基于改进YOLOv5s的太阳能电池缺陷检测算法

太阳能电池生产制造的过程中,由于制造工艺的不完善和人为操作失误等原因可能导致太阳能电池片出现破损、裂缝、断栅和硅材料缺失等类型的缺陷。为了提高太阳能电池缺陷检测准确率,本文提出一种基于YOLOv5s算法的太阳能电池缺陷检测算法YOLOv5s-CG。在主干网络和特征融合层不同位置引入卷积注意力机制(CBAM),主干网络的注意力机制关注全局信息,特征融合层的注意力机制关注局部信息,同时在空间和通道2种维度上进行特征增强,并用GIOU损失函数评估检测效果。使用重新标注的公开太阳能电池数据集对提出的算法进行实验验证,实验结果表明,YOLOv5s-CG算法的全类平均精度(mAP)达到了75.1%,与YOLOv5s算法比较,各种类型的缺陷检测精度都有所提升,其中裂缝和硅材料缺失的精度分别提升了0.036、0.033,全类平均精度(mAP)提高了0.026;与主流的目标检测算法SSD相比,全类平均精度(mAP)提升了0.123。本文算法能够更加高效地检测太阳能电池的缺陷,为实际生产提供更好的检测算法。

太阳电池缺陷EL检测及电性能分析

基于电致发光(EL)的理论,利用红外检测的方法,通过CCD近红外相机实验检测出晶体硅太阳电池中存在的隐性缺陷,如隐裂、断栅、电阻不均匀、花片等,并将EL图像与可见光下电池图像进行了对比。对存在缺陷的太阳电池进行了伏安特性测试,得出隐裂缺陷对太阳电池伏安特性、填充因子、效率等性能的影响,也证明电致发光技术检测太阳电池缺陷的准确性。

晶体硅太阳电池缺陷分析

晶体硅太阳电池的出现,为人们生活提供了新的便利,但是这种电池在使用中也存在一定缺陷。该文主要对晶体硅太阳电池缺陷进行分析,总结了晶体硅太阳电池的缺陷分类评价体系,从体系标准和缺陷类型的角度,列出常见的缺陷判定方法,然后对两种典型缺陷进行分析,主要有边缘漏电和裂纹,通过这种方式能够使相关人员更加快捷的掌握电池的具体情况,采取相应措施,确保晶体硅太阳电池的问题能够得到及时的修复,解决存在的隐患,让晶体硅太阳电池在使用中更加安全。

基于Labview的干电池缺陷检测系统

基于Labview的机器视觉技术对干电池缺陷检测技术进行研究。在Labview环境下,采用第三方图像采集卡对干电池缺陷进行数据采集,运用视觉开发模块IMAQ Vision进行图像处理,结合Machine Vision模块实现图像模式识别,实现干电池缺陷的检测与智能识别。

基于光学超精密检测的新能源汽车电池缺陷检测技术

针对新能源汽车电池表面缺陷,提出了基于超精密检测的新能源汽车电池表面缺陷检验方法。构建光学超精密成像模型,通过超精密激光扫描技术完成能源汽车电池表面的激光成像,获得其纹理分布情况和边缘轮廓特征。将区域信息与图像边缘相融合,定位新能源汽车电池表面缺陷,检测其表面纹理异常点。通过仿真试验证实,利用该方式判断新能源汽车表面缺陷具有准确性高、抗噪性强等特点,能有效提升汽车电池表面缺陷检测效率。

基于Gabor滤波的软包电池表面缺陷检测

针对当前锂锰软包电池表面在生产过程中容易出现凸点、凹点等缺陷的问题,提出了一种基于光度立体法与频域Gabor滤波相结合的电池表面缺陷检测方法。首先,采用3个光源采集图片,然后进行图像融合,生成电池样本的反照率图片,可以使缺陷更加明显;然后对反照率图片进行快速傅里叶变换,在频域状态下使用Gabor滤波器进行处理,处理的结果再用逆傅里叶变换转换到时域,对于去除拍摄反光引起的图片噪声,采用中值滤波去除,将缺陷部分根据灰度值的大小用一个矩形掩膜进行增强;然后采用全局自适应阈值分割提取缺陷区域;最后利用形态学操作细化缺陷,凹坑准确率在98%,凸点准确率在96.7%,能够达到实际工业应用要求。

基于小波增强与Canny算法融合的锂电池极片缺陷检测方法

针对目前锂电池极片表面存在亮度不均、低对比度微小缺陷难以检测的问题,提出了一种基于小波增强与Canny算法融合的锂电池极片缺陷检测方法。首先使用K-近邻均值滤波抑制图像背景噪声,然后基于小波变换分别采用线性调整和多尺度细节增强方法处理图像的低高频分量,进行图像增强,接着利用PSO-OTSU算法自适应获取增强后图像的最佳高低阈值,最后利用哈夫检测法连接边缘点。通过测试漏金属、亮点、划痕、孔洞等缺陷各700张图片,定量分析比较了3种算法的准确率,实验结果表明,相对于其他两种算法,本文算法可以较好地保留缺陷边缘细节,检测低对比度微小缺陷,提取精确完整的缺陷轮廓,检测准确率达97.85%,具有一定的实用价值。

