Nhận dạng tấm pin mặt trời bị lỗi dựa trên hình ảnh điện phát quang bằng deep learning

Chỉ số đề mục

Lĩnh vực nghiên cứu

Điện hóa

Dạng tài liệu

Tác giả

Nguyễn Quốc Minh, Lê Thị Minh Châu⁽¹⁾, Nguyễn Đăng Tiến, Lê Minh Hiếu

Nhan đề

Nhận dạng tấm pin mặt trời bị lỗi dựa trên hình ảnh điện phát quang bằng deep learning

Nhan đề tiếng anh

Detect pv cell defection based on electroluminescence light using deep learning

Nguồn trích

Khoa học và Công nghệ - Đại học Thái Nguyên

Năm xuất bản

2021

Số

11

Trang

117-123

ISSN

1859-2171

Từ khóa

Pin mặt trời, Hình ảnh điện phát quang, Mạng nơron tích chập, Véctơ hỗ trợ máy học, Deep learning

Từ khóa tiếng anh

PV cell, Electroluminescence light, Convolutional neural network, Support vector machine, Deep learning

Tóm tắt

Việc xác định tấm pin mặt trời bị hỏng có vai trò rất quan trọng trong việc đảm bảo vận hành an toàn, tin cậy và hiệu suất tối đa của các nhà máy điện mặt trời. Trong nghiên cứu này, chúng tôi đề xuất sử dụng mô hình deep learning để tự động hoá việc phân loại tấm pin mặt trời bị lỗi. Mô hình này bao gồm mạng nơron tích chập được dùng để trích xuất đặc trưng và thuật toán máy học véctơ hỗ trợ để nhận dạng. Mô hình được huấn luyện và kiểm tra trên tập dữ liệu bao gồm 2.146 hình ảnh điện phát quang có độ phân giải cao của các tấm pin mặt trời loại momo và loại poly. Kết quả phân loại cho thấy mô hình đề xuất có thể phân loại được tấm pin mặt trời bị hỏng với độ chính xác đạt được là 91,63%.

Tóm tắt tiếng anh

PV cell surface defects inspection is essential to maintain safety, reliability and optimal efficiency of the solar plant. Cell surface defection is the most popular type of fault and it can be hardly detected by normal visual inspection. Defected cells without detection and maintainane can affect the performance of other normal cells since they are connected in series and parallel in large number. In this research, we present a method to automatically detect PV cell surface defection using image processing technique by deep learning model. The input data include 2146 high resolution electroluminescence images of mono and poly PV cells. This type of image is usually captured by drones. The images are then fed into convolutional neural network (CNN) for feature extraction and support vector machine (SVM) for image classification. The results show that the proposed deep learning model can classify the normal and surface defect cells with the accuracy of 91.63%.

Kí hiệu kho

TTKHCNQG, CTv 178

File toàn văn

Xem toàn văn