基于卷积神经网络的电致发光图像中光伏电池缺陷自动检测

摘要： 由于人工/目视检测应用有限且光伏组件产量不断增长，自动缺陷检测在光伏领域的重要性日益凸显。本研究针对电致发光（EL）图像中的光伏组件缺陷开展自动检测。我们提出了一种采用轻量级卷积神经网络架构的新方法来识别EL图像缺陷，在EL图像太阳能电池数据集上取得了93.02%的当前最优结果。该方法计算功耗和时间需求较低，可在普通CPU计算机上保持实时处理速度，单张图像预测仅需8.07毫秒。为构建轻量架构，我们对系列网络结构进行了大量实验验证，并评估数据增强操作以应对数据稀缺问题。针对显著的过拟合问题，我们采用适当策略提升模型泛化能力，同时展示了各策略的影响效果。此外，研究还分析了EL图像中可能出现的裂纹形态及缺陷类型，这将有助于在大规模数据可用时正确标注新图像以实现特定缺陷类型的预测。本框架已在实验室环境实验应用，可助力现场及工业场景的自动缺陷检测。