融合注意力机制的YOLOv5光伏板电致发光图像缺陷检测算法

光伏板是光伏发电系统的核心部件,其质量好坏直接影响发电效率及电路安全。为了精准检测出光伏板的缺陷,提出了1种融合注意力机制的YOLOv5改进算法,该算法将有效通道注意力(efficient channel attention,ECA)与YOLOv5模型主干网络中的C3模块相融合形成C3-ECA模块。同时将融合注意力机制YOLOv5改进算法与YOLOv3、YOLOX等多个模型做对比实验,结果表明融合注意力机制YOLOv5改进算法精确率为97.5%,比原版YOLOv5提高了1.1%。改进的算法在引入少量参数的情况下,提高了模型的检测精度,并能够对光伏板表面的多种缺陷进行有效识别,且精度高、耗时少。

皮秒脉冲激光辐照太阳能电池损伤特性实验研究(特邀)

以皮秒脉宽激光多脉冲损伤太阳能电池为背景,通过激光烧蚀电池前后表面形貌、电池伏安特性、电致发光特性获得损伤特性。采用脉宽15 ps、波长1 064 nm皮秒脉冲激光辐照三结GaAs太阳能电池进行实验。通过重频调节改变激光辐照功率,对太阳能电池栅线与非栅线部位在激光辐照下的损伤特性进行分析。实验发现辐照非栅线部位时,尽管激光光斑较小,但电池内部材料已经发生损伤,主要是由于电池内部材料有序结构的破坏逐渐增大,尤其是激光功率越高时,内部损伤面积越大。当激光辐照栅线部位时,栅线部位受热熔断会极大影响太阳能电池对载流子的吸收,从而降低电池的光电转换能力,进而影响太阳能电池的电性能,使得激光辐照栅线部位损伤效果强于辐照非栅线部位。

纳秒激光脉冲辐照太阳能电池损伤特性及对光电转化的影响

针对纳秒脉冲激光辐照三结GaAs太阳能电池损伤特性及对光电转化影响开展研究。从损伤形貌、伏安特性、电致发光三个方面建立实验系统,分别从材料烧蚀形貌、电性能输出、内部损伤情况来分析电池光电性能逐渐下降特性。在分析了激光能量密度影响的基础上,进一步分析了激光辐照部位的影响,如电池栅线与非栅线部位。纳秒脉冲激光由于峰值功率较高,能对电池产生明显损伤,激光辐照电池的栅线部位损伤效果强于辐照非栅线部位,主要由于栅线电极的作用是用于光生载流子的收集,激光辐照熔断电池栅线,降低电池输出功率。研究结论对于提高太阳能电池空间防护能力具有指导意义。

基于改进Alexnet模型的光伏电池片瑕疵分类方法

针对光伏电池片瑕疵与随机分布晶粒的电致发光图像暗特征高度相似而难以检测的问题,设计一种基于改进Alexnet模型的光伏电池片瑕疵分类方法。首先,对光伏电池片电致发光图像进行特征提取并标准化;然后,融合多层级特征进行分类;最后,融合多层级特征经激活函数映射得到瑕疵分类结果。模型训练时,损失函数选择交叉熵函数,通过梯度下降法反向传播,优化网络权重,直至达到模型分类的正确率要求;利用优化后的最佳模型对标准数据集进行测试分析。实验结果表明:融合多层级特征的改进Alexnet模型用于光伏电池电致发光图像检测分类的正确率达91.05%;模型预测时对标准300×300像素图像单元检测与分类处理时间小于10 ms,满足检测分类的稳定性、正确率与实时性等要求。