用于薄膜光伏组件电致发光图像分割的编码器-解码器语义分割模型
图像与视频处理
2020-10-16 v1 计算机视觉与模式识别
摘要
我们考虑一系列基于深度神经网络的影像分割方法，以对薄膜组件的电致发光（EL）图像进行语义分割。我们利用编码器-解码器深度神经网络架构。该框架具有通用性，可轻松扩展至其他类型图像（如热成像）或太阳能电池技术（如晶体硅组件）。网络在包含 6000 张铜铟镓硒（CIGS）薄膜组件 EL 图像的数据库样本上训练和测试。我们选取两类特征进行提取：分流缺陷和所谓的“液滴”。后者在该图像集中常见。我们使用多种编码器-解码器层组合测试了若干模型，并提出了选择最佳模型的流程。我们展示了使用所选最佳模型的示例结果。此外，我们将最佳模型应用于全部 6000 张图像，证明 EL 图像的自动分割可揭示许多从少量图像样本研究中无法推断的细微特征。我们相信这些特征有助于工艺优化与质量控制。
引用
@article{arxiv.2010.07556,
title = {Encoder-decoder semantic segmentation models for electroluminescence images of thin-film photovoltaic modules},
author = {Evgenii Sovetkin and Elbert Jan Achterberg and Thomas Weber and Bart E. Pieters},
journal= {arXiv preprint arXiv:2010.07556},
year = {2020}
}