48、太阳能电池缺陷检测：机器学习与深度学习模型对比

太阳能电池缺陷检测：机器学习与深度学习模型对比

1. 引言

太阳能电池，也叫光伏电池，利用光伏效应将光能直接转化为电能。激发电子的额外能量是产生电位差或电动势（e.m.f）的原因。光伏设备的效率取决于所使用的吸光材料以及将其连接到外部电路的方式。太阳能电池是可持续和可再生的能源，太阳能板的碳足迹大约比煤炭发电来源低20倍。

光伏模块通常使用玻璃层压和铝框架来保护，以抵御风、雨等环境影响。然而，诸如热、热应力和物理碰撞等外部因素，即使有这些保护措施，仍会对这些模块造成损坏。此外，制造失误（如焊接不良或短路）也会损害太阳能电池的质量和效率。

直接用肉眼检查有缺陷的单元特别具有挑战性。大多数缺陷可以通过电致发光成像（EL成像）技术轻松观察到。EL成像可用于检测多种不同类型的缺陷，包括裂缝、空洞、分层和开路。其工作原理与发光二极管类似，通过内部电流基于载流子的辐射复合产生光。太阳能电池的断开部分不发光，使得一些EL图像较暗。这是一种无损检测方法，能提供更好的分辨率。不过，EL成像成本较高，并非所有公司都能采用。

总体而言，EL成像对于太阳能电池检测是一种很有前景的技术，它比其他检测技术更灵敏，还可以实现自动化。本研究旨在比较使用EL成像进行缺陷检测的不同模型的效率，并解释它们的优缺点。

常见的太阳能电池制造缺陷包括：崩边、树枝状裂缝、微线、焊接缺陷和短路。机械变形和损坏通常会导致崩边，部分或完全破碎且有缺失部分，这些是电气性能下降或分离的部分。树枝状裂缝是分支状的，多条裂缝在电池上蔓延。微线是没有分支的单条裂缝。电池中的短路缺陷是由于电池互连退化导致的断开区域，由于不发光而呈现完全黑色。焊接缺陷在电池中表现为明亮区域的斑块。

太