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...