-
题名基于深度学习优化SSD算法的硅片隐裂检测识别
被引量:11
- 1
-
-
作者
田晓杰
程耀瑜
常国立
-
机构
中北大学信息与通信工程学院
-
出处
《机床与液压》
北大核心
2019年第1期36-40,60,共6页
-
文摘
针对传统的通过机器视觉和机器学习算法检测识别硅片隐裂所存在的精度低、识别率差、检测耗时长的问题,提出一种新的检测方法,即采用优化的单个深度神经网络来检测图像中的目标的方法 (Single Shot MultiBox Detector,SSD),对SSD的特征提取网络融合了密集连接卷积网络(Densely Connected Convolutional Networks,Dense Net),解决了原网络对低于0. 1 mm的裂痕提取困难的缺点。通过实验,优化后的SSD检测算法对低于0. 01 mm裂纹检测精度比传统的通过纹理滤波和SVM分类检测算法提高了22%,比没有优化的SSD算法检测准确率提高了6%。证明了本文作者所提方法的有效性。
-
关键词
隐裂检测
SSD
纹理滤波
状态向量机
密集连接卷积网络
-
Keywords
Hidden crack detection
Single shot multibox detector
Texture filtering
State vector machine (SVM)
DenseNet
-
分类号
TP24
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名多损失融合的小样本光伏组件隐裂检测算法
被引量:2
- 2
-
-
作者
那峙雄
樊涛
孙涛
谢祥颖
来广志
-
机构
国网电子商务有限公司
国家电网有限公司
北京航空航天大学
-
出处
《计算机科学与探索》
CSCD
北大核心
2022年第2期458-467,共10页
-
基金
国家重点研发计划(2018YFB1500800)
国家电网有限公司科技项目(SGTJDK00DYJS2000148)。
-
文摘
针对工业生产线光伏组件隐性纹检测问题,为了降低人力成本,提高检测效率,并快速适应新型产品的隐裂检测,提出了一种多损失融合的小样本光伏组件隐裂检测算法。首先,为丰富卷积神经网络提取的语义信息,引入了Transformer的多头注意力机制,缓解各批次产品的分布差异对隐裂检测的影响,促使模型从多样化产品中关注于隐裂信息;其次,利用多损失结合约束模型训练的策略优化特征提取,在直接分类损失的基础上,利用三元组损失拉近含隐裂样本间特征距离;此外,设计了隐式分类损失以适应有无隐裂两类电池片内部也存在类型差异的特点,充分学习历史组件数据的多样性。该算法能够快速提取新型组件特征,利用少量的样本特征对新产品隐裂缺陷进行准确检测。在实际工业生产数据集上的实验结果表明,该算法对新型组件的隐裂检测的召回率相较于其他基线模型可提高10个百分点,能够有效缓解含隐裂样本数量不足的问题,极大地降低了频繁对每批新产品进行数据标记和训练的开销。
-
关键词
光伏组件
隐裂检测
小样本
深度学习
特征提取
-
Keywords
solar cells
micro-cracks detection
few shot samples
deep learning
feature extraction
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名太阳能电池片隐裂检测的深度目标网络算法研究
- 3
-
-
作者
朱佳华
彭兴辉
高剑
吴相东
周书宇
-
机构
四川长虹电器股份有限公司
四川轻化工大学机械工程学院
-
出处
《机电工程技术》
2022年第8期87-91,共5页
-
基金
四川省科技厅重点研发项目(编号:2022YFS0552)。
-
文摘
太阳能电池片作为光电转换的重要部件,生产过程中容易产生表面缺陷和内部隐性缺陷(隐性裂纹,简称隐裂),严重影响了太阳能电池片的发电效率和成品合格率。目前基于图像处理的视觉检测方法针对隐裂的检测效果较差,无法满足工业现场需求。拟利用深度学习的目标检测网络对电池片进行隐裂检测研究。分析深度学习的目标检测网络模型算法,对选取的网络模型进行优化,解决了隐裂检测精度低的问题。利用采集的隐裂样本数据集,对比分析YOLOv5s、SSD、Faster-RCNN三种目标检测算法的隐裂检测效果,发现YOLOv5s模型综合性能较优。同时对YOLOv5s网络结构及功能模块进行优化,提高了隐裂检测速度和检测精度。结果表明,生成对抗样本构成的数据集中隐裂数据样本采用优化后的YOLOv5s进行隐裂检测,准确率可达到96%以上,单张图像检测时间大约为0.06 s。因此,结合生成对抗网络和目标检测网络可以实现隐裂的快速、高精度检测。
-
关键词
太阳能电池片
隐裂检测
深度学习
目标检测网络
-
Keywords
solar cell
detection of hidden crack defects
deep learning
target detection network
-
分类号
TM941.4
[电气工程—电力电子与电力传动]
-
-
题名光伏组件隐裂检测工艺质量控制
- 4
-
-
作者
王冠文
王琦
罗国甘
邓小钢
刘先文
-
机构
国家电投集团能源科技工程有限公司科学研究院
晋能清洁能源科技股份公司
-
出处
《电力系统装备》
2020年第20期160-162,共3页
-
文摘
隐裂对功率的影响历程是隐裂、碎片、热斑、短路,常导致光伏电站功率低下、易发生火灾。通过有效工艺实施隐裂检测可提高电站功率、避免组件火灾。光伏电站现场隐裂检测有两种模式,制造厂组件生产有四道检测工序,确保光伏组件的质量和使用寿命。
-
关键词
光伏组件
隐裂检测工艺
功率衰减
-
Keywords
photovoltaic module
crack detection process
power attenuation
-
分类号
TM76
[电气工程—电力系统及自动化]
-
-
题名太阳能光伏发电系统设计及安装技术
被引量:4
- 5
-
-
作者
冯敏添
林子斌
冯伟
陈箭
曾若琳
-
机构
广州市机电安装有限公司
广州建筑股份有限公司
广东省新型建筑机电安装工程技术研究中心
-
出处
《安装》
2023年第8期56-59,共4页
-
文摘
本文结合实际项目,详细阐述了太阳能光伏并网系统安装施工技术,并就光伏安装原理、施工技术工艺及安装要点,从技术可行性及经济可行性出发,对光伏支架的深化设计、安装,光伏组件的安装工序等各个环节进行优化,提高了光伏项目的综合效益。
-
关键词
模组化光伏支架
光伏组件压码
大功率逆变器
光伏板隐裂检测
-
分类号
TM615
[电气工程—电力系统及自动化]
-