2024年12月10日 · 摘要： 提出并设计名为OD-YOLO缺陷检测模型来改善多晶硅太阳电池电致发光成像中复杂背景干扰缺陷检测效果的问题。使用二次卷积模块（TwiceConv-OD）过滤掉复杂晶粒背景干扰,增强模型对缺陷本身的关注力;提出anchor-plus1分配策略来增加模型
2016年6月4日 · 1硅太阳能电池片纹理缺陷特征太阳能电池表面由栅线和电极组成,表面纹理主要是有规则的白色条纹( 栅线),其缺陷主要表现为：断栅,栅线变厚、变薄,孔洞,凹、凸微粒,表面脏污,表面裂纹等。几种常见的硅太阳能电池片表面纹理缺陷如图1所示。
2023年11月27日泉州师范学院物理与信息工程学院 福建省先进的技术微纳光子技术与器件重点实验室的姚广平、苏子生团队在《发光学报》发文, 利用一维太阳能电池仿真软件SCAPS 对全方位无机钙钛矿太阳能电池中缺陷对器件性能的影响进行了研究。相反地,CsPbI 3/SnO 2界面缺陷对器件性能无显著影响。通过优化
2024年9月16日 · 针对太阳能电池片缺陷检测中存在检测精确度低、误检和漏检率高的问题,本文在深度学习模型YOLOv8的基础上进行优化与改进,提出了一种太阳能电池片电致成像(electroluminescent, EL)缺陷检测模型。 首先,采用自校准光照学习(self-calibrated illumination
2024年11月27日 · 针对太阳能光伏电池板缺陷检测的数据集,我们可以使用YOLOv8 模型进行训练和评估。以下是详细的步骤和代码示例,帮助你完成这个任务。 1. 环境准备 首先,确保你已经安装了必要的库和工具。你可以使用以下命令安装所需的库
2024年7月24日 · 合作为生成的缺陷图像; Liu等用2 个生成器并 行生成织物图像的缺陷和背景并进行融合, 实现 对织物缺陷图像数据的扩充. 受以上工作的启发, 本文将GAN 应用于太阳 能电池缺陷图像生成. 针对太阳能电池缺陷图像 中复杂背景对缺陷信息的干扰, 设计双维度
2024年2月27日 · 针对太阳能电池片缺陷检测方法存在精确度低的问题,提出一种基于改进的YOLOv5s太阳能电池片表面缺陷检测算法。首先,为了解决电池片小目标缺陷检测问题,提出了上下文Transformer网络（CoT）,可以为小目标提供全方位局上下文信息,帮助模型更好地预测小目标。其次,将CBAM注意力加入到Head部分的C3
2019年3月20日 · 1顺德中山大学太阳能研究院,广东佛山528300 （ 2中山大学太阳能系统研究所,广东广州510006） 摘要 通过对5000片不同类型的低效缺陷太阳电池样品进行检测和分析,建立了较完整的晶体硅太阳电池缺陷 检测与分类评价体系。
太阳能电池板表面缺陷检测关键技术-3.太阳能电池板表面缺陷检测关键技术3.1 基于梯度特征的检测方法此类方法的依据是：根据亮度差异——太阳能电池片表面缺陷区域和其余部分的亮度。两者交界处具有较高的梯度。具有代表意义的作法为梯度特征与
2024年2月27日 · 测太阳能电池片缺陷成为保障太阳能电池片生 产质量和提高能源利用率的重要问题。许多学 者对太阳能电池片缺陷检测进行了研究分析。Su等利用电致发光（Electro Luminescence,EL） 方法对太阳能电池片进行自动缺陷检测。EL方
2019年11月20日 · 缺陷调控是影响半导体太阳能电池光电转换效率的关键因素. 缺陷与掺杂直接决定半导体中载流子的类型、浓度、传输以及光生载流子的非辐射复合. 真实半导体中存在的缺陷种类繁多, 浓度各异, 使得缺陷, 特别是单个点缺陷性质的实验表征非常困难, 因而理论与计算在缺陷研究中起到了重要的作用.
