CN109540900B - 一种光伏组件隐裂判定方法 - Google Patents

一种光伏组件隐裂判定方法 Download PDF

Info

Publication number
CN109540900B
CN109540900B CN201811112790.7A CN201811112790A CN109540900B CN 109540900 B CN109540900 B CN 109540900B CN 201811112790 A CN201811112790 A CN 201811112790A CN 109540900 B CN109540900 B CN 109540900B
Authority
CN
China
Prior art keywords
subfissure
array
photovoltaic module
image
cell
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811112790.7A
Other languages
English (en)
Other versions
CN109540900A (zh
Inventor
洪凌
寿春晖
丁莞尔
沈曲
邬荣敏
李卓斌
赵力航
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Energy Group Research Institute Co Ltd
Original Assignee
Zhejiang Energy Group Research Institute Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang Energy Group Research Institute Co Ltd filed Critical Zhejiang Energy Group Research Institute Co Ltd
Priority to CN201811112790.7A priority Critical patent/CN109540900B/zh
Publication of CN109540900A publication Critical patent/CN109540900A/zh
Application granted granted Critical
Publication of CN109540900B publication Critical patent/CN109540900B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Analysis (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Photovoltaic Devices (AREA)

Abstract

本发明涉及太阳能光伏组件质量检测技术领域，特别是一种光伏组件隐裂判定方法。现有光伏组件隐裂检测中存在栅线图像干扰，对异常区域不能标识，检测过程耗费人力资源大、工作效率低等问题，本发明提供一种光伏组件隐裂判定方法。本发明的技术方案是先对待测光伏组件拍照获取隐裂照片，然后根据隐裂照片对电池片作分割，在光伏组件分割为电池片之后进行识别检测，在检测中去除栅线图像干扰和标识异常区域，初步判定光伏组件是否存在隐裂问题，利于节省人力资源，提高工作效率。

Description

一种光伏组件隐裂判定方法
技术领域
本发明涉及太阳能光伏组件质量检测技术领域，特别是一种光伏组件隐裂判定方法，所述判定方法用于太阳能组件质量检测中对隐裂组件进行缺陷判定。
背景技术
光伏发电技术能够将太阳辐射的能量收集并转换为电能使用或存储，气候和季节变化对于太阳辐射都有很大的影响。太阳能组件是光伏电站发电建设常用的光伏组件(如图1所示)，通常由60片或72片电池片组成，各电池片之间用焊带连接，用于集中输出电能；所述电池片则是太阳能组件的基础发电单元，太阳光照射后产生电能，并通过焊带输出。光伏组件的隐裂是指电池片(组件)受到较大的机械或热应力时可能在电池单元产生肉眼不易察觉的隐性裂纹，隐裂严重时将会导致电池片部分甚至全部失效；同时隐裂对于电池片的抗老化能力也有很大影响，组件中没有隐裂的电池片比隐裂的电池片抗老化能力强，因此需要对光伏组件进行隐裂检测。
现有EL(Electroluminescence，电致发光)测试是一种简单有效的检测隐裂方法，其检测原理如下：电池片的核心部分是半导体PN结，在没有其它激励(例如光照、电压、温度)的条件下，其内部处于一个动态平衡状态，电子和空穴的数量相对保持稳定；如果施加电压，半导体中的内部电场将被削弱，N区的电子将会被推向P区，与P区的空穴复合(也可理解为P区的空穴被推向N区，与N区的电子复合)，复合之后以光的形式辅射出去，即电致发光；当被施加正向偏压之后，晶体硅电池就会发光，波长1100nm左右，属于红外波段，肉眼观测不到，因此在进行EL测试时，需利用CCD相机辅助捕捉这些光子，然后通过计算机处理后以图像的形式显示出来，当给半导体施加电压后，所激发出的电子和空穴复合的数量越多，发射出的光子也就越多，测得EL图像也越亮，如果有的区域EL图像较暗，说明该处产生的电子和空穴数量较少，代表该处存在缺陷，如果有的区域完全是暗的，代表该处没有发生电子和空穴的复合，或者是所发光被其它障碍所遮挡，无法检测到信号。现有EL检测方法存在栅线图像干扰，对异常区域不能标识，检测过程耗费人力资源大、工作效率低等问题。
发明内容
本发明要解决的技术问题和提出的技术任务是解决现有光伏组件隐裂检测中存在栅线图像干扰，对异常区域不能标识，检测过程耗费人力资源大、工作效率低等问题，本发明提供一种光伏组件隐裂判定方法，所述判定方法通过隐裂检测图即可初步判定光伏组件是否存在隐裂问题，并能在检测中去除栅线图像干扰和标识异常区域，利于节省人力资源，提高工作效率。
本发明解决技术问题采用的技术方案：一种光伏组件隐裂判定方法，包括依序进行的以下步骤：
(1)拍照获取待测光伏组件的隐裂检测图A；
(1.1)将组件隐裂检测图A转化为灰度图；
(1.2)二值化灰度图，获得二值化图像C；
(2)检测识别光伏组件电池片边缘，通过二值化图像C，计算行均值和列均值，判定光伏组件电池片分割线；
(2.1)针对二值化图像C，分别计算图像的行均值分布和列均值分布，形成对应的行、列均值分布图；
(2.2)采用阈值分割法和邻项叠加方法，勾勒行分割线和列分割线分布边缘(见图7)，以数组D记录边界位置；
(2.3)为数组D添加图像边界位置点，获得数组E；
(2.4)分析矩阵情况，以边缘中心位置为分割点；
(2.3)为数组D添加图像边界位置点，以边缘中心位置为分割点，获得数组E；
(3)分割光伏组件隐裂检测图为若干电池片图像，根据识别的光伏组件电池片边缘分割光伏组件，形成电池片集群X，并获取电池片数量N0；
(4)判定是否存在未经隐裂判定的电池片；
(4.1)设定初始组件隐裂判定Y＝0，表示不存在隐裂；
(4.2)遍历电池片集群X，当电池片集群X中所有电池片都已通过第(5)～(6)步骤检测后，跳转至步骤(7)，否则取任意未检测电池片，跳转到步骤(5)；
