机械工程学报

作者：邓堡元, 何赟泽, 王洪金, 张宏, 杨渊, 马敏敏, 牟欣颖, 杨瑞珍

单位：1. 湖南大学电气与信息工程学院 长沙 410082;2. 福建技术师范学院无损检测技术福建省高等学校重点实验室 福清 350300;3. 长沙学院土木学院 长沙 410022

关键词：光伏电池,无损检测,图像融合,深度学习；

基金：福建省自然科学基金（2020J01312）、国家自然科学基金（52077063）、国家自然科学基金委员会与英国皇家学会合作交流（61811530331）、湖南省科技创新计划科技人才专项（2018RS3039）、无损检测技术福建省高校重点实验室（福建技术师范学院）开放基金（S2-KF2012）、机械结构强度与振动国家重点实验室开放基金（SV2019-KF-17）、博士后科学基金（2018M630898）、湖南省自然科学基金面上（2018JJ2458）、长沙市杰出创新青年培养计划（kq1802023

为了实现光伏电池工厂端的智能检测，使用热红外相机采集电致热成像（Electro-thermography， ET）与短波红外相机采集电致发光现象（Electroluminescence， EL）检测光伏电池缺陷。提出一种基于光流法处理光伏电池热流场的热图像序列分析方法，准确找到异常发热源。并与短波红外成像找到的异常发光源融合，建立光伏电池检测数据库。通过深度卷积神经网络，实现对光伏电池内部缺陷与划痕、覆盖、裂纹、缺损等人工缺陷的有效识别。试验结果表明，基于光流的深度学习方法在均方误差、平均梯度、信息熵指标上优于主成分分析（Principal component analysis， PCA）与独立成分分析（Independent component analysis， ICA），并在卷积网络的训练中，能使网络更快地收敛。

来源：2021年第8期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2021年第8期