找到 2 条结果
基于深度学习的光伏组件红外、电致发光和红绿蓝图像自动缺陷检测
Deep learning-based automatic defect detection of photovoltaic modules in infrared, electroluminescence, and red–green–blue images
Yi-Sheng Laia · Chien-Chun Hsieh · Ting-Wei Liaoa · Chao-Yang Huang 等5人 · Energy Conversion and Management · 2025年5月 · Vol.332
摘要 本研究提出了一种结合图像处理技术与深度学习模型的光伏组件自动化缺陷检测系统。该系统利用三种成像方法——红外成像、红绿蓝成像和电致发光成像，识别21种类型的缺陷。红外成像通过安装在无人机上的热成像仪获取，用于检测热点和开路等热异常现象；红绿蓝成像用于识别玻璃破裂、污渍污染和植被遮挡等表面缺陷；电致发光成像则在受控暗室环境中使用电荷耦合器件相机采集，可揭示微裂纹、电池片性能退化和主栅腐蚀等内部缺陷。通过交叉比对红外图像与红绿蓝图像的结果，可有效识别缺陷成因，而电致发光成像进一步确认内部问题，并...
解读: 该深度学习缺陷检测技术对阳光电源智能运维体系具有重要价值。可集成至iSolarCloud平台,通过无人机红外成像实现光伏电站巡检自动化,结合EL成像诊断组件内部微裂纹与电池衰减,为SG系列逆变器的MPPT优化提供精准数据支持。系统99%以上检测精度和0.1秒处理速度,可显著提升PowerTitan储...
通过超结结构增强高压LDMOS的抗ESD特性
Strengthen Anti-ESD Characteristics in an HV LDMOS With Superjunction Structures
Shen-Li Chen · Yi-Sheng Lai · IEEE Transactions on Power Electronics · 2015年5月
本文研究了45V高压n型横向扩散金属氧化物半导体（nLDMOS）的抗静电放电（ESD）能力。通过引入嵌入式超结（SJ）结构，在保持低导通电阻的同时，显著提升了器件的ESD鲁棒性，解决了高压功率器件在可靠性工程中的关键瓶颈。
解读: 该研究聚焦于功率半导体器件的底层可靠性设计，对阳光电源的核心产品线具有重要参考价值。高压LDMOS广泛应用于逆变器及充电桩的驱动电路与控制芯片中，增强其抗ESD能力可直接提升产品在复杂电磁环境下的现场可靠性，降低故障率。建议研发团队关注超结结构在降低导通损耗与提升鲁棒性之间的平衡，将其作为未来功率模...