CN117517326A - 柔性光伏组件的批量电池片检测方法、装置及系统 - Google Patents
柔性光伏组件的批量电池片检测方法、装置及系统 Download PDFInfo
- Publication number
- CN117517326A CN117517326A CN202410010309.2A CN202410010309A CN117517326A CN 117517326 A CN117517326 A CN 117517326A CN 202410010309 A CN202410010309 A CN 202410010309A CN 117517326 A CN117517326 A CN 117517326A
- Authority
- CN
- China
- Prior art keywords
- battery piece
- battery
- detected
- piece
- detection
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 168
- 230000007547 defect Effects 0.000 claims abstract description 106
- 238000005286 illumination Methods 0.000 claims abstract description 48
- 230000007246 mechanism Effects 0.000 claims abstract description 30
- 238000004088 simulation Methods 0.000 claims abstract description 23
- 238000006243 chemical reaction Methods 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 13
- 238000001228 spectrum Methods 0.000 claims description 23
- 238000012549 training Methods 0.000 claims description 17
- 238000005452 bending Methods 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 12
- 238000013459 approach Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims 3
- 230000002950 deficient Effects 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 5
- 210000004027 cell Anatomy 0.000 description 17
- 230000003595 spectral effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000017525 heat dissipation Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000002441 X-ray diffraction Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 210000003850 cellular structure Anatomy 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 229910021419 crystalline silicon Inorganic materials 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000001493 electron microscopy Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 238000010921 in-depth analysis Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 229910052755 nonmetal Inorganic materials 0.000 description 1
- 150000002843 nonmetals Chemical class 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000013082 photovoltaic technology Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
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
- G01N21/8806—Specially adapted optical and illumination features
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
-
- 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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/9501—Semiconductor wafers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/08—Investigating strength properties of solid materials by application of mechanical stress by applying steady tensile or compressive forces
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
