Huiyan Wang · Ruihao Peng · Yiheng Zhu · Jiachen Li 等6人 · IEEE Transactions on Industrial Informatics · 2025年5月

工业光伏薄膜缺陷的自动检测对于确保光伏组件的可靠性至关重要。主要挑战包括缺陷样本有限、类别间特征相似以及复杂背景的干扰。现有的基于深度学习的方法需要大规模数据集，且仅关注视觉数据，这限制了它们在少样本缺陷检测（FSDD）中的有效性。为应对这些挑战，我们提出了上下文集成语言 - 图像多模态网络（CELIN），该网络通过提示调优融入文本信息，提升了光伏薄膜的少样本缺陷检测能力。与依赖单一固定文本提示的传统语言 - 图像模型不同，CELIN采用位置感知上下文集成策略来整合特定位置的提示向量，使模型能够...

解读: 从阳光电源的业务视角来看，这项基于语言-图像多模态网络的光伏薄膜缺陷检测技术具有重要的战略价值。作为光伏组件可靠性保障的关键环节，该技术直接关系到我们光伏逆变器、储能系统等核心产品的上游供应链质量控制。 该技术的核心创新在于解决了工业场景中的三大痛点：小样本学习、相似缺陷区分和复杂背景干扰。传统深...