(5)以电池片集群中任意电池片F为例，根据电池片F平均灰度值，识别灰度异常区域；
(5.1)取电池片F主体部分，截去边缘干扰；
(5.2)计算电池片F的平均灰度值；
(5.3)根据平均灰度值，通过阈值分割识别电池片F灰度异常像素点集G；
(5.4)根据异常像素点集G分布位置，将相邻像素点连通形成若干灰度异常区域集H；
(6)判断是否存在隐裂，根据异常区域规整度，排除灰度异常区域中的栅线区域，判断是否存在隐裂区域；
(6.1)计算区域集H中所有区域的长度和宽度，根据栅线特征筛除栅线区域，筛除后剩余区域集定义为I；
(6.2)若I集为空集，认定电池片F不存在隐裂，反之则判定电池片F存在隐裂，置组件隐裂判定Y＝1；
(6.3)跳转回步骤(4.2)；
(7)如果Y＝0，判定隐裂检测图A对应组件不存在隐裂，若Y＝1，判定隐裂检测图A对应组件存在隐裂，隐裂区域≥1。
作为对上述技术方案的进一步完善和补充，本发明采用如下技术措施：所述(2.1)步骤中计算图像的行均值分布行均值分布
Figure GDA0002941629690000031
其中0＜i≤Height；列均值分布的计算式为列均值分布
Figure GDA0002941629690000032
其中0＜j≤Width。
所述(2.2)步骤中阈值分割，取分割阈值H0(H0∈(0,1))：
Figure GDA0002941629690000041
Figure GDA0002941629690000042
邻域叠加：
Rp(i)＝R(i)+R(i+1),(0＜i≤Height-1)
Cp(i)＝C(i)+C(i+1),(0＜i≤Width-1)
数组D形成方法：首先置数组D为空集，针对行分割数组，遍历邻域叠加后的Rp数组，取邻域叠加值为1的行位置数据，即电池片和间隙的分割点，作为数组D的元素。
所述(2.3)步骤中数组E形成方法：基于上一步形成的数组D，在数组D首位置新增行/列点为0的值，在数组D末位置新增行/列宽的值；数组D按从小到大顺序排列；数组E第I位数据为数组D第(2I-1)位和第(2I)位的平均值。
所述(2.4)分析矩阵情况采用以下方式：针对二值化图像C，假设其图像宽度为Width，高度为Height，其图像第x行第y列的像素点数值可表示为c(x,y)，其中0＜x≤Height,0＜y≤Width,c(x,y)∈[0,1]。1、步骤2目前采用行列均值作为电池片分割的判定基础，未来也可以运用图像边缘检测技术等判断分割边缘；
本发明提供一种光伏组件隐裂判定方法，使用本发明所述判定方法时，无需了解光伏组件中电池片数量和尺寸，可以直接根据隐裂照片对电池片作分割，并在光伏组件分割为电池片之后进行识别，以去除电池片间的间隙干扰，通过隐裂检测图即可初步判定光伏组件是否存在隐裂问题，并在检测中去除栅线图像干扰和标识异常区域，利于节省人力资源，提高工作效率。此外，本发明主要针对电池片的斜状裂纹进行检测。
附图说明
图1：由电池片组成的光伏组件结构示意图。
图2：本发明所述判定方法的工作流程图。
图3：待测光伏组件隐裂检测图A。
图4：二值化图像C(图A转为灰度图后再经二值化处理形成)。
图5：列均值分布曲线图。
图6：行均值分布曲线图。
图7：行分割线和列分割线分布边缘图。
图8：隐裂图及组件分隔线。
图9：分割后的电池片(带隐裂电池片)。
图10：分割后的电池片(不带隐裂电池片)。
图11：栅线和隐裂位置区域识别图。
图12：带裂纹图像除去栅线后的隐裂区域识别图。
具体实施方式
下面结合附图说明和具体实施方式对本发明做进一步的说明。
如图2所示，一种光伏组件隐裂判定方法，包括依序进行的以下步骤：
(1)拍照获取待测光伏组件的隐裂检测图A；
(1.1)将组件隐裂检测图A转化为灰度图；
(1.2)二值化灰度图，获得二值化图像C；