- H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
- H02S50/10—Testing of PV devices, e.g. of PV modules or single PV cells
- H02S50/15—Testing of PV devices, e.g. of PV modules or single PV cells using optical means, e.g. using electroluminescence
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Abstract
本发明提供了一种柔性光伏组件的批量电池片检测方法、装置及系统，方法包括：在阵列排布的N*M个检测单元上分别静置一个电池片；拍摄电池片的第一图像；通过检测单元固定电池片上的两个相对侧边，并控制顶升机构将电池片顶升成一弧面；照射电池片进行光照模拟，并同步记录电池片上的温度数据和功率数据；拍摄电池片的第二图像；通过网络模型分析第一图像和第二图像中是否存在缺陷，并结合温度数据和功率数据，得到检测结果。本申请借助多个检测单元批量控制和检测电池片的状态，同时结合网络模型智能化分析采集到的图像数据，可实现批量柔性电池片的表面质量检测、柔性检测以及光电转换检测，检测功能丰富且检测效率高。
Description
技术领域
本申请涉及柔性光伏检测领域，具体而言，涉及一种柔性光伏组件的批量电池片检测方法、装置及系统。
背景技术
太阳能电池，是一种利用太阳光直接发电的光电半导体薄片，又称为“太阳能芯片”或“光电池”，它只要被满足一定照度条件的光照度，瞬间就可输出电压及在有回路的情况下产生电流。在物理学上称为太阳能光伏（Photovoltaic，缩写为PV），简称光伏。
由于光伏电池组件生产过程复杂，不可避免地会因机器或人为因素使电池片出现如大色斑、晶丝、药业残留等表面缺陷，以及因材质、加工等因素而导致电池片性能不统一。电池片检测对于保证光伏板性能和寿命具有重要意义。随着光伏技术的不断发展，电池片检测技术也在不断进步和完善。
柔性光伏板具有较好的柔韧性和可延展性，能够适应各种复杂的环境和形状。在生产柔性光伏板时，要求其上的电池片具有一定的柔性，因此不仅要检测电池片的表面质量，还要检测其柔性。
现有的电池片检测方法主要依赖于人工目检，需要逐个筛查电池片，检测效率低下，容易受到人为因素和视觉疲劳的影响，而且对于微小缺陷和故障的识别能力有限。并且，传统的检测方法还无法适应柔性光伏板在各种复杂环境下的应用需求。此外，现有的检测设备往往只具备单一的检测能力，在应对不同检测项目时例如检测光伏板表面质量，只会针对该项目及其衍生项进行检测，而对其他领域的检测项目则需要借助额外的方案或设备实现。
发明内容
基于现有技术存在的问题，本申请提供了一种柔性光伏组件的批量电池片检测方法、装置及系统。具体方案如下：
第一部分，本申请提供了一种柔性光伏组件的批量电池片检测方法，包括：
在阵列排布的N*M个检测单元上分别静置一个待测电池片；通过预设拍摄设备拍摄待测电池片，得到各待测电池片的第一图像；其中，N和M均为大于1的整数；
通过检测单元固定待测电池片上的两个相对侧边，并控制位于待测电池片下方且与所述相对侧边平行排布的顶升机构朝所述待测电池片抬升预设高度，以将所述待测电池片顶升成一弧面；
通过检测单元电性连接待测电池片，开启预设光照设备照射待测电池片进行光照模拟，并同步记录待测电池片上的温度数据和功率数据；
在光照模拟结束后，通过所述拍摄设备再次拍摄各个待测电池片，得到各待测电池片的第二图像；
通过预训练网络模型分析所述第一图像和所述第二图像中是否存在缺陷，并在每个待测电池片上均匀划分出多个栅格区以分析缺陷所涉及的栅格区，并结合所述温度数据和功率数据，得到各待测电池片的检测结果。
在一些具体实施例中，将所述第一图像输入到所述网络模型进行缺陷识别，分析所述第一图像上的缺陷位置和缺陷大小，并将含有缺陷的待测电池片作为第一电池片，将缺陷在第一电池片上涉及的栅格区作为待测区；
规划出一移动路径，控制预设多光谱聚焦设备按照所述移动路径逐一完成各第一电池片上所有待测区的光谱检测，得到各缺陷的光谱数据；
基于各缺陷的光谱数据分析缺陷的具体构成，并评判待测电池片的表面质量。
在一些具体实施例中，所述移动路径具体包括：可使多光谱聚焦设备途径所有第一电池片的几何中心的总移动路径，以及可使光谱聚焦设备在各个第一电池片上自所述几何中心途径所有待测区的子移动路径；
控制所述多光谱聚焦设备按照所述总移动路径逐一检测各第一电池片，且在每个第一电池片上按照相应的子移动路径逐一检测各待测区。
在一些具体实施例中，还包括：
通过每个检测单元固定待测电池片上的两个相对侧边，通过检测单元电性连接待测电池片，开启所述光照设备照射待测电池片进行光照模拟，并同步记录待测电池片在平面状态下的温度变化和功率变化，得到待测电池片的对照温度数据和对照功率数据；
基于所述温度数据与所述对照温度数据分析待测电池板在不同状态下的耐高温性，基于所述功率数据与所述对照功率数据分析待测电池片在不同状态下的光电转换效率。
在一些具体实施例中，将所述第二图像输入到预训练网络模型进行缺陷识别，分析待测电池片量相对侧边中间的区域是否存在缺陷，以得到待测电池片在弯曲状态下的缺陷数据；
基于所述缺陷数据分析待测电池片的柔性是否合格。
第二部分，本申请提出了一种柔性光伏组件的批量电池片检测装置，用于实现第一部分中任一项所述的柔性光伏组件的批量电池片检测方法，包括：
多个检测单元，用于承载并电性连接待测电池片；其中，每个检测单元上设置有用于固定待测电池片的固定机构、用于检测温度数据的温度检测装置、用于检测功率数据的功率检测装置以及用于将待测电池片顶升成弧面的顶升机构；
拍摄设备，用于一次性拍摄多个检测单元上的待测电池片；
光照设备，用于照射待测电池片；
控制模块，连接所述光照设备、各个检测单元和所述拍摄设备，并集成有所述网络模型。
在一些具体实施例中，所述固定机构包括第一固定件和第二固定件，第一固定件和第二固定件分别用于固定待测电池片的一个侧边；所述顶升机构包括2n-1个顶升部，n为大于等于1的整数；
各个顶升部均匀分布在所述第一固定件和所述第二固定件之间，并相对于所述第一固定件和所述第二固定件平行排布；且抬升高度按照从低到高再到低的顺序呈阶梯状分布；
至少位于所述第一固定件和所述第二固定件中间的顶升部具有呈弧面状的顶升面，所述顶升面的弧度不小于待测电池片的最大弯曲弧度。
