一种基于电致发光图像的光伏电池稀有缺陷定位新少样本检测器

A novel few-shot detector for rare defect localization in photovoltaic cells using electroluminescence images

Qing Liu · Min Liu · Q.M. Jonathan Wu · Weiming Shen · Solar Energy · 2025年1月 · Vol.296

准确检测光伏（PV）电池中的缺陷对于保障光伏发电系统长期稳定运行至关重要。现有的基于深度学习的方法已广泛应用于利用电致发光图像进行光伏电池缺陷检测。然而，这些方法严重依赖大量标注数据，因此在处理可用数据较少的稀有缺陷时，其有效性受到限制。为解决这一问题，本文提出了一种名为OURS_RARE_PV的新方法，用于稀有光伏电池缺陷的定位。具体而言，OURS_RARE_PV采用了一种基于迁移学习的少样本目标检测框架。首先，引入对比学习损失以放大不同类别之间的差异，并增强单个类别内部的相似性，从而获得更具...

解读: 该罕见缺陷检测技术对阳光电源SG系列光伏逆变器及iSolarCloud智慧运维平台具有重要应用价值。通过少样本学习框架和对比学习损失函数,可有效识别电池片EL图像中的稀有缺陷类型,解决传统深度学习依赖大量标注数据的局限。该方法可集成至iSolarCloud预测性维护系统,提升光伏电站异常诊断准确率,...