(2)检测识别光伏组件电池片边缘，通过二值化图像C，计算行均值和列均值，判定光伏组件电池片分割线；
(2.1)针对二值化图像C，分别计算图像的行均值分布和列均值分布，形成对应的行、列均值分布图；其中计算图像的行均值分布行均值分布
Figure GDA0002941629690000051
其中0＜i≤Height；列均值分布的计算式为列均值分布
Figure GDA0002941629690000052
其中0＜j≤Width；
(2.2)采用阈值分割法和邻项叠加方法，勾勒行分割线和列分割线分布边缘(见图7)，以数组D记录边界位置；阈值分割时取分割阈值H0(H0∈(0,1))：
Figure GDA0002941629690000053
Figure GDA0002941629690000061
邻域叠加：
Rp(i)＝R(i)+R(i+1)，(0＜i≤Height-1)
Cp(i)＝C(i)+C(i+1),(0＜i≤Width-1)
数组D形成方法：首先置数组D为空集，针对行分割数组，遍历邻域叠加后的Rp数组，取邻域叠加值为1的行位置数据，即电池片和间隙的分割点，作为数组D的元素；
(2.3)为数组D添加图像边界位置点，获得数组E；数组E形成方法：基于上一步形成的数组D，在数组D首位置新增行/列点为0的值，在数组D末位置新增行/列宽的值；数组D按从小到大顺序排列；数组E第I位数据为数组D第(2I-1)位和第(2I)位的平均值；
(2.4)分析矩阵情况，以边缘中心位置为分割点；分析矩阵情况采用以下方式：针对二值化图像C，假设其图像宽度为Width，高度为Height，其图像第x行第y列的像素点数值可表示为c(x,y)，其中0＜x≤Height,0＜y≤Width,c(x,y)∈[0，1]；
(2.3)为数组D添加图像边界位置点，以边缘中心位置为分割点，获得数组E；
(3)分割光伏组件隐裂检测图为若干电池片图像，根据识别的光伏组件电池片边缘分割光伏组件，形成电池片集群X，并获取电池片数量N0；
(4)判定是否存在未经隐裂判定的电池片；
(4.1)设定初始组件隐裂判定Y＝0，表示不存在隐裂；
(4.2)遍历电池片集群X，当电池片集群X中所有电池片都已通过第(5)～(6)步骤检测后，跳转至步骤(7)，否则取任意未检测电池片，跳转到步骤(5)；
(5)以电池片集群中任意电池片F为例，根据电池片F平均灰度值，识别灰度异常区域；
(5.1)取电池片F主体部分，截去边缘干扰；
(5.2)计算电池片F的平均灰度值；
(5.3)根据平均灰度值，通过阈值分割识别电池片F灰度异常像素点集G；
(5.4)根据异常像素点集G分布位置，将相邻像素点连通形成若干灰度异常区域集H；
(6)判断是否存在隐裂，根据异常区域规整度，排除灰度异常区域中的栅线区域，判断是否存在隐裂区域；
(6.1)计算区域集H中所有区域的长度和宽度，根据栅线特征筛除栅线区域，筛除后剩余区域集定义为I；
(6.2)若I集为空集，认定电池片F不存在隐裂，反之则判定电池片F存在隐裂，置组件隐裂判定Y＝1；
(6.3)跳转回步骤(4.2)；
(7)如果Y＝0，判定隐裂检测图A对应组件不存在隐裂，若Y＝1，判定隐裂检测图A对应组件存在隐裂，隐裂区域≥1。
此外，步骤(5)和(6)存在由其他可替代图像识别处理的方式，在样本量足够大的情况下，因电池片单元特征同一性较高，可考虑采用神经网络或机器学习算法对电池片进行判定。
本发明所述的隐裂判定方法基于电池片图像分割识别技术，在使用时无需了解光伏组件中电池片数量和尺寸，按照前述流程步骤直接根据隐裂照片对电池片作分割，并在光伏组件分割为电池片之后进行识别，以去除电池片间的间隙干扰，通过隐裂检测图就能初步判定光伏组件是否存在隐裂问题，并在检测中去除栅线图像干扰和标识异常区域，利于节省人力资源，提高工作效率。

