【摘 要】
：
太阳能电池组件在工业量产的过程中,因生产环节的繁琐性,容易产生十字隐裂、裂痕、阴影等缺陷,降低电池组件的发电功率,进而引发连锁反应影响到整体的能源利用效率和能源生产的稳定性,因此对太阳能电池组件的缺陷检测具有重要意义。目前人工检测法是生产车间主流的检测方法,但由于成本昂贵且不能有效的检测缺陷,随着计算机视觉的蓬勃发展,基于机器视觉的自动缺陷检测方法逐步兴起。自动缺陷检测方法分为传统图像处理法和深度
论文部分内容阅读
太阳能电池组件在工业量产的过程中,因生产环节的繁琐性,容易产生十字隐裂、裂痕、阴影等缺陷,降低电池组件的发电功率,进而引发连锁反应影响到整体的能源利用效率和能源生产的稳定性,因此对太阳能电池组件的缺陷检测具有重要意义。目前人工检测法是生产车间主流的检测方法,但由于成本昂贵且不能有效的检测缺陷,随着计算机视觉的蓬勃发展,基于机器视觉的自动缺陷检测方法逐步兴起。自动缺陷检测方法分为传统图像处理法和深度学习法,传统图像处理法对缺陷与非缺陷区域的高对比度和均匀的光照有着苛刻的要求,在缺陷的类型变化时,往往需要重新设计算法,不具普适性。近些年随着计算机计算能力和存储能力的极大提升,深度学习理论体系日趋成熟,基于深度学习的缺陷检测逐渐成为该领域学者所关注的重点。本文将深度学习算法引入到太阳能电池组件缺陷检测任务中,探索研究深度学习在太阳能电池缺陷检测中的实践。主要内容和研究工作如下:（1）构建太阳能电池片缺陷数据集。在基于太阳能电致发光原理的基础上于实际工业环境中采用CCD相机拍照后收集汇编成太阳能电池片数据库,经过对太阳能电池组件的裁剪预处理成太阳能电池片,根据实验任务需求制作了缺陷分类的太阳能电池片缺陷数据集。（2）针对太阳电池片EL图像,提出一种融合SE注意力机制和Ghost卷积层并引入批标准化的T-VGG（tiny visual geometry group）轻量级卷积神经网络模型。首先使用Ghost卷积层替换常规卷积层,其次引入SE注意力机制和批规范化,进而实现对电池片缺陷的高精高速检测。实验结果表明,该卷积神经网络对缺陷的粗检测准确率为99.15%,检测时间为32ms/张。（3）设计了一种适用于太阳能电池片缺陷检测的轻量型卷积神经网络模型M-CNN（Micro Convolutional neural network,M-CNN）。该模型首先融合CBAM注意力机制和多特征拼接以保证太阳能电池片缺陷检测的准确率,然后引入Ghost卷积层加快卷积神经网络模型前向推理速度进而提高太阳能电池片缺陷检测的效率。实验结果表明,M-CNN对缺陷的粗检测（I类数据集）准确率在99.50%,对较大缺陷检测准确率为94.63%,对微小瑕疵检测的准确率为91.91%,检测547*547像素的太阳能电池片EL图仅需28ms。同时研究了一种基于深度学习的太阳能电池片缺陷定位的方法,该方法是利用Grad-CAM算法与M-CNN卷积神经网络模型相结合的缺陷检测技术,达到了对所测试包含缺陷的太阳能电池片进行定位缺陷目的。本文共39张图,19个表格,61篇参考文献
其他文献
矿井通风是保障矿井安全生产的重要工作。随着矿井采掘布局的不断变化,矿井通风系统随之改变,在保证矿井安全生产的前提下,对井下各用风地点的合理配风,满足供风需求,并适时通风调节和减少通风机能耗节约通风成本,是通风新形势下发展的方向。鄂尔多斯门克庆矿开采深度达721m,工作面温度过高,造成工作环境恶化,而恶化的工作环境不仅增加安全隐患还会对工人身心健康造成影响。通过现场调研和通风系统分析,门克庆矿最大通
保持矿井通风系统稳定可靠,提高矿井通风系统抗灾能力、避灾减灾,是矿井通风急需解决的重要问题。矿井外因火灾研究在尺度上多局限于局部区域的讨论,对全矿井系统领域,乃至于应对灾后的应急控灾预案和措施十分缺乏。本文依托黑龙江荣华矿的工程背景,主要运用TF1M3D计算机模拟平台,从矿井全网域的尺度上研究矿井火灾烟流蔓延及风流紊乱演变过程,提出控风避灾预案措施。搭建可调节倾斜角度的下行通风火灾管道实验平台,基
