Automatic classification of defective photovoltaic module cells in electroluminescence images

计算机科学 光伏系统 人工智能 支持向量机 过程(计算) 卷积神经网络 计算机硬件 模式识别(心理学) 绘图 计算机视觉 计算机图形学(图像) 电气工程 操作系统 工程类
作者
Sergiu Deitsch,Vincent Christlein,Stephan Berger,Claudia Buerhop‐Lutz,Andreas Maier,Florian Gallwitz,Christian Rieß
出处
期刊:Solar Energy [Elsevier]
卷期号:185: 455-468 被引量:345
标识
DOI:10.1016/j.solener.2019.02.067
摘要

Electroluminescence (EL) imaging is a useful modality for the inspection of photovoltaic (PV) modules. EL images provide high spatial resolution, which makes it possible to detect even finest defects on the surface of PV modules. However, the analysis of EL images is typically a manual process that is expensive, time-consuming, and requires expert knowledge of many different types of defects. In this work, we investigate two approaches for automatic detection of such defects in a single image of a PV cell. The approaches differ in their hardware requirements, which are dictated by their respective application scenarios. The more hardware-efficient approach is based on hand-crafted features that are classified in a Support Vector Machine (SVM). To obtain a strong performance, we investigate and compare various processing variants. The more hardware-demanding approach uses an end-to-end deep Convolutional Neural Network (CNN) that runs on a Graphics Processing Unit (GPU). Both approaches are trained on 1968 cells extracted from high resolution EL intensity images of mono- and polycrystalline PV modules. The CNN is more accurate, and reaches an average accuracy of 88.42%. The SVM achieves a slightly lower average accuracy of 82.44%, but can run on arbitrary hardware. Both automated approaches make continuous, highly accurate monitoring of PV cells feasible.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
情怀应助超帅的凌翠采纳,获得10
1秒前
潇洒的冷玉完成签到 ,获得积分10
1秒前
小绵羊完成签到,获得积分20
2秒前
Darknewnew完成签到,获得积分10
2秒前
JXDYYZK完成签到,获得积分10
2秒前
qq完成签到,获得积分10
2秒前
落落完成签到,获得积分10
3秒前
3秒前
鲤鱼问雁完成签到,获得积分10
4秒前
5秒前
5秒前
dhjic完成签到 ,获得积分10
5秒前
WRZ完成签到 ,获得积分10
5秒前
刘汉淼发布了新的文献求助20
5秒前
脑洞疼应助大意的孤晴采纳,获得10
6秒前
曹中明完成签到,获得积分10
6秒前
ai白哥完成签到,获得积分10
7秒前
ZBM完成签到,获得积分10
9秒前
金阿垚在科研应助但是采纳,获得10
9秒前
善良书蕾完成签到,获得积分10
10秒前
淡定小蜜蜂完成签到,获得积分10
11秒前
ColdPomelo完成签到,获得积分10
11秒前
阔达月亮完成签到,获得积分10
12秒前
JYM完成签到,获得积分10
12秒前
YuDai完成签到,获得积分10
12秒前
14秒前
专注灵凡完成签到,获得积分10
15秒前
kidd瑞完成签到,获得积分10
15秒前
子车安寒发布了新的文献求助30
16秒前
七子完成签到,获得积分10
16秒前
zzx396完成签到,获得积分10
17秒前
行走江湖的破忒头完成签到,获得积分0
17秒前
吴梅完成签到,获得积分10
18秒前
段仁杰完成签到,获得积分10
18秒前
Anderson123完成签到,获得积分10
19秒前
drbrianlau完成签到,获得积分10
19秒前
绿茵卡卡完成签到,获得积分10
19秒前
ding应助科研通管家采纳,获得30
19秒前
Muhi完成签到,获得积分10
19秒前
Anderson732完成签到,获得积分10
19秒前
高分求助中
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
宽禁带半导体紫外光电探测器 388
Case Research: The Case Writing Process 300
Global Geological Record of Lake Basins 300
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3142849
求助须知:如何正确求助?哪些是违规求助? 2793788
关于积分的说明 7807511
捐赠科研通 2450069
什么是DOI,文献DOI怎么找? 1303637
科研通“疑难数据库(出版商)”最低求助积分说明 627016
版权声明 601350