Claims (5)

1.一种光伏组件隐裂判定方法，包括依序进行的以下步骤：
(1)拍照获取待测光伏组件的隐裂检测图A；
(1.1)将组件隐裂检测图A转化为灰度图；
(1.2)二值化灰度图，获得二值化图像C；
(2)检测识别光伏组件电池片边缘，通过二值化图像C，计算行均值和列均值，判定光伏组件电池片分割线；
(2.1)针对二值化图像C，分别计算图像的行均值分布和列均值分布，形成对应的行、列均值分布图；
(2.2)采用阈值分割法和邻项叠加方法，勾勒行分割线和列分割线分布边缘，以数组D记录边界位置；
(2.3)为数组D添加图像边界位置点，获得数组E；
(2.4)分析矩阵情况，以边缘中心位置为分割点；
(2.3)为数组D添加图像边界位置点，以边缘中心位置为分割点，获得数组E；
(3)分割光伏组件隐裂检测图为若干电池片图像，根据识别的光伏组件电池片边缘分割光伏组件，形成电池片集群X，并获取电池片数量N0；
(4)判定是否存在未经隐裂判定的电池片；
(4.1)设定初始组件隐裂判定Y＝0，表示不存在隐裂；
(4.2)遍历电池片集群X，当电池片集群X中所有电池片都已通过第(5)～(6)步骤检测后，跳转至步骤(7)，否则取任意未检测电池片，跳转到步骤(5)；
(5)以电池片集群中任意电池片F为例，根据电池片F平均灰度值，识别灰度异常区域；
(5.1)取电池片F主体部分，截去边缘干扰；
(5.2)计算电池片F的平均灰度值；
(5.3)根据平均灰度值，通过阈值分割识别电池片F灰度异常像素点集G；
(5.4)根据异常像素点集G分布位置，将相邻像素点连通形成若干灰度异常区域集H；
(6)判断是否存在隐裂，根据异常区域规整度，排除灰度异常区域中的栅线区域，判断是否存在隐裂区域；
(6.1)计算区域集H中所有区域的长度和宽度，根据栅线特征筛除栅线区域，筛除后剩余区域集定义为I；
(6.2)若I集为空集，认定电池片F不存在隐裂，反之则判定电池片F存在隐裂，置组件隐裂判定Y＝1；
(6.3)跳转回步骤(4.2)；
(7)如果Y＝0，判定隐裂检测图A对应组件不存在隐裂，若Y＝1，判定隐裂检测图A对应组件存在隐裂，隐裂区域≥1。
2.根据权利要求1所述的一种光伏组件隐裂判定方法，其特征是所述(2.1)步骤中计算图像的行均值分布行均值分布
Figure FDA0002941629680000021
其中0＜i≤Height；列均值分布的计算式为列均值分布
Figure FDA0002941629680000022
其中0＜j≤Width。
3.根据权利要求1所述的一种光伏组件隐裂判定方法，其特征是所述(2.2)步骤中阈值分割，取分割阈值H0(H0∈(0，1))：
Figure FDA0002941629680000031
Figure FDA0002941629680000032
邻域叠加：
Rp(i)＝R(i)+R(i+1)，(0＜i≤Height-1)
Cp(i)＝C(i)+C(i+1)，(0＜i≤Width-1)
数组D形成方法：首先置数组D为空集，针对行分割数组，遍历邻域叠加后的Rp数组，取邻域叠加值为1的行位置数据，即电池片和间隙的分割点，作为数组D的元素。
4.根据权利要求1所述的一种光伏组件隐裂判定方法，其特征是所述(2.3)步骤中数组E形成方法：基于上一步形成的数组D，在数组D首位置新增行/列点为0的值，在数组D末位置新增行/列宽的值；数组D按从小到大顺序排列；数组E第I位数据为数组D第(2I-1)位和第(2I)位的平均值。
5.根据权利要求1所述的一种光伏组件隐裂判定方法，其特征是所述(2.4)分析矩阵情况采用以下方式：针对二值化图像C，假设其图像宽度为Width，高度为Height，其图像第x行第y列的像素点数值可表示为c(x，y)，其中0＜x≤Height，0＜y≤Width，c(x，y)∈[0，1]。
CN201811112790.7A 2018-09-25 2018-09-25 一种光伏组件隐裂判定方法 Active CN109540900B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811112790.7A CN109540900B (zh) 2018-09-25 2018-09-25 一种光伏组件隐裂判定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811112790.7A CN109540900B (zh) 2018-09-25 2018-09-25 一种光伏组件隐裂判定方法

Publications (2)

Publication Number Publication Date
CN109540900A CN109540900A (zh) 2019-03-29
CN109540900B true CN109540900B (zh) 2021-05-11

Family

ID=65841139

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811112790.7A Active CN109540900B (zh) 2018-09-25 2018-09-25 一种光伏组件隐裂判定方法

Country Status (1)

