太阳能板检查

检查光伏电池以进行缺陷

基于深度学习的工业图像分析的图形编程环境

由In-Sight ViDi基于深度学习的视觉软件驱动

太阳能电池板通常在现场运行25至30年。包括每个面板的太阳能光伏（PV）电池中的小缺陷降低了它们将阳光转换为可用电或导致过早失效的效率。这些缺陷可能对面板的操作寿命产生的损失产生显着成本，使得在最终组装之前抑制甚至小缺陷的细胞抑制细胞。

每个光伏电池都有好几层，包括前后金属电极、硅层和带有抗反射涂层的纹理表面。PV电池可以在视觉纹理和阴影上发生变化，而这些变化对性能没有任何影响。划痕、裂纹、气泡、夹杂物和接触成形误差都影响最终效率。它们可以通过电致发光(EL)成像、光致发光(PL)成像和可见光成像的各种组合来检测。

耗时的人工检查过程可能是生产的瓶颈。传统的机器视觉很难忽略所有德国必威可接受的颜色和纹理外观变化，而缺陷类型、大小和可能位置的广泛范围，使得很难编写一套寻找它们的规则。

获取产品演示

康耐视深度学习是解决太阳能电池检测的理想技术。它训练了一组图像，显示了可接受的PV电池的全部范围，以及一组图像，显示了可能的全部范围的错误。缺陷检测工具学会忽略所有的背景纹理和颜色变化，并识别即使是微小的缺陷，无论它们看起来像什么或它们在单元格中出现的位置。它比人工检查更准确，速度也更快。