要約
太陽電池表面の異種質感と複雑な背景を持つ類似かつ不定形の欠陥検出は、太陽電池製造における課題となっています。従来の製造プロセスでは、人間の目による検出に依存しており、多くの労働者が必要で、安定した良好な検出効果を得るのが難しいという問題がありました。本論文では、この問題を解決するために、多スペクトル深層畳み込みニューラルネットワーク（CNN）を基にした視覚的な欠陥検出方法が設計されています。まず、選択されたCNNモデルが構築されました。モデルの深さと幅を調整することで、モデルの深さとカーネルサイズが認識結果に及ぼす影響を評価しました。最適なCNNモデル構造が選択されました。次に、太陽電池の色画像の光スペクトル特性が分析されました。異なるスペクトル帯域で様々な欠陥が異なる識別可能な特性を示すことがわかりました。これにより、複雑な質感背景特性と欠陥特性を区別するためのモデルの識別能力を向上させる多スペクトルCNNモデルが構築されました。最後に、いくつかの実験結果とK分割交差検証により、多スペクトル深層CNNモデルがより高い精度とより大きな適応性で太陽電池表面の欠陥を効果的に検出できることを示しています。欠陥認識の精度は94.30%に達しています。このようなアルゴリズムを使用することで、太陽電池製造の効率が向上し、製造プロセスがよりスマートになることが期待されます。