电致发光图像中缺陷光伏组件电池的自动分类
计算机视觉与模式识别
2019-08-15 v3
摘要
电致发光（EL）成像是一种用于光伏（PV）组件检测的有效模态。EL 图像提供高空间分辨率，使得即便 PV 组件表面最细微的缺陷也能被检测到。然而，EL 图像的分析通常是一个人工过程，昂贵、耗时，且需要关于多种不同缺陷类型的专家知识。在本工作中，我们研究了两种在单张 PV 电池图像中自动检测此类缺陷的方法。这些方法在硬件需求上有所不同，由其各自的应用场景决定。更具硬件效率的方法基于手工特征，并在支持向量机（SVM）中分类。为获得强劲性能，我们研究并比较了多种处理变体。更耗费硬件的方法使用端到端深度卷积神经网络（CNN），运行于图形处理单元（GPU）上。两种方法均在从单晶与多晶 PV 模块的高分辨率 EL 强度图像中提取的 1,968 个电池上训练。CNN 更精确，达到 88.42% 的平均准确率。SVM 达到略低的平均准确率 82.44%，但可运行于任意硬件。两种自动化方法均使 PV 电池的连续、高精度监测成为可能。
引用
@article{arxiv.1807.02894,
title = {Automatic Classification of Defective Photovoltaic Module Cells in Electroluminescence Images},
author = {Sergiu Deitsch and Vincent Christlein and Stephan Berger and Claudia Buerhop-Lutz and Andreas Maier and Florian Gallwitz and Christian Riess},
journal= {arXiv preprint arXiv:1807.02894},
year = {2019}
}