作者单位
摘要
1 武汉科技大学 机械传动与制造工程湖北省重点实验室,湖北 武汉 430081
2 武汉科技大学 机器人与智能系统研究院,湖北 武汉 430081
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 photoluminescence convolutional neural network image recognition defects detection 
应用光学
2020, 41(2): 327

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!