无线通讯技术迅猛发展要求射频电路器件工作在更高的频段上。而传统的用于模块设计仿真的射频微波CAD软件一直存在着仿真过程繁琐,精度低,运行速度慢,占用计算机内存较大等问题。神经网络具有强大的并行数据处理能力,可以很好地解决非线性关系映射问题。因此非常适用于射频微波领域,可以在射频模块的设计中广泛应用。本文研究射频电路模块神经网络逆向建模及其设计应用的问题,研究内容如下:针对直接逆向建模所面临的多值问
近年来,由于过于注重经济发展而忽略了生态环境所导致的环境污染、资源紧缺等情况变得日益严重,水资源的保护则是生态保护其中最重要的一环。因此通过建立相关预测模型,根据已经监测到的数据来对水体未来一段时间内的各项指标变化情况进行趋势预测就变得尤为重要。本文研究水质预测模型,旨在通过挖掘分析隐藏在水质数据背后的规律性信息来借此推断水质数据的变化趋势。具体工作概括如下:（1）首先建立果蝇优化广义神经网络水质
太阳能作为一种可再生能源,在能源更迭的板块中逐渐占据了主要地位。太阳能电池片作为太阳能光电转换的载体,在生产制备过程中易出现裂缝、阴影等缺陷,这些缺陷的出现会严重影响光电转换效率、降低使用寿命,甚至威胁到生命财产安全。因此研究出有效的太阳能电池片缺陷检测算法,具有重要的实用价值。本文针对太阳能电池片电致发光（Electroluminescent,EL）测试图像进行实验研究,介绍了针对裂缝及阴影缺陷
变化检测是地球观测中的主要问题之一,随着多时相遥感图像的日益普及,遥感图像变化检测成为探测地球表面变化信息的一种重要方法,在城市规划、灾害评估和地图修订等方面有着广泛的应用。由于高光谱图像提供丰富的信息,许多基于高光谱图像的变化检测方法被提出。具有特征提取和映射功能的图像变换方法可以有效地突出变化后的信息,具有更好的变化检测性能。然而,高光谱图像的变化通常是复杂的,现有的方法还不够有效。基于以上思
当前的通信系统面临着频谱资源紧张的问题,传统的微波系统不能满足5G通信系统的发展要求,随着物联网等技术的普及,相应的射频系统也需要高度智能化。多波段并发功率放大器是当今发展的主流和研究热点,而可重构技术是实现系统智能化的关键技术,使得前端收发模块可以重构。因此,在未来的通信系统模块中,集成可重构匹配电路和可重构开关的新型功率放大器研究意义深远且应用价值广泛。本文首先提出了一款双波段可重构功率放大器
信号的调制编码盲识别即在未知信号先验信息的情况下,基于信号的原始信息对接收信号的调制编码类型实现准确识别,为后续的信号参数分析和解调译码工作提供依据,在自适应调制编码系统及军事侦察等非协作通信领域中发挥重要作用。深度学习技术基于数据驱动,能够有效提取样本中深层次的特征,为编码调制识别方向提供了全新的思路。本文将深度学习技术应用到调制编码盲识别领域,实现对无线电调制编码信号的精准识别,论文主要研究内
天线在无线通信系统中非常重要,尤其是在高质量的移动通讯系统中,小尺寸、集成度高的UWB-MIMO（Ultra Wide Band-Multiple-Input Multiple-Output）天线越来越重要。论文针对UWB-MIMO无线通信系统中存在带宽窄,尺寸大,隔离度低等问题,围绕小型化技术和去耦技术展开了研究,主要完成了以下的工作:针对当前超宽带多输入多输出天线存在窄带频段干扰、尺寸大、隔离
随着社会信息化的不断发展,信息安全对人类生活的影响愈发深入,如何准确识别一个人的身份,已成为模式识别领域的关注焦点。指关节纹识别作为一种新颖的生物特征识别方式,具有广阔的发展空间。研究发现,指关节纹具有丰富的纹理信息,而纹理特征易受噪声干扰导致识别准确性降低、鲁棒性差,因此增加其识别准确率有利于提升身份认证的安全可靠性。本文结合纹理分析的方法,对指关节纹识别进行研究,主要创新内容如下:（1）针对目