缺陷单电池对车用燃料电池性能的影响研究

缺陷单电池的存在对于燃料电池系统的可靠性及耐久性具有重要影响。本文通过电压巡检定位了电堆的缺陷单电池编号,基于稳态工况、阶跃工况、循环工况的试验结果分析了缺陷单电池的稳态和动态性能及其对电堆一致性和系统输出的影响。结果发现,缺陷单电池相比正常电池对电堆温度更为敏感,动态响应速率慢,电压下冲与上调幅值大,循环工况电压波动剧烈。缺陷单电池是影响电堆一致性的重要因素,其电压波动率占比随变载幅度和速度的增加而增加。此外,在最低单电池电压低于0.5 V时,系统最大输出功率只达到了正常系统的76.57%。期望通过该研究为系统存在缺陷单电池时的控制策略提供参考。

基于改进轻量型YOLOv5的太阳能电池板缺陷检测

为解决太阳能电池板缺陷类型和尺度多样、小目标难以检测的难题,同时平衡各类缺陷的检测精度和速度,提出了一种改进轻量型YOLOv5的太阳能电池板缺陷检测方法。首先将网络模型部分卷积块替换为改进后的MobileOne Block模块,减少了模型参数量,提高模型检测速度;同时将主干网络的最后一层替换为SepViT Block,增强模型对全局信息的提取;然后设计了融合SimAM注意力机制的ASFF自适应特征融合模块,在改进多尺度特征提取的同时减轻模型的重量;最后增加P2检测层,提高小目标的检测效率,给模型带来持续的性能提升。实验结果表明,改进算法与原YOLOv5模型对比,参数量压缩了23.47%,检测速度达到了103 F/S,更好地实现嵌入式使用;检测精度达到了96.2%,比最新的YOLOv7-tiny提高了5.3%,证明了其优势。

圆柱形锂电池圆周面凹坑缺陷检测方法研究

针对常规圆柱形锂电池出厂检验中对圆周面上的凹坑缺陷特征识别度较低的问题,基于对识别模型的灰度分与光照分布的详细分析,提出一种光照分布修正方法。方法通过线性变换将像素点灰度值处理到同一基准线,以去除光照对缺陷检测的影响;通过增强缺陷与背景区域的对比度,基于灰度分布曲线过渡线段提取缺陷特征,并在实验中进行关键参数选择完成测试。测试结果表明该方法增强了凹坑缺陷检测的准确性、适用性和实时性,有效地促进了电池产品的出厂安全性。

缺陷太阳电池EL图像及伏安特性分析

本文基于电致发光(Electroluminescence,EL)的理论,利用红外检测的方法,通过CCD近红外相机实验检测出了晶体硅太阳电池中存在的隐性缺陷,如隐裂、断栅、电阻不均匀、花片等,并将可见光下电池图像与EL图像进行对比。对存在缺陷的太阳电池进行了伏安特性测试,得出隐裂缺陷对太阳电池伏安特性、填充因子、效率等性能的影响,也证明电致发光技术检测太阳电池缺陷的准确性。

光伏电池缺陷红外热成像检测与图像序列处理

作为光伏电站的主要组成部分,光伏电池中存在隐裂、划痕、热点和断栅等缺陷,这些缺陷影响着电池的性能和电站的运行状况,因此开展光伏电池的缺陷检测是至关重要的。建立脉冲电致红外热成像(PEIT)实验系统,使用该系统开展含有不同类型缺陷的光伏电池的检测实验并采集红外热图像序列。采用线性判别分析(LDA)和二次判别分析(QDA)两种监督学习算法来处理热图像序列,并与主成分分析(PCA)和多项式拟合相关系数(FCC)两种传统处理算法进行比较。实验结果表明,PEIT算法可以对光伏电池的缺陷进行有效检测,QDA算法在信噪比、信息熵和均方误差三个指标上均优于LDA、PCA和FCC算法,可以实现对光伏电池各类缺陷的有效识别。

无机硅电池生产缺陷及其改进措施

阐述了无机硅材料太阳能电池组件的缺陷形式。依据宁夏银星能源光伏发电设备制造有限公司的实际生产工艺,提出了采用有机材料改善其缺陷的措施,为提高太阳能光伏发电系统发电效率提供了理论基础。

晶体硅光伏电池电磁感应激励红外热辐射缺陷检测与成像技术

晶体硅光伏电池中的缺陷会影响电池的效率和使用寿命,甚至会对并网运行的光伏发电系统造成严重损害。本文旨在建立晶体硅光伏电池在电磁感应主动激励下的红外热成像缺陷检测方法,相比基于机器视觉的硅光伏电池表面缺陷检测方法,该方法具有检测灵敏度高、可发现内部缺陷、检测缺陷种类多等优势。首先建立数字化电磁感应热成像检测系统,并在脉冲式和锁相式两种激励模式下获得了硅电池的热成像序列,采用傅里叶变换、独立分量分析(ICA)和主成分分析(PCA)等方法处理了热像图序列。最终实现了晶体硅光伏电池中热斑、裂纹、断栅、重掺杂等缺陷的可视化检测。实验结果显示所提方法能很好地区分背景和缺陷,可为硅光伏电池的研发、测试、制造、服役和维修提供一种可靠、快速的检测手段。