第三部分，本申请提出了一种柔性光伏组件的批量电池片检测系统，包括如下：
第一图像模块，用于在阵列排布的N*M个检测单元上分别静置一个待测电池片；其中，N和M均为大于1的整数；
通过预设拍摄设备拍摄待测电池片，得到各待测电池片的第一图像；
第二图像模块，用于通过检测单元固定待测电池片上的两个相对侧边，并控制位于待测电池片下方且与所述相对侧边平行排布的顶升机构朝所述待测电池片抬升预设高度，以将所述待测电池片顶升成一弧面；
通过检测单元电性连接待测电池片，开启预设光照设备照射待测电池片进行光照模拟，并同步记录待测电池片上的温度数据和功率数据；
在光照模拟结束后，通过所述拍摄设备再次拍摄各个待测电池片，得到各待测电池片的第二图像；
网络模型模块，用于通过预训练网络模型分析所述第一图像和所述第二图像中是否存在缺陷，并在每个待测电池片上均匀划分出多个栅格区以分析缺陷所涉及的栅格区，并结合所述温度数据和功率数据，得到各待测电池片的检测结果。
在一些具体实施例中，在所述网络模型模块中，还包括：
将所述第一图像输入到预训练网络模型进行缺陷识别，分析所述第一图像上的缺陷位置和缺陷大小，并将含有缺陷的待测电池片作为第一电池片，将缺陷在第一电池片上涉及的栅格区作为待测区；
规划出一移动路径，控制预设多光谱聚焦设备按照所述移动路径逐一完成各第一电池片上所有待测区的光谱检测，得到各缺陷的光谱数据；
基于各缺陷的光谱数据分析缺陷的具体构成，并评判待测电池片的表面质量。
在一些具体实施例中，在所述网络模型模块中，还包括：
通过每个检测单元固定待测电池片上的两个相对侧边，通过检测单元电性连接待测电池片，开启所述光照设备照射待测电池片进行光照模拟，并同步记录待测电池片在平面状态下的温度变化和功率变化，得到待测电池片的对照温度数据和对照功率数据；
基于所述温度数据与所述对照温度数据分析待测电池板在不同状态下的耐高温性，基于所述功率数据与所述对照功率数据分析待测电池片在不同状态下的光电转换效率。
有益效果：本申请提供了一种柔性光伏组件的批量电池片检测方法、装置及系统，借助多个检测单元批量控制和检测电池片的状态，同时结合网络模型智能化分析采集到的图像数据，可实现批量柔性电池片的表面质量检测、柔性检测以及光电转换检测，检测功能丰富且检测效率高。先借助表面质量检测获取缺陷的位置，再借助多光谱共焦分析缺陷的具体结构，两种技术的结合能极大提升缺陷检测的精度和效率。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本申请的批量电池片检测方法流程示意图；
图2是本申请的批量电池片检测装置结构示意图；
图3是本申请的检测单元结构示意图；
图4是本申请的移动路径示意图；
图5是本申请的批量电池片检测方法系统模块示意图。
附图标记：1-检测单元；2-拍摄设备；3-光照设备；4-控制模块；5-待测电池片；11-第一固定件；12-第二固定件；13-顶升机构；A1-第一图像模块；A2-第二图像模块；A3-网络模型模块。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在本申请公开的各种实施例中使用的术语仅用于描述特定实施例的目的并且并非意在限制本申请公开的各种实施例。如在此所使用，单数形式意在也包括复数形式，除非上下文清楚地另有指示。除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本申请公开的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本申请公开的各种实施例中被清楚地限定。
实施例1
本实施例提供了一种柔性光伏组件的批量电池片检测方法，可实现批量柔性电池片的表面质量检测、柔性检测以及光电转换检测，检测功能丰富且检测效率高。批量电池片检测方法的流程如附图1所示，具体方案如下：
一种柔性光伏组件的批量电池片检测方法，包括如下：
101、在阵列排布的N*M个检测单元上分别静置一个待测电池片；其中，N和M均为大于1的整数；通过预设拍摄设备拍摄待测电池片，得到各待测电池片的第一图像；
102、通过检测单元固定待测电池片上的两个相对侧边，并控制位于待测电池片下方且与相对侧边平行排布的顶升机构朝待测电池片抬升预设高度，以将待测电池片顶升成一弧面；
103、通过检测单元电性连接待测电池片，开启预设光照设备照射待测电池片进行光照模拟，并同步记录待测电池片上的温度数据和功率数据；
104、在光照模拟结束后，通过拍摄设备再次拍摄各个待测电池片，得到各待测电池片的第二图像；
105、通过预训练网络模型分析第一图像和第二图像中是否存在缺陷，并在每个待测电池片上均匀划分出多个栅格区以分析缺陷所涉及的栅格区，并结合温度数据和功率数据，得到各待测电池片的检测结果。
本实施例的待测电池片主要为基于光伏效应工作的晶硅太阳能电池。由于应用于柔性光伏组件，因此需要电池片具备一定的柔性。本实施例的批量电池检测方法需要检测电池的表面是否存在缺陷、电池的弯曲和拉伸能力以及电池的光电转换能力。
本实施例的批量电池检测方法基于特殊的检测装置实现，结构示意图如附图2。检测装置包括拍摄设备、光照设备、控制模块和多个检测单元。检测单元用于承载并电性连接待测电池片；其中，每个检测单元上设置有用于固定待测电池片的固定机构、用于检测温度数据的温度检测装置、用于检测功率数据的功率检测装置以及用于将待测电池片顶升成弧面的顶升机构；拍摄设备，用于一次性拍摄多个检测单元上的待测电池片；光照设备，用于照射待测电池片；控制模块，连接所述光照设备、各个检测单元和拍摄设备，并集成有网络模型，网络模型可对图像和数据进行分析处理。
每个检测单元可实现一个待测电池片的检测，在检测装置上设置多个检测单元，以此实现批量电池片的检测。检测单元呈阵列式排布，方便控制模块快速计算移动距离。
在步骤101中，由于后续要进行图像拍摄，需要将待测电池片静置到检测单元上，确保所有的待测电池片完全暴露于拍摄区域，方便拍摄设备拍摄待测电池片的整个侧面。为避免对电池片的遮挡，在步骤101 中不需要通过检测单元固定待测电池片。在实际应用中，可通过机械臂等机械手段将待测电池片逐一放置到检测单元上，也可手动放置。
针对一些需要进行双面检测的电池片，可在步骤101中完成两面的拍摄后再执行后续流程，也可在完成一面的检测之后，重复相同步骤进行另一面的检测。
