一个光伏电池缺陷检测模型,能够拓知识提取
Zhaoyang Qu1,2, Lingcong Li3, Jiye Zang2
1Jilin Electric Power Big Data Intelligent Processing Engineering Technology Research Center, Jilin, 132012, China.
Scientific reports
|September 19, 2024
概括
本研究介绍了太阳能电池电光发光图像的新型缺陷检测模型,通过整合拓学知识和用于清洁能源技术的先进特征提取方法来提高准确性.
科学领域:
- 材料科学 材料科学 材料科学
- 可再生能源工程可再生能源工程
- 计算机视觉 计算机视觉
背景情况:
- 全球向清洁能源的转变推动了太阳能采用,但传统的缺陷检测与杂的光伏电池电解发光 (EL) 图像作斗争.
- 现有的物体检测模型不足以应对太阳能电池中EL成像所带来的独特挑战.
研究的目的:
- 为光伏电池开发一种先进的缺陷检测模型,克服传统方法的局限性.
- 通过新的特征提取和拓分析,提高太阳能电池EL图像中缺陷识别的准确性.
主要方法:
- 实现了基于环境的多尺度动态特征提取,以捕获本地纹理和结构缺陷信息.
- 引入了一个集中的特征金字塔结构,带有空间语义来建模视觉中心,并将本地/全球特征联系起来.
- 利用空间语义知识提取策略来构建特征拓并发现缺陷相关性.
主要成果:
- 开发的模型有效地通过结合静态和动态环境来捕捉细粒度的局部特征.
- 空间语义金字塔结构通过阐明特征关系来改善缺陷特征的表示.
- 功能增强策略导致通过将功能映射到更高阶的表示方式来精确检测缺陷.
结论:
- 拟议的缺陷检测模型整合了拓学知识,显著提高了光伏电池EL图像的分析.
- 这一进步支持可靠的太阳能电池质量控制,这对于加速清洁能源转型至关重要.
更多相关视频
09:19In Situ Monitoring of the Accelerated Performance Degradation of Solar Cells and Modules: A Case Study for CuIn,GaSe2 Solar Cells
Published on: October 3, 2018
8.4K
11:34Subsurface Defect Localization by Structured Heating Using Laser Projected Photothermal Thermography
Published on: May 15, 2017
11.1K