基于改进Canny算子的锂电池极片表面缺陷检测

针对目前锂电池极片表面存在低对比度微小缺陷难以检测的问题,提出了一种基于改进Canny算子的锂电池极片表面缺陷检测方法。首先,使用双边滤波改善高斯滤波在降噪时可能造成的图像边缘模糊问题,并在此基础上引入多尺度细节增强算法来增强低对比度图像;其次,基于Sobel算子的3×3梯度模板计算极片图像的梯度幅值和梯度方向;最后,基于最大熵和Otsu算法自动获取图像的高、低阈值,通过逻辑与运算对两种算法阈值分割后的检测结果进行边缘融合,并利用形态学闭运算和细化算法修复不连续边缘,得到最终检测边缘。实验结果表明,传统Canny算子和Otsu-Canny算法难以有效检测不同类型的暗斑、露箔和划痕缺陷,而本文算法对这些缺陷均取得了较好的检测效果,能够在突出目标缺陷区域的同时,有效减少同色度背景噪声,正确检测率达98%,具有一定实用价值。

缺陷晶体硅太阳电池热斑实验

设计了室内外缺陷电池热斑情况的测试方案,将缺陷电池反接12 V直流电压,使电池片处于反向偏置状态,并对比了电池片的温度分布和漏电流大小,测试了不同反偏电压下温度分布和电流变化。提出了一种缺陷电池测试方法,将单块电池接入组件,在不同遮挡比例下测试组件的I-V、P-V曲线,对比不同类型缺陷电池的差异。

基于LabVIEW的太阳能电池板缺陷检测系统开发研究

随着现代化水平越来越高,资源利用率也随之上升,但是由于资源的过度开发,资源配置方式不合理等原因,造成资源日渐匮乏,石油、煤等不可再生能源日渐匮乏,甚至引发了各国之间一系列的冲突与战争,进一步造成了世界的不稳定。因而对可再生能源的需求日益增强,世界各国都致力于研发各类新型能源,如太阳能、潮汐能、水能等可再生绿色能源。其中,利用太阳能发电是当今世界各国研发的热点之一,进而研发出了一系列品质良好的太阳能电池板。但是,随着电池板生产规模的不断扩大,电池板存在的缺陷始终无法避免,为了能提高太阳能电池板的可靠性及工作效率,针对缺陷的检测技术也成了当务之急。本文针对目前太阳能电池板存在的缺陷,设计了一种基于LabVIEW的太阳能电池板缺陷检测系统。

基于元迁移的太阳能电池板缺陷图像超分辨率重建方法

针对太阳能电池板隐裂缺陷在进行光学检测时存在的特征不明显问题,以及小样本导致的训练不充分问题,提出了基于元迁移的太阳能电池板缺陷图像超分辨率重建方法,采用联合训练方法,利用内部图像和外部大规模图像信息分别作为不同阶段的训练数据。首先将引入的大量数据用于模型的初步训练,学习外部大规模数据的公共特征,然后通过元学习模型MAML进行多任务训练,为快速适应小样本无监督任务寻找一个适合图像内部学习的初始参数,提高模型的泛化能力,最后将预训练参数迁移至改进的ZSSR中进行自监督学习。在DIV2K、Set5、BSD100和太阳能电池板电致发光成像数据集上进行训练,实验结果表明,与传统的CARN,RCAN,IKC,ZSSR方法相比,该方法具有更高的峰值信噪比,最高达到36.66,参数量更小,相比ZSSR降低了70000,图像重建时间更短,相比CARN降低了0.51s,具有更好的重建效果,更高的重建效率。

电动汽车动力电池研究展望:智能电池、智能管理与智慧能源

本文针对电动汽车动力电池系统现存关键问题和主要需求,从材料科学与系统科学等多个层面对动力电池及其相关技术展开评述,聚焦于智能电池、智能管理和智慧能源三大方向阐述动力电池系统从感知、监测、管理直至能源互动的研究现状及发展趋势,为电动汽车动力系统在安全性、动力性、耐久性等多维度的综合管理和在能源与交通的智慧互联研究提供参考。

EL测试在晶硅电池及组件质量控制中的应用

基于电致发光(Electroluminescence,EL)的理论,本文介绍了利用近红外检测的方法,检测出了晶体硅太阳电池和组件内部常见的隐性缺陷。这些缺陷包括:材料缺陷、高温扩散缺陷、金属化缺陷、高温烧结缺陷、工艺诱生污染以及生产过程中的裂纹等,并简要分析了造成这些缺陷的原因,通过EL测试可以发现以往常规手段难以发现的品质缺陷,对电池品质提升大有裨益。