本实施例的检测单元上设置有固定机构，能够将待测电池片固定到检测单元上，方便进行后续的柔性测试。固定机构可以卡接连接电池片，也可以夹取，固定方式不限。需要说明的是，由于电池片较薄，在弯曲时电池片两侧会发生转动，因此要在固定机构上预留一定的活动空间。固定机构的示例图如附图3所示。
顶升机构用于将电池片顶升成一个弧面结构，在两侧固定的同时，通过缓慢抬升电池片中间区域的高度，将待测电池片的中间区域太高并固定两侧区域，以构成一个弧面结构。电池片的弯曲程度取决于顶升高度，在实际应用中，可以选定电池片的最大弯曲程度进行检测，检测电池片在极限状态下的工作状态。在一些具体实施例中，固定机构包括第一固定件和第二固定件，第一固定件和第二固定件分别用于固定待测电池片的一个侧边；顶升机构包括2n-1个顶升部，n为大于等于1的整数；各个顶升部均匀分布在第一固定件和第二固定件之间，并相对于第一固定件和第二固定件平行排布；且抬升高度按照从低到高再到低的顺序呈阶梯状分布；至少位于第一固定件和第二固定件中间的顶升部具有呈弧面状的顶升面，顶升面的弧度不小于待测电池片的最大弯曲弧度。示例性的，顶升机构包括三个顶升部，分别为第一顶升部、第二顶升部和第三顶升部，第一顶升部位于第二顶升部和第三顶升部之间，并且第一顶升部的顶升高度高于第二顶升部和第三顶升部，第二顶升部和第三顶升部的顶升高度相同。第一顶升部要接触待测电池片，需要设置顶升面，顶升面负责接触待测电池片。第二顶升部和第三顶升部也可根据情况设置相应的弧面。
步骤103是获取在弯曲状态下待测电池片的工作状态。当待测电池片处于平面状态时，其表面平整，能够有效地接收和反射光线，因此光电转换效率相对较高。此外，平面状态的电池片在散热和机械稳定性方面也表现较好，有利于提高电池片的整体性能。然而，当电池片处于非平面状态时，其表面可能存在凹凸不平或弯曲的情况。这会导致光线在电池片表面发生散射，降低光电转换效率。同时，非平面状态的电池片在散热和机械稳定性方面也可能受到影响，从而影响其工作性能。因此，为了确保电池片的工作性能，需要检测电池片在弯曲状态下的工作状态。
检测单元与电池片电性连接，并且内部设置有功率传感器，可以检测电池片的功率数据。开启预设光照设备照射待测电池片进行光照模拟，并同步记录待测电池片上的温度数据和功率数据。光照设备可以位于待测电池片下方，也可以位于待测电池片的上方。在实际应用中，可以在每个检测单元中设置一个光照设备，为待测电池片提供光照模拟。
在光照模拟过程中，电池片一直处于弯曲状态，某些质量不合格的电池片在长时间挤压下可能会出现断裂等缺陷，因此需要拍摄设备拍摄电池片在完成光照模拟后的图像，以分析电池片的柔性是否合格。
获取到第一图像和第二图像后，通过预训练的网络模型分析缺陷。网络模型以深度神经网络为例。训练过程包括：首先，收集大量包含电池片表面缺陷的图像数据。这些数据可以是公开可用的数据集，也可以是自行采集的数据。对收集到的图像数据进行预处理，包括尺寸调整、归一化、去噪等操作，以使数据适合输入到深度神经网络中。使用深度学习框架（如TensorFlow、PyTorch等）建立深度神经网络模型。模型的结构可以根据具体需求进行设计，例如卷积神经网络（CNN）是一种常用的图像识别模型。使用标记好的数据对模型进行训练，使其能够识别电池片表面的缺陷。在训练过程中，不断调整模型的参数，以提高模型的准确性和泛化能力。使用测试数据对训练好的模型进行测试，评估其识别缺陷的能力。根据测试结果，可以对模型进行优化和改进。将第一图像和第二图像输入到训练好的网络模型中进行电池片表面的缺陷识别。为了提高识别速度和效率，可以将模型部署到高性能的计算机或服务器上。
需要注意的是，电池片表面的缺陷种类繁多，且形状、大小、颜色等特征各异。因此，在建立深度神经网络模型时，需要充分考虑这些因素，设计合适的网络结构和训练策略，以提高模型的识别准确性和鲁棒性。
在一些具体实施例中，完成缺陷识别后，采用多光谱共焦技术分析缺陷的具体构成。具体地，将第一图像输入到预训练网络模型进行缺陷识别，分析第一图像上的缺陷位置和缺陷大小，并将含有缺陷的待测电池片作为第一电池片，将缺陷在第一电池片上涉及的栅格区作为待测区；规划出一移动路径，控制预设多光谱聚焦设备按照移动路径逐一完成各第一电池片上所有待测区的光谱检测，得到各缺陷的光谱数据；基于各缺陷的光谱数据分析缺陷的具体构成，并评判待测电池片的表面质量。
多光谱共焦是利用多个不同波长的光源，通过光学系统将它们聚焦到被测物体上，然后通过光谱仪对反射回来的光进行光谱分析，从而得到被测物体的各种信息。由于采用多光谱技术，可以对被测物体进行更详细的分析，从而提高测量精度。多光谱共焦测量技术不需要与被测物体接触，因此不会对被测物体造成任何损伤，可以应用于包括金属、非金属、半导体等不同材料的测量。
示例性的，在采用多光谱共焦测量时，使用适当的光源和光谱仪对电池片进行照射，并收集反射或透射回来的光。这些光信号包含了电池片表面的信息，包括其成分、结构以及可能存在的缺陷。对采集到的光谱数据进行处理和分析。这包括去除背景噪声、校正光谱偏移、归一化等步骤，以提高数据的准确性和可比性。通过对收集到的光谱数据进行深入分析，可以揭示电池片表面的详细信息。例如，如果电池片存在缺陷，这些缺陷会在光谱上表现为特定的吸收峰或发射峰。此外，光谱的强度、波长偏移等参数也可以提供有关缺陷性质的信息。通过对光谱数据的特征提取，可以识别出与缺陷相关的特定光谱特征。这些特征可以用于对缺陷进行分类和识别。例如，不同类型的缺陷可能表现出不同的光谱特征，从而可以通过特征提取和分类算法将其区分开来。通过将光谱数据与电池片的几何结构相结合，可以确定缺陷的具体位置和形状。这可以通过将光谱数据与电池片的X-Y坐标映射来实现，从而生成缺陷的可视化图像。通过对缺陷的光谱特征进行分析，可以进一步了解缺陷的性质。例如，某些类型的缺陷可能与特定的材料组成或结构变化有关，而其他类型的缺陷可能仅仅是由于制造过程中的瑕疵或损伤。将光谱分析的结果与其他测试方法（如电子显微镜、X射线衍射等）的结果进行关联和验证，可以更准确地确定缺陷的性质和来源。这有助于理解电池片的性能退化机制，并为改进制造工艺和提高产品质量提供重要信息。
