光伏电池图像序列的深度学习检测方法

摘要：

为了实现光伏电池工厂端的智能检测,使用热红外相机采集电致热成像(Electro-thermography,ET)与短波红外相机采集电致发光现象(Electroluminescence,EL)检测光伏电池缺陷.提出一种基于光流法处理光伏电池热流场的热图像序列分析方法,准确找到异常发热源.并与短波红外成像找到的异常发光源融合,建立光伏电池检测数据库.通过深度卷积神经网络,实现对光伏电池内部缺陷与划痕、覆盖、裂纹、缺损等人工缺陷的有效识别.试验结果表明,基于光流的深度学习方法在均方误差、平均梯度、信息熵指标上优于主成分分析(Principal component analysis,PCA)与独立成分分析(Independent component analysis,ICA),并在卷积网络的训练中,能使网络更快地收敛.

关键词：光伏电池、无损检测、图像融合、深度学习

所属期刊栏目：57

分类号：TM914

资助基金：福建省自然科学基金;国家自然科学基金;国家自然科学基金委员会与英国皇家学会合作交流;湖南省科技创新计划科技人才专项;无损检测技术福建省高校重点实验室福建技术师范学院开放基金;机械结构强度与振动国家重点实验室开放基金;博士后科学基金;湖南省自然科学基金面上;长沙市杰出创新青年培养计划;远东无损检测新技术论坛创新人才支持计划资助项目

在线出版日期：2021-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：98-106