太阳能电池电光学图像分类的机器学习方法性能综合案例研究
应用统计
2024-08-13 v1 机器学习
摘要
光伏（PV）是广泛用于发电的可再生能源形式。光伏阵列由由太阳能电池构成的多个太阳能电池板组成。太阳能电池在野外容易暴露于各种缺陷，电光学（EL）成像提供了有效且无损的诊断手段来检测这些缺陷。我们使用多种传统机器学习和现代深度学习模型将EL太阳能电池图像分类为不同的功能/缺陷类别。由于功能单元与次缺陷电池之间的比例不平衡，EL图像数据中存在不平衡标签问题。当前文献缺乏关于用于模型训练和预测的哪些方法和指标的见解。本文全面比较不同的机器学习和深度学习方法在EL太阳能电池图像分类中（来自单晶和多晶模块）的不同性能指标下的表现。我们对不同指标进行全面讨论。我们的结果为从业者在选择预测方法和性能指标方面提供了见解和指导。
引用
@article{arxiv.2408.06229,
title = {A Comprehensive Case Study on the Performance of Machine Learning Methods on the Classification of Solar Panel Electroluminescence Images},
author = {Xinyi Song and Kennedy Odongo and Francis G. Pascual and Yili Hong},
journal= {arXiv preprint arXiv:2408.06229},
year = {2024}
}
备注
30 pages, 14 figures