基于深度神经网络的太阳能电池组件缺陷检测算法研究
针对太阳能电池组件中电池片出现隐裂导致整片电池破碎,最终影响整个组件发电量的问题,在对电池组件光致发光(PL)图像待检测区域筛选定位的基础上,提出了一种利用卷积神经网络(CNN)进行电池组件隐裂缺陷检测的方法.首先利用PL成像方法获取电池组件图像,然后对图像进行预处理,基于聚类的方法对待检测目标区域进行筛选定位,最后利用3种不同结构的卷积神经网络模型对电池片进行缺陷检测,并进行准确率对比,使最优识别准确率达到99.25%.实验结果验证了该方法能准确地检测出太阳能电池组件的隐裂缺陷.
光致发光、卷积神经网络、图像识别、缺陷检测
41
TN911.73;TP183
国家重点专项资助项目2018YFC1902400;国家自然科学基金51874217,51805386;湖北省技术创新专项重大项目2017ACA180
2020-04-15(万方平台首次上网日期,不代表论文的发表时间)
共10页
327-336