光伏电池图像序列的深度学习检测方法

作者：邓堡元; 何赟泽^*; 王洪金; 张宏; 杨渊; 马敏敏; 牟欣颖; 杨瑞珍

来源：机械工程学报, 2021, 57(08): 98-106.

• 光伏电池
• 无损检测
• 图像融合
• 深度学习

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(Principalcomponentanalysis,PCA)与独立成分分析(Independentcomponent analysis, ICA),并在卷积网络的训练中,能使网络更快地收敛。

• 单位
  湖南大学; 长沙学院