由于多光谱共焦每次只能聚焦检查一个区域，要延展到整个物体表面，需要对每个区域进行扫描和测量，最后将所有测量数据整合起来，得到整个物体的表面信息。本实施例将电池片上的区域均匀划分成多个栅格区，缺陷所在的栅格区即为待测区，具体如附图4所示。网络模型只需要分析缺陷位于哪些栅格区即可，后续的多光谱共焦设备会以栅格区为单位检测各个待测区。借助网络模型预先分析出缺陷所在的电池片以及缺陷所涉及的栅格区，相当于确定缺陷的位置。在确定缺陷位置的情况下，再借助多光谱共焦，可以只对缺陷所在的区域进行识别，提高测量效率。示例性的，以多光谱聚焦设备的单次检测区域为单位划分栅格区，即多光谱聚焦设备每次的检测范围覆盖一个完整的栅格区。
由于是批量电池片检测，多光谱聚焦设备一次只能逐个检测第一电池片，并且第一电池片上的缺陷分布不同，为提高检测效率，需要进行路径规划。在一些具体实施例中，移动路径具体包括：可使多光谱聚焦设备途径所有第一电池片的几何中心的总移动路径，以及可使光谱聚焦设备在各个第一电池片上自几何中心途径所有待测区的子移动路径；控制多光谱聚焦设备按照总移动路径逐一检测各第一电池片，且在每个第一电池片上按照相应的子移动路径逐一检测各待测区。总路径针对各个第一电池片，而子路径则是针对每个第一电池片上的待测区。将路径划分两个维度，以更好的提升多光谱聚焦设备的检测效率。并且，对于每个第一电池片，都以其几何中心作为最终的起点和终点。在附图4中，阴影部分为待测区，每个第一电池片的子移动路径如虚线所示。由第一电池片A到达第一电池片B，会先从第一电池片A的几何中心a到达第一电池片B的几何中心b，再从第一电池片B的几何中心b逐渐移动到该电池片上的待测区，完成所有的待测区之后会回到第一电池片B的几何中心b，再从第一电池片B的几何中心b移动到第一电池片C的几何中心c。
在一些具体实施例中，还包括：通过每个检测单元固定待测电池片上的两个相对侧边，通过检测单元电性连接待测电池片，开启光照设备照射待测电池片进行光照模拟，并同步记录待测电池片在平面状态下的温度变化和功率变化，得到待测电池片的对照温度数据和对照功率数据。对照温度数据和对照功率数据是基于待测电池片在正常平面状态下的状态数据。基于温度数据与对照温度数据分析待测电池板在不同状态下的耐高温性，基于功率数据与对照功率数据分析待测电池片在不同状态下的光电转换效率，从而更加全面的检测待测电池片的各项参数。
第二图像是待测电池片在弯曲状态下的图像，经历过一段时间的光电转换，某些存在瑕疵的待测电池片在弯曲状态下工作一段时间后，可能会出现裂纹甚至断裂等现象，很明显该类电池片也不合格。在实际应用中，待测电池片可能会在弯曲状态下工作很久，需要尽可能的将不合格电池片筛选出来。裂纹、裂痕之类也属于瑕疵，可被网络模型进行缺陷识别。在一些具体实施例中，将第二图像输入到预训练网络模型进行缺陷识别，分析待测电池片量相对侧边中间的区域是否存在缺陷，以得到待测电池片在弯曲状态下的缺陷数据；基于缺陷数据分析待测电池片的柔性是否合格。
本实施例提供了一种柔性光伏组件的批量电池片检测方法，借助多个检测单元批量控制和检测电池片的状态，同时结合网络模型智能化分析采集到的图像数据，可实现批量柔性电池片的表面质量检测、柔性检测以及光电转换检测，检测功能丰富且检测效率高。
实施例2
本实施例提供了一种柔性光伏组件的批量电池片检测装置，装置的结构示意图如附图2所示。具体方案如下：
一种柔性光伏组件的批量电池片检测装置，用于实现实施例1中任一项的柔性光伏组件的批量电池片检测方法，包括：
多个检测单元1，用于承载并电性连接待测电池片5；其中，每个检测单元1上设置有用于固定待测电池片5的固定机构、用于检测温度数据的温度检测装置、用于检测功率数据的功率检测装置以及用于将待测电池片5顶升成弧面的顶升机构13；
拍摄设备2，用于一次性拍摄多个检测单元1上的待测电池片5；
光照设备3，用于照射待测电池片5；
控制模块4，连接光照设备3、各个检测单元1和拍摄设备2，并集成有网络模型。
在一些具体实施例中，固定机构包括第一固定件11和第二固定件12，第一固定件11和第二固定件12分别用于固定待测电池片5的一个侧边；顶升机构13包括2n-1个顶升部，n为大于等于1的整数；各个顶升部均匀分布在第一固定件11和第二固定件12之间，并相对于第一固定件11和第二固定件12平行排布；且抬升高度按照从低到高再到低的顺序呈阶梯状分布；至少位于第一固定件11和第二固定件12中间的顶升部具有呈弧面状的顶升面，顶升面的弧度不小于待测电池片5的最大弯曲弧度。检测单元1的具体结构如附图3所示。
在一些实施例中，针对每个检测单元1配置一个专门的光照设备3，通过控制模块4同一控制光照设备3的相关参数，以确保光照均匀。具体如附图3所示。
实施例3
本申请实施例提供了一种柔性光伏组件的批量电池片检测系统，将实施例的批量电池片检测方法系统化，系统的模块图如附图5所示。具体方案如下：
一种柔性光伏组件的批量电池片检测系统，包括如下模块：
第一图像模块A1，用于在阵列排布的N*M个检测单元上分别静置一个待测电池片；其中，N和M均为大于1的整数；
通过预设拍摄设备拍摄待测电池片，得到各待测电池片的第一图像；
第二图像模块A2，用于通过检测单元固定待测电池片上的两个相对侧边，并控制位于待测电池片下方且与相对侧边平行排布的顶升机构朝待测电池片抬升预设高度，以将待测电池片顶升成一弧面；
通过检测单元电性连接待测电池片，开启预设光照设备照射待测电池片进行光照模拟，并同步记录待测电池片上的温度数据和功率数据；
在光照模拟结束后，通过拍摄设备再次拍摄各个待测电池片，得到各待测电池片的第二图像；
网络模型模块A3，用于通过预训练网络模型分析第一图像和第二图像中是否存在缺陷，并在每个待测电池片上均匀划分出多个栅格区以分析缺陷所涉及的栅格区，并结合温度数据和功率数据，得到各待测电池片的检测结果。
在一些具体实施例中，在网络模型模块A3中，还包括：
将第一图像输入到预训练网络模型进行缺陷识别，分析第一图像上的缺陷位置和缺陷大小，并将含有缺陷的待测电池片作为第一电池片，将缺陷在第一电池片上涉及的栅格区作为待测区；
规划出一移动路径，控制预设多光谱聚焦设备按照移动路径逐一完成各第一电池片上所有待测区的光谱检测，得到各缺陷的光谱数据；
基于各缺陷的光谱数据分析缺陷的具体构成，并评判待测电池片的表面质量。
在一些具体实施例中，在网络模型模块A3中，还包括：
通过每个检测单元固定待测电池片上的两个相对侧边，通过检测单元电性连接待测电池片，开启光照设备照射待测电池片进行光照模拟，并同步记录待测电池片在平面状态下的温度变化和功率变化，得到待测电池片的对照温度数据和对照功率数据；
