太阳能电池板检测

检测光伏电池的缺陷

相关产品

VisionPro Deep Learning

面向深度学习工业图像分析的图形化编程环境

In-Sight D900

采用 In-Sight ViDi 技术的深度学习式视觉软件

太阳能电池板通常可服役 25 到 30 年。电池板上太阳能光伏 (PV) 电池上的小缺陷会降低将阳光转化成可用电力的效率，或者导致过早出现故障。这些缺陷会大幅影响电池板在服役期间的产电量，因此在最终装配前，即使是有小缺陷的电池也必须判为不合格。

每个 PV 电池都有多个层，包括前后金属电极、一个硅层，以及一个带反光涂层的纹理表面。PV 电池在视觉纹理和阴影方面会有差异，虽然这些差异对性能没有任何影响。划伤、裂缝、气泡、杂质和接触成型错误都会影响最终效率。这些可以通过电致发光 (EL) 成像、光致发光 (PL) 成像和可见光成像的各种组合来检测。

费时的人工检测流程会成为生产瓶颈。传统的机器视觉很容易受到各种颜色和纹理外观差异（这些是可接受的）的影响，而且缺陷类型、大小和可能位置的巨大差异使得难以编程查找规则。

Cognex Deep Learning 是解决太阳能电池检测问题的理想技术。它使用各种可接受 PV 电池的图像和各种错误的图像进行训练。缺陷探测工具可以学习忽略背景纹理和颜色差异，同时识别甚至最小的缺陷，无论它们外观如何，或者在电池上的什么位置。它比人工检测更准确，速度也快得多。