電致發(fā)光(EL)圖像自動檢測挑戰(zhàn)

●預計電池板或模塊之間存在較大的發(fā)光變化，但這些變化是可接受的。

●一些缺陷(如微裂紋或接觸形成的誤差)可能非常微妙，難以與強烈且高度不規(guī)則的背景紋理區(qū)分開來。

●存在大量完全不同類型的缺陷，這導致無法開發(fā)出一種簡單而可靠的算法來檢測所有這些缺陷。

解決方案

有了康耐視ViDi套件和監(jiān)督模式下的ViDi紅色檢查工具后，光伏模組EL圖像的自動化分析現在變得極其簡單。

軟件算法可以基于一組標注的具有代表性的不同類型缺陷以及已知合格元件樣本的圖像自行進行訓練。學習系統能夠自動組合各種背景信息，以創(chuàng)建可靠的缺陷模型。

當訓練階段完成后，就可以隨時繼續(xù)進行檢測。該套件能夠快速識別和報告電池板的所有缺陷區(qū)域。

康耐視ViDi套件基于深度學習的工業(yè)級圖像分析軟軟件，可實現自動檢測和分類。

?類似于人類：勝過最優(yōu)秀的質量檢測員

?自主學習：無需開發(fā)軟件

?功能強大：解決無法編程的檢測挑戰(zhàn)

它是如何工作的?

非常簡單，只需執(zhí)行下面的步驟

1.收集不同類型缺陷以及無缺陷元件樣本的圖像

2.讓康耐視ViDi套件基于這些樣本進行訓練，并創(chuàng)建參考模

3.繼續(xù)進行測試

微裂紋

最具挑戰(zhàn)性的缺陷類型為微裂紋，主要是由于復雜背景通常與這類缺陷具有許多相同的特征。我們向學習系統提供一組具有代表性的微裂紋缺陷樣本，以創(chuàng)建可靠的缺陷模型。同時，它還可以學習將微裂紋與背景圖案的類似外觀區(qū)分開來。因此，檢測將同時具有高度的針對性和選擇性。

結果和性能

卓越的檢測性能：能夠自動檢測和識別EL圖像中顯示的光伏模塊中大多數類型的缺陷(裂紋、斷裂、短路、細柵線斷開、接觸形成的誤差)。

自主學習：進行EL圖像檢測時無需大量精心調諧和優(yōu)化的檢測算法，相反，它依靠類似于人類的方法，即學習和應用，而且相比人工檢測員，能夠提高測試的一致性和可重復性。

快速輕松：只需不到30分鐘便可基于一組具有代表性的樣本圖像完成學習。