-
题名太阳能电池片隐裂检测的深度目标网络算法研究
- 1
-
-
作者
朱佳华
彭兴辉
高剑
吴相东
周书宇
-
机构
四川长虹电器股份有限公司
四川轻化工大学机械工程学院
-
出处
《机电工程技术》
2022年第8期87-91,共5页
-
基金
四川省科技厅重点研发项目(编号:2022YFS0552)。
-
文摘
太阳能电池片作为光电转换的重要部件,生产过程中容易产生表面缺陷和内部隐性缺陷(隐性裂纹,简称隐裂),严重影响了太阳能电池片的发电效率和成品合格率。目前基于图像处理的视觉检测方法针对隐裂的检测效果较差,无法满足工业现场需求。拟利用深度学习的目标检测网络对电池片进行隐裂检测研究。分析深度学习的目标检测网络模型算法,对选取的网络模型进行优化,解决了隐裂检测精度低的问题。利用采集的隐裂样本数据集,对比分析YOLOv5s、SSD、Faster-RCNN三种目标检测算法的隐裂检测效果,发现YOLOv5s模型综合性能较优。同时对YOLOv5s网络结构及功能模块进行优化,提高了隐裂检测速度和检测精度。结果表明,生成对抗样本构成的数据集中隐裂数据样本采用优化后的YOLOv5s进行隐裂检测,准确率可达到96%以上,单张图像检测时间大约为0.06 s。因此,结合生成对抗网络和目标检测网络可以实现隐裂的快速、高精度检测。
-
关键词
太阳能电池片
隐裂检测
深度学习
目标检测网络
-
Keywords
solar cell
detection of hidden crack defects
deep learning
target detection network
-
分类号
TM941.4
[电气工程—电力电子与电力传动]
-
