تشخیص و مکان یابی خودکار میکروکرک ها در تصاویر الکترولومینسانس پنل های خورشیدی مبتنی بر یادگیری عمیق

چکیده - در این پژوهش، سیستمی مبتنی بر یادگیری عمیق برای تشخیص و مکان یابی میکروکرک ها در تصاویر الکترولومینسانس (EL) پنل های خورشیدی ارائه شده است. معماری پیشنهادی شامل دو زیرشبکه قطعه بندی و تصمیم گیری است؛ شبکه قطعه بندی ویژگی های تصاویر را استخراج کرده و نواحی مشکوک به عیب را مشخص می کند، سپس شبکه تصمیم گیری با تحلیل دقیق تر، وجود و شدت عیوب را تعیین می نماید. از میان ۱۰۸۹ تصویر بدون برچسب، ۲۸۴ تصویر به صورت دستی برچسب گذاری شد. تعداد کل تصاویر برچسب گذاری شده به ۲۸۴ تصویر رسید. سپس، تصاویر خام به ۱۲۶ قسمت کوچک تر تقسیم شدند تا تمرکز بر خطوط عمودی و نواحی مستعد عیب افزایش یابد. دادگان نهایی با ۳۴۱۹ تصویر تهیه گردید. مