太阳能电池片表面缺陷

4 天之前 · 摘要： 针对太阳电池表面缺陷问题,在深度学习模型YOLOv5的基础上进行优化与改进。 首先,为充分利用深层、浅层和原始的特征信息,加强特征融合,设计具有跨连接结构的特征金字塔网络（ScFPN）。

2020年3月19日 · 近日,位于天合光能的光伏科学与技术全方位国重点实验室正式宣布其自主研发的高效n型全方位钝化异质结（HJT）电池,经德国哈梅林太阳能研究所（ISFH）下属的检测实验室认证,最高高电池效率达到27.08%,创造了HJT太阳电池效率新的世界纪录,这是天合光能第29

2023年12月1日 · 实验结果表明,与经典MobileVit、MobileNetV3和GhostNet轻量级网络相比,CViT-Net-S对电池片分类精确率分别提升了1.4%、2.3%和1.3%,对电池片检测mAP50分别提升了2.7%、0.3%和0.8%；与ResNet50、RegNet网络相比,CViT-Net-L分类精确率分别提升

2024年10月9日 · 本文综述了基于机器视觉的太阳能电池片表面缺陷检测方法的研究进展。 首先,阐述了太阳能电池片表面成像方式,列举了典型缺陷类型。 然后重点分析了基于传统机器视觉算法及基于深度学习算法进行太阳能电池片表面缺陷检测的原理。

2016年4月18日 · 摘要: 鉴于基于机器视觉的太阳能电池片表面缺陷检测方法具有操作简便、检测精确度高的优势,对此类方法所涉及的各个环节进行了综述.

2022年12月9日 · 本节将太阳能电池 片表面缺陷的种类、视觉效果、造成原因进行总结,如 表1 所示,此外,图2 还展示了太阳能电池片表面较 为常见的缺角、斑点、裂痕和隐裂缺陷． 3 基于机器视觉的太阳能电池片表面缺陷 检测方法 基于机器视觉的太阳能电池片表面缺陷检测方

2022年10月10日 · PVEL-AD 包含 36,543 张 具有各种内部缺陷和异构背景的近红外图像,其中包含1类无 异常 图像和具有 12 个不同类别的异常缺陷图像,例如 裂纹（线状和星状）、断栅、黑芯、未对准、粗线、划痕、碎片、断角和材料缺陷。 此外,我们为 12 种类型 的缺陷提供了 40000+ 个真实标注框 用于缺陷检测。 下载 Industrial_Data_Access_Form.docx,填写表格中的相关

2019年7月30日 · 摘要:针对晶体硅太阳电池缺陷的检测问题,利用多种测试设备（EL、PL、Corescan等）,在电池制作的主要工序段（扩散、镀膜、印刷、烧结）对硅片和电池片进行检测,归纳和总结了电池的各种典型缺陷的成因,利用这些检测手段和分析结果,能够及时

2024年3月4日 · 为了同时满足工业领域对缺陷检测的精确度和速度要求,来自东南大学自动化学院的张金霞教授团队, 提出了一种基于神经结构搜索 (neural architecture search, NAS) 和知识蒸馏 (Knowledge Distillation) 的新型轻量级高性能光伏电池电致发光 (EL) 图像缺陷自动检测模型。 目前,该研究成果已发布在 arXiv 上,标题为「A lightweight network for photovoltaic cell defect

2019年3月20日 · 晶体硅太阳电池的缺陷种类很多,为掌握缺陷的表现特征及成因,本文采用了多种分析手段,构建了一 个有效的检测体系和流程。 主要测试内容包括太阳电池电流电压（I V）特性测试、电致发光（EL）成像测试和红外热成像测试。