在光伏制造设施内的自动化微裂纹检测通过规范卷积网络的地面建模在光伏制造设施内实现
Damilola Animashaun1, Muhammad Hussain1
1Department of Computer Science, Centre for Industrial Analytics, School of Computing and Engineering, University of Huddersfield, Queensgate, Huddersfield HD1 3DH, UK.
Sensors (Basel, Switzerland)
|July 14, 2023
概括
本研究引入了一种自动化方法,用于检测光伏电池中的微裂,改善制造质量控制. 开发的系统使用定制的神经网络,实现85%的F1得分,用于准确的缺陷识别.
科学领域:
- 材料科学 材料科学 材料科学
- 电气工程 电气工程
- 计算机视觉 计算机视觉
背景情况:
- 光伏电池制造涉及高温和高压,导致表面缺陷,如微裂.
- 手动检查这些缺陷容易导致人为错误,偏见和高成本.
- 自动缺陷检测对于提高太阳能电池质量和生产效率至关重要.
研究的目的:
- 开发一种自动化,非侵入性的方法,用于检测光伏电池表面的微裂.
- 用代表性增强模拟生产条件来建模细胞表面.
- 使用定制轻型卷积神经网络训练一个强大的分类器.
主要方法:
- 使用数据增强技术创建了一个全面的数据集,反映现实世界生产场景.
- 设计和实施了一种定制的轻量级卷积神经网络架构.
- 对神经网络应用了几种规范化策略,以提高其性能和通用性.
- 该模型在微裂检测增强数据集上进行了训练和评估.
主要成果:
- 拟议的自动化系统成功地检测到光伏电池表面的微裂.
- 定制卷积神经网络在缺陷分类方面获得了高F1分数的85%.
- 规范化策略有助于改善模型性能和稳定性.
结论:
- 开发的自动化系统为光伏电池微裂纹检测提供了可靠和高效的替代手工检查.
- 使用模拟数据增强和轻量级的CNN架构证明了改善太阳能电池制造质量控制的可行方法.
- 这项研究有助于推进可再生能源领域的非破坏性测试方法.