Country Link
CN (1) CN109540900B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111047564A (zh) * 2019-11-28 2020-04-21 戎得(上海)光伏科技有限公司 一种应用于光伏电站现场的el缺陷检测方法
CN113160311A (zh) * 2020-01-07 2021-07-23 北京赛博联物科技有限公司 太阳能电池板调节方法及调节装置、追日系统和存储设备
CN111583190B (zh) * 2020-04-16 2022-07-22 浙江浙能技术研究院有限公司 用于内级联结构组件隐裂缺陷的自动识别方法
CN115032209B (zh) * 2022-08-11 2022-11-15 中国华能集团清洁能源技术研究院有限公司 一种透明导电薄膜质量检测方法
CN115115643B (zh) * 2022-08-30 2022-11-15 一道新能源科技(衢州)有限公司 一种光伏电池板生产缺陷检测方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106952260B (zh) * 2017-03-31 2020-06-23 深圳华中科技大学研究院 一种基于cis图像采集的太阳能电池片缺陷检测系统和方法
CN107764832A (zh) * 2017-09-29 2018-03-06 青海黄河上游水电开发有限责任公司光伏产业技术分公司 光伏组件的隐裂缺陷检测方法
CN107607548A (zh) * 2017-09-29 2018-01-19 青海黄河上游水电开发有限责任公司光伏产业技术分公司 通过三维图像检测光伏组件的隐裂缺陷的方法
CN108459026B (zh) * 2018-01-17 2024-03-01 苏州迈为科技股份有限公司 一种光伏组件的el检测系统

Also Published As

Publication number Publication date
CN109540900A (zh) 2019-03-29

Similar Documents

Publication Publication Date Title
CN109540900B (zh) 一种光伏组件隐裂判定方法
Niazi et al. Hotspot diagnosis for solar photovoltaic modules using a Naive Bayes classifier
Aghaei et al. Innovative automated control system for PV fields inspection and remote control
CN107727662B (zh) 一种基于区域生长算法的电池片el黑斑缺陷检测方法
TWI609177B (zh) 晶圓成像及處理方法與裝置
US9641125B2 (en) Luminescence imaging systems and methods for evaluating photovoltaic devices
Kim et al. Automatic fault recognition of photovoltaic modules based on statistical analysis of UAV thermography
Di Tommaso et al. A multi-stage model based on YOLOv3 for defect detection in PV panels based on IR and visible imaging by unmanned aerial vehicle
CN108108736A (zh) 一种太阳能光伏板光斑识别方法
KR101806217B1 (ko) 태양광 어레이의 열적외선 영상으로부터 오작동 패널을 자동 검출하는 방법 및 장치
Ngo et al. Image segmentation using K-means color quantization and density-based spatial clustering of applications with noise (DBSCAN) for hotspot detection in photovoltaic modules
WO2010064720A1 (ja) 太陽電池セルの検査装置、検査方法及びそのプログラムを記録した記録媒体
Niazi et al. Binary classification of defective solar PV modules using thermography
CN103302039B (zh) 太阳能电池晶片分色的方法
CN113781466B (zh) 基于多尺度注意力密集网络的太阳能电池板缺陷识别方法
CN112991264B (zh) 一种单晶硅光伏电池裂纹缺陷的检测方法
CN107481237A (zh) 一种基于多帧温度特性的红外阵列图像热斑检测方法
Alajmi et al. IR thermal image analysis: An efficient algorithm for accurate hot-spot fault detection and localization in solar photovoltaic systems
Montanez et al. Photovoltaic module segmentation and thermal analysis tool from thermal images
Ahan et al. AI-assisted cell-level fault detection and localization in solar PV electroluminescence images
Al-Otum Deep learning-based automated defect classification in Electroluminescence images of solar panels
Otamendi et al. A scalable framework for annotating photovoltaic cell defects in electroluminescence images
Prabhakaran et al. Defect analysis of faulty regions in photovoltaic panels using deep learning method
CN114092838A (zh) 一种基于深度学习目标检测的光伏缺陷检测方法
CN108445018B (zh) 应用于电池片黑心检测的有效特征曲线提取方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant