找到 3 条结果
基于拟态视觉的光伏电池缺陷检测仿生模型
Mimetic Vision-Based Bionic Model for Photovoltaic Cell Defect Detection
曲朝阳 · 臧积业 · 曲楠 · 董运昌 等6人 · 中国电机工程学报 · 2025年9月 · Vol.45
太阳能在新型电力系统中具有关键作用，光伏电池缺陷检测对清洁能源转型至关重要。针对传统模型难以识别复杂纹理下微小瑕疵的问题，提出一种拟态视觉仿生检测模型。该模型受人类感受野与周边视觉机制启发，设计拟态视觉注意力与仿生特征提取模块，动态感知上下文并捕捉缺陷细粒度特征；结合脑信息传递方式构建分离式空间语义融合金字塔，增强特征表达能力；借鉴脑皮层分区机制设计自适应分离检测头，解耦分类与定位任务，提升多尺度检测性能。实验验证了模型的有效性。
解读: 该拟态视觉缺陷检测技术对阳光电源光伏产业链具有重要应用价值。在SG系列光伏逆变器的智能运维层面，可集成至iSolarCloud云平台实现组件级缺陷智能诊断，通过仿生注意力机制精准识别EL图像中的隐裂、热斑等微小缺陷，提升预测性维护能力。在PowerTitan储能系统中，该模型可用于电池模组出厂质检与...
基于感知损失的DCGAN与VGG16集成模型在电致发光图像中增强光伏缺陷检测
Enhanced Photovoltaic Defect Detection Using Perceptual Loss in DCGAN and VGG16-Integrated Models on Electroluminescence Images
Nadia Drir · Adel Mellit · Maamar Bettayeb · Mahmoud Dhimish · IEEE Journal of Photovoltaics · 2025年3月
光伏（PV）组件中的缺陷会显著影响其效率和可靠性，因此精确检测对于质量控制至关重要。本研究提出了一种改进的生成对抗网络框架，将深度卷积生成对抗网络（DCGAN）与视觉几何组16（VGG16）以及感知损失函数相结合，以生成高质量的合成缺陷图像并改进缺陷分类。所提出的模型将分类准确率从84%提高到了90%，表现出优于标准DCGAN的性能。主要改进包括生成更逼真的合成图像、减少图像质量差异以及解决缺陷数据集的类别不平衡问题。该改进框架在呈现罕见和复杂缺陷方面表现尤为出色，能改善具有挑战性的缺陷模式的分...
解读: 该基于DCGAN与VGG16的EL图像缺陷检测技术对阳光电源光伏产品线具有重要应用价值。可直接应用于SG系列逆变器的生产质量控制环节，通过电致发光成像快速识别组件微裂纹、热斑等隐性缺陷，提升出厂检测效率。感知损失函数增强的语义特征提取能力，可集成至iSolarCloud智能运维平台，实现电站组件的在...
一种基于优化YOLOv8的单阶段光伏组件缺陷检测方法
A Single-Stage Photovoltaic Module Defect Detection Method Based on Optimized YOLOv8
Yihong Gao · Chengxin Pang · Xinhua Zeng · Pengyi Jiang · IEEE Access · 2025年1月
针对光伏组件缺陷检测中微小缺陷特征易丢失、计算复杂度高及边缘设备部署困难等问题，提出一种基于YOLOv8的单阶段检测模型PSA-PVdetector（PSA-det）。该模型引入部分空间注意力（PSA）机制，结合部分卷积与空间注意力，优化特征提取并降低计算开销；设计多通道特征融合（MCFF）检测头，提升小目标缺陷的定位精度；采用结合边界框形状信息的ShapeIoU作为回归损失，增强缺陷定位准确性。实验表明，PSA-det在Panel-2和Solar数据集上mAP50分别达到87.2%和72.0%...
解读: 该优化YOLOv8缺陷检测技术对阳光电源智能运维体系具有重要应用价值。PSA-det模型的2.6ms低延迟推理能力可直接部署于iSolarCloud云平台的边缘计算节点，实现SG系列光伏逆变器组件的实时缺陷诊断。其87.2%的高精度微小缺陷识别能力可增强预测性维护功能，提前发现热斑、隐裂等故障隐患，...