2022年12月31日 · 该数据集通过电致发光成像技术收集了700张具有挑战性的缺陷图像,分辨率为512×512,涵盖多尺度缺陷、遮挡缺陷、密集微小缺陷、低对比度缺陷及组合缺陷等多种类型。
2018年8月17日 · 关键词 ：晶体硅太阳电池 缺陷 检测 分析1、 引言在大规模应用和工业生产中,晶硅太阳能电池占主导地位,其在制造过程中通常采用制绒、扩散、刻蚀、 PECVD 、印刷、烧
2024年10月10日 · 该数据集包含2,624个300x300像素的8位功能和有缺陷太阳能电池的8位灰度图像样本,具有从44个不同太阳能模块中提取的不同程度的退化。带注释的图像中的缺陷是内部或外部类型的缺陷,已知会降低太阳能模块的功率效率。
2024年11月13日 · 太阳能光伏电池板缺陷 检测数据集 数据集概述 该数据集包含2050张太阳能光伏电池板图像,标注文件为YOLO适用的txt格式。数据集分为训练集、验证集和测试集,比例为7:2:1。每个图像包含一个或多个标注框,标注框采用YOLO格式。数据集中共有6个
2020年3月23日 · 选取图2所示太阳能电池片数字图像,根据第 2节所述原理,设计太阳能电池片缺陷检测步骤,如 图3所示. 太阳能电池片缺陷检测步骤如下. 1)图像预处理.将图像矩阵(AN×M)转化为M 个信号,每个信号是具有N个频谱幅值的离散信号 f′i(t),其中i＝1,2,,M.
2021年9月29日 · -11-工艺设备科学大众·PopularScience00年05月PL技术应用于太阳能电池片缺陷检测江苏大学 潘扬杰,周宇欣,袁彪,张远鸿摘 要：1世纪以来,全方位球光伏产业迅猛发展。太阳能作为新型清洁能源被广泛运用,但在光电池的生产过程中有许多质量问题,严重影响系统的稳定性。为此,在生产过程中需要用极
2020年3月21日 · 在电池片缺陷视觉检测方面,国内外也进行了 相关的研究。Deitsch S等分别使用支持向量机 （SVM）和卷积神经网络（CNN）对高分辨率单晶和 多晶太阳能电池片EL图进行缺陷识别,判断组件 电池片缺陷概率,CNN模型平均精确率达到88.42%,
2024年12月10日 · 摘要： 提出并设计名为OD-YOLO缺陷检测模型来改善多晶硅太阳电池电致发光成像中复杂背景干扰缺陷检测效果的问题。 使用二次卷积模块（TwiceConv-OD）过滤掉复杂
2024年4月19日 · 出,大量学者将高性能网络应用在太阳能电池片 缺陷检测中,并且获得了较好的实验结果。2017 年,文献回顾了太阳能电池表面缺陷的典型 类型,从基于全方位局、局部和局部-全方位局三个角度出 发介绍了典型的太阳能电池表面缺陷检测方法,
2024年10月21日 · 铜锌锡硫硒（Cu 2 ZnSn(S, Se) 4,CZTSSe）太阳能电池因其组成元素丰度高且无毒、工业兼容性好等优点,为实现大规模、低成本薄膜光伏应用提供了重要路径,吸引了广泛关注。然而,CZTSSe材料的多元组分使其表现出复杂的原子自掺杂和缺陷
2024年9月6日 · "工业上太阳能电池板的缺陷检测识别（代码,原图像）"这一主题聚焦于利用计算机视觉技术来自动检测和识别太阳能电池板上的裂纹和斑点等常见问题。
2019年9月23日 · 经过几十年的研究,太阳能电池缺陷之谜终于揭开！ 曼彻斯特大学科学家在世界各地进行了40年的研究后,终于解决了太阳能电池板的一个关键缺陷。大多数太阳能电池只能达到20%的效率每千瓦的等效阳光,大约可以产生200W的电能。
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