基于温度数据与对照温度数据分析待测电池板在不同状态下的耐高温性，基于功率数据与对照功率数据分析待测电池片在不同状态下的光电转换效率。
本实施例提供了一种柔性光伏组件的批量电池片检测系统，将前述一种柔性光伏组件的批量电池片检测方法系统化，使其更具实用性。
本申请提供了一种柔性光伏组件的批量电池片检测方法、装置及系统，借助多个检测单元批量控制和检测电池片的状态，同时结合网络模型智能化分析采集到的图像数据，可实现批量柔性电池片的表面质量检测、柔性检测以及光电转换检测，检测功能丰富且检测效率高。先借助表面质量检测获取缺陷的位置，再借助多光谱共焦分析缺陷的具体结构，两种技术的结合能极大提升缺陷检测的精度和效率。
本领域普通技术人员应该明白，上述的本申请的各模块可以用通用的计算系统来实现，它们可以集中在单个计算系统上，或者分布在多个计算系统所组成的网络上，可选地，他们可以用计算机系统可执行的程序代码来实现，从而可以将它们存储在存储系统中由计算系统来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本申请不限制于任何特定的硬件和软件的结合。
注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。
以上公开的仅为本申请的几个具体实施场景，但是，本申请并非局限于此，任何本领域的技术人员能思之的变化都应落入本申请的保护范围。
Claims (10)
1.一种柔性光伏组件的批量电池片检测方法，其特征在于，包括如下：
在阵列排布的N*M个检测单元上分别静置一个待测电池片；通过预设拍摄设备拍摄待测电池片，得到各待测电池片的第一图像；其中，N和M均为大于1的整数；
通过检测单元固定待测电池片上的两个相对侧边，并控制位于待测电池片下方且与所述相对侧边平行排布的顶升机构朝所述待测电池片抬升预设高度，以将所述待测电池片顶升成一弧面；
通过检测单元电性连接待测电池片，开启预设光照设备照射待测电池片进行光照模拟，并同步记录待测电池片上的温度数据和功率数据；
在光照模拟结束后，通过所述拍摄设备再次拍摄各个待测电池片，得到各待测电池片的第二图像；
通过预训练网络模型分析所述第一图像和所述第二图像中是否存在缺陷，并在每个待测电池片上均匀划分出多个栅格区以分析缺陷所涉及的栅格区，并结合所述温度数据和功率数据，得到各待测电池片的检测结果。
2.根据权利要求1所述的批量电池片检测方法，其特征在于，将所述第一图像输入到所述网络模型进行缺陷识别，分析所述第一图像上的缺陷位置和缺陷大小，并将含有缺陷的待测电池片作为第一电池片，将缺陷在第一电池片上涉及的栅格区作为待测区；
规划出一移动路径，控制预设多光谱聚焦设备按照所述移动路径逐一完成各第一电池片上所有待测区的光谱检测，得到各缺陷的光谱数据；
基于各缺陷的光谱数据分析缺陷的具体构成，并评判待测电池片的表面质量。
3.根据权利要求2所述的批量电池片检测方法，其特征在于，所述移动路径具体包括：可使多光谱聚焦设备途径所有第一电池片的几何中心的总移动路径，以及可使光谱聚焦设备在各个第一电池片上自所述几何中心途径所有待测区的子移动路径；
控制所述多光谱聚焦设备按照所述总移动路径逐一检测各第一电池片，且在每个第一电池片上按照相应的子移动路径逐一检测各待测区。
4.根据权利要求1所述的批量电池片检测方法，其特征在于，还包括：
通过每个检测单元固定待测电池片上的两个相对侧边，通过检测单元电性连接待测电池片，开启所述光照设备照射待测电池片进行光照模拟，并同步记录待测电池片在平面状态下的温度变化和功率变化，得到待测电池片的对照温度数据和对照功率数据；
基于所述温度数据与所述对照温度数据分析待测电池板在不同状态下的耐高温性，基于所述功率数据与所述对照功率数据分析待测电池片在不同状态下的光电转换效率。
5.根据权利要求1所述的批量电池片检测方法，其特征在于，将所述第二图像输入到预训练网络模型进行缺陷识别，分析待测电池片量相对侧边中间的区域是否存在缺陷，以得到待测电池片在弯曲状态下的缺陷数据；
基于所述缺陷数据分析待测电池片的柔性是否合格。
6.一种柔性光伏组件的批量电池片检测装置，其特征在于，用于实现权利要求1-5任一项所述的柔性光伏组件的批量电池片检测方法，包括：
多个检测单元，用于承载并电性连接待测电池片；其中，每个检测单元上设置有用于固定待测电池片的固定机构、用于检测温度数据的温度检测装置、用于检测功率数据的功率检测装置以及用于将待测电池片顶升成弧面的顶升机构；
拍摄设备，用于一次性拍摄多个检测单元上的待测电池片；
光照设备，用于照射待测电池片；
控制模块，连接所述光照设备、各个检测单元和所述拍摄设备，并集成有所述网络模型。
7.根据权利要求6所述的批量电池片检测装置，其特征在于，所述固定机构包括第一固定件和第二固定件，第一固定件和第二固定件分别用于固定待测电池片的一个侧边；所述顶升机构包括2n-1个顶升部，n为大于等于1的整数；
各个顶升部均匀分布在所述第一固定件和所述第二固定件之间，并相对于所述第一固定件和所述第二固定件平行排布；且抬升高度按照从低到高再到低的顺序呈阶梯状分布；
至少位于所述第一固定件和所述第二固定件中间的顶升部具有呈弧面状的顶升面，所述顶升面的弧度不小于待测电池片的最大弯曲弧度。
8.一种柔性光伏组件的批量电池片检测系统，其特征在于，包括如下：
第一图像模块，用于在阵列排布的N*M个检测单元上分别静置一个待测电池片；其中，N和M均为大于1的整数；
通过预设拍摄设备拍摄待测电池片，得到各待测电池片的第一图像；
第二图像模块，用于通过检测单元固定待测电池片上的两个相对侧边，并控制位于待测电池片下方且与所述相对侧边平行排布的顶升机构朝所述待测电池片抬升预设高度，以将所述待测电池片顶升成一弧面；
通过检测单元电性连接待测电池片，开启预设光照设备照射待测电池片进行光照模拟，并同步记录待测电池片上的温度数据和功率数据；
在光照模拟结束后，通过所述拍摄设备再次拍摄各个待测电池片，得到各待测电池片的第二图像；
网络模型模块，用于通过预训练网络模型分析所述第一图像和所述第二图像中是否存在缺陷，并在每个待测电池片上均匀划分出多个栅格区以分析缺陷所涉及的栅格区，并结合所述温度数据和功率数据，得到各待测电池片的检测结果。
9.根据权利要求8所述的批量电池片检测系统，其特征在于，在所述网络模型模块中，还包括：
将所述第一图像输入到预训练网络模型进行缺陷识别，分析所述第一图像上的缺陷位置和缺陷大小，并将含有缺陷的待测电池片作为第一电池片，将缺陷在第一电池片上涉及的栅格区作为待测区；
