方案 -
智能分析： Axio Observer是一款专为金相学研究设计的倒置显微镜系统，以其高效的设计和蔡司知名的光学技术为特色。它能够快速、灵活地分析大量样品，并支持自动化操作，适用于多种应用场景，包括晶粒尺寸分析、非金属夹杂物检测等。然而，其重量较大且光源寿命较短，可能对使用者提出了额外的维护和空间管理需求。总体而言，这款产品在性能和可靠性方面表现出色，特别适合专业实验室使用。获取实验方案 -
型号：ZEISS LSM 990 Spectral Multiplex
智能分析： ZEISS LSM 990 Spectral Multiplex是一款定位于高端科研机构的光谱成像系统，具有卓越的光谱分辨率和自动化功能，适用于复杂的生物、医学及材料科学实验。其高效的荧光标签分离能力和多功能自动化设计为用户提供了强大的实验支持。然而，高昂的价格和一定的学习曲线可能对中小型实验室构成挑战。总体而言，这是一款性能优越、适应性强的高端实验设备。获取实验方案 -
智能分析： ZEISS Sigma 300 with RISE是蔡司公司推出的一款高端光谱分析仪，集成了拉曼成像和扫描电子显微镜技术，能够提供高质量的化学和结构分析。其功能强大，支持多领域应用，但设备价格较高且操作学习曲线可能较陡。适用于科研机构和高端实验室，是材料科学和生命科学领域的理想选择。获取实验方案
立即咨询
加载中....
论文纠错
您正在对论文“基于卷积神经网络的电致发光图像中光伏电池缺陷自动检测”进行纠错
纠错内容
联系方式（选填）
设备询价
称呼
电话
+86
单位名称
用途
期望交货周期
产品预约
称呼
电话
+86
单位名称
用途
期望交货周期