找到 1 条结果
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...