规划出一移动路径，控制预设多光谱聚焦设备按照所述移动路径逐一完成各第一电池片上所有待测区的光谱检测，得到各缺陷的光谱数据；
基于各缺陷的光谱数据分析缺陷的具体构成，并评判待测电池片的表面质量。
10.根据权利要求8所述的批量电池片检测系统，其特征在于，在所述网络模型模块中，还包括：
通过每个检测单元固定待测电池片上的两个相对侧边，通过检测单元电性连接待测电池片，开启所述光照设备照射待测电池片进行光照模拟，并同步记录待测电池片在平面状态下的温度变化和功率变化，得到待测电池片的对照温度数据和对照功率数据；
基于所述温度数据与所述对照温度数据分析待测电池板在不同状态下的耐高温性，基于所述功率数据与所述对照功率数据分析待测电池片在不同状态下的光电转换效率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410010309.2A CN117517326B (zh) | 2024-01-04 | 2024-01-04 | 柔性光伏组件的批量电池片检测方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410010309.2A CN117517326B (zh) | 2024-01-04 | 2024-01-04 | 柔性光伏组件的批量电池片检测方法、装置及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117517326A true CN117517326A (zh) | 2024-02-06 |
| CN117517326B CN117517326B (zh) | 2024-05-07 |
Family
ID=89745976
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410010309.2A Active CN117517326B (zh) | 2024-01-04 | 2024-01-04 | 柔性光伏组件的批量电池片检测方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117517326B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011016420A (ja) * | 2009-07-08 | 2011-01-27 | East Japan Railway Co | 支障限界検出装置 |
| WO2017084186A1 (zh) * | 2015-11-18 | 2017-05-26 | 华南理工大学 | 挠性电路板制造过程自动监测和智能分析系统及方法 |
| US20170229731A1 (en) * | 2014-12-02 | 2017-08-10 | Polyplus Battery Company | Methods of making and inspecting a web of vitreous lithium sulfide separator sheet and lithium electrode assemblies |
| CN111458347A (zh) * | 2019-01-18 | 2020-07-28 | 北京铂阳顶荣光伏科技有限公司 | 缺陷检测方法及设备 |
| CN111865215A (zh) * | 2019-04-29 | 2020-10-30 | 北京铂阳顶荣光伏科技有限公司 | 一种太阳能电池片的检测装置及方法 |
| CN112268514A (zh) * | 2020-08-31 | 2021-01-26 | 中国科学院合肥物质科学研究院 | 动力电池极片涂层均与性在线计量测试系统 |
| US20220214286A1 (en) * | 2021-01-03 | 2022-07-07 | Araz Yacoubian | Surface Inspection Sensor |
| CN115639214A (zh) * | 2022-09-28 | 2023-01-24 | 浙江晶科能源有限公司 | 电池串检测方法 |
| CN116258664A (zh) * | 2022-09-07 | 2023-06-13 | 盐城工学院 | 一种基于深度学习的光伏电池片智能缺陷检测方法 |
| CN116297496A (zh) * | 2023-05-11 | 2023-06-23 | 征图新视(江苏)科技股份有限公司 | 多光谱智能缺陷检测方法 |
| CN117054446A (zh) * | 2023-08-16 | 2023-11-14 | 迈沐智能科技(南京)有限公司 | 光伏电池片网版综合检测装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPWO2011016420A1 (ja) * | 2009-08-03 | 2013-01-10 | 株式会社エヌ・ピー・シー | 太陽電池の欠陥検査装置、欠陥検査方法、およびプログラム |
-
2024
- 2024-01-04 CN CN202410010309.2A patent/CN117517326B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011016420A (ja) * | 2009-07-08 | 2011-01-27 | East Japan Railway Co | 支障限界検出装置 |
| US20170229731A1 (en) * | 2014-12-02 | 2017-08-10 | Polyplus Battery Company | Methods of making and inspecting a web of vitreous lithium sulfide separator sheet and lithium electrode assemblies |
| WO2017084186A1 (zh) * | 2015-11-18 | 2017-05-26 | 华南理工大学 | 挠性电路板制造过程自动监测和智能分析系统及方法 |
| CN111458347A (zh) * | 2019-01-18 | 2020-07-28 | 北京铂阳顶荣光伏科技有限公司 | 缺陷检测方法及设备 |
