找到 2 条结果
用于光伏组件检测的紫外荧光成像：现场组件观测特征的最佳实践与调查
Ultraviolet Fluorescence Imaging for Photovoltaic Module Metrology: Best Practices and Survey of Features Observed in Fielded Modules
Dylan J. Colvin · Andrew M. Gabor · William C. Oltjen · Philip J. Knodle 等6人 · IEEE Journal of Photovoltaics · 2025年3月
随着光伏（PV）产业的日益成熟，对系统进行特性表征的程度也必须相应提高。紫外荧光（UVF）成像技术是一种有价值、易于实施、高通量且非侵入性的技术，可用于在现场和实验室对光伏组件进行特性表征。然而，紫外荧光成像仍是一项相对较新的技术，光伏行业的许多人仍未意识到其潜力。我们提供了获取、处理和解读紫外荧光图像的指南。我们列出了成像硬件和设置的注意事项，提出了图像处理的建议流程，并详细介绍了紫外荧光图像中显示的特征调查情况。一个包含7190个光伏组件紫外荧光图像的新数据库以及由BrightSpot Au...
解读: 该紫外荧光成像技术对阳光电源光伏逆变器产品线及iSolarCloud智能运维平台具有重要应用价值。UVF无损检测可集成至SG系列逆变器的智能诊断系统，通过识别封装脱层、电极断裂等早期缺陷，提升MPPT算法对组件异常的响应精度。标准化的缺陷特征库可嵌入iSolarCloud平台，实现大规模电站的预测性...
使用SegFormer进行有效的语义细胞分割以实现光伏阵列中的故障检测
Using SegFormer for Effective Semantic Cell Segmentation for Fault Detection in Photovoltaic Arrays
Zaid Mahboob · M. Adil Khan · Ehtisham Lodhi · Tahir Nawaz 等5人 · IEEE Journal of Photovoltaics · 2024年9月
光伏（PV）产业易受太阳能电池制造缺陷的影响。为准确评估太阳能光伏组件的效能，识别制造缺陷势在必行。传统的工业缺陷检测主要依赖高技能检查员进行人工缺陷评估，导致识别结果具有随机性和主观性。基于深度学习的光伏或太阳能电池故障检测因其卓越的效率和适用性，已成为主要研究领域。因此，本研究引入了一个基于SegFormer的故障检测框架，以实现光伏组件视觉缺陷检测过程的自动化，并对缺陷进行伪彩色处理。所提出的基于SegFormer的框架能够有效地将缺陷分为五类：裂纹缺陷、正面栅线缺陷、互连缺陷、接触腐蚀缺...
解读: 该SegFormer语义分割技术对阳光电源iSolarCloud智能运维平台具有重要应用价值。可直接集成至SG系列光伏逆变器的智能诊断模块，通过无人机红外巡检图像实现电池级故障精准定位，提升预测性维护能力。其轻量级Transformer架构适合边缘计算部署，可嵌入PowerTitan大型储能系统的B...