초록
태양전지 표면의 이질적인 질감과 복잡한 배경을 가진 유사하고 불확실한 결함 검출은 태양전지 제조에서 어려움을 초래합니다. 전통적인 제조 공정은 안정적이고 좋은 검출 효과를 얻기 위해 많은 인력을 필요로 하는 시각적 검사를 의존해 왔습니다. 이러한 문제를 해결하기 위해 본 논문에서는 다중 스펙트럼 딥 컨볼루션 신경망(CNN) 기반의 시각적 결함 검출 방법을 설계하였습니다. 첫째, 선택된 CNN 모델이 구축되었습니다. 모델의 깊이와 너비를 조정하여 모델 깊이와 커널 크기가 인식 결과에 미치는 영향을 평가하였습니다. 최적의 CNN 모델 구조가 선정되었습니다. 둘째, 태양전지 색상 이미지의 광스펙트럼 특성을 분석하였습니다. 다양한 결함이 서로 다른 스펙트럼 대역에서 서로 다른 구분 가능한 특성을 보이는 것으로 밝혀졌습니다. 따라서, 복잡한 질감 배경 특성과 결함 특성을 구별하는 모델의 판별 능력을 향상시키기 위해 다중 스펙트럼 CNN 모델이 구성되었습니다. 마지막으로, 일부 실험 결과와 K-폴드 교차 검증을 통해 다중 스펙트럼 딥 CNN 모델이 더 높은 정확도와 더 큰 적응성을 가지고 태양전지 표면 결함을 효과적으로 검출할 수 있음을 확인하였습니다. 결함 인식 정확도는 94.30%에 달합니다. 이러한 알고리즘을 적용하면 태양전지 제조 효율성이 향상되고 제조 과정이 더욱 지능화될 수 있습니다.