| CN111865215A (zh) * | 2019-04-29 | 2020-10-30 | 北京铂阳顶荣光伏科技有限公司 | 一种太阳能电池片的检测装置及方法 |
| CN112268514A (zh) * | 2020-08-31 | 2021-01-26 | 中国科学院合肥物质科学研究院 | 动力电池极片涂层均与性在线计量测试系统 |
| US20220214286A1 (en) * | 2021-01-03 | 2022-07-07 | Araz Yacoubian | Surface Inspection Sensor |
| CN116258664A (zh) * | 2022-09-07 | 2023-06-13 | 盐城工学院 | 一种基于深度学习的光伏电池片智能缺陷检测方法 |
| CN115639214A (zh) * | 2022-09-28 | 2023-01-24 | 浙江晶科能源有限公司 | 电池串检测方法 |
| CN116297496A (zh) * | 2023-05-11 | 2023-06-23 | 征图新视(江苏)科技股份有限公司 | 多光谱智能缺陷检测方法 |
| CN117054446A (zh) * | 2023-08-16 | 2023-11-14 | 迈沐智能科技(南京)有限公司 | 光伏电池片网版综合检测装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117517326B (zh) | 2024-05-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Du et al. | Nondestructive inspection, testing and evaluation for Si-based, thin film and multi-junction solar cells: An overview | |
| CN103339736B (zh) | 太阳能电池检查方法以及检查装置 | |
| US9641125B2 (en) | Luminescence imaging systems and methods for evaluating photovoltaic devices | |
| US6366690B1 (en) | Pixel based machine for patterned wafers | |
| JP5403608B2 (ja) | 太陽電池アレイの診断方法、及びパワーコンディショナ | |
| US7733111B1 (en) | Segmented optical and electrical testing for photovoltaic devices | |
| KR101121451B1 (ko) | 영상소자를 이용한 태양전지 양자효율 균질도 검사 장치 및 검사 방법 | |
| US20180159469A1 (en) | Determining the condition of photovoltaic modules | |
| CN102540056B (zh) | 一种aps芯片测试及筛选方法 | |
| KR20110124354A (ko) | 고체 상태 광원을 활용하는 고속 양자 효율 측정 장치 | |
| US20180159468A1 (en) | Determining the condition of photovoltaic modules | |
| TW201505357A (zh) | 用於檢測太陽能電池之缺陷的方法與系統 | |
| CN110031188B (zh) | 集成电路光学芯片光圈测试方法 | |
| JP6280846B2 (ja) | 太陽電池モジュールの検査方法 | |
| KR100863341B1 (ko) | 중복 영상을 이용한 에프피디 기판 및 반도체 웨이퍼검사시스템 | |
| CN117517326B (zh) | 柔性光伏组件的批量电池片检测方法、装置及系统 | |
| Attia et al. | Instant testing and non-contact diagnosis for photovoltaic cells using K-means clustering and associated hyperspectral imaging | |
| Demirci et al. | Defective PV cell detection using deep transfer learning and EL imaging | |
| US20190089301A1 (en) | System and method for solar cell defect detection | |
| CN116647183A (zh) | 光伏阵列发电性能确定方法、装置和光伏系统 | |
| KR20160078532A (ko) | 태양광 모듈별 이상 진단 시스템 및 방법 | |
| RU2565331C2 (ru) | Способ исследования пространственного распределения характеристик восприимчивости фотоэлектрических преобразователей в составе солнечных батарей к оптическому излучению | |
| WO2019234483A1 (en) | Method and system to assess solar cells | |
| Doll et al. | Towards true contactless outdoor luminescence of silicon photovoltaic modules with inhomogeneous small area excitation source | |
| JP6324564B1 (ja) | 太陽電池モジュールのカバーガラス異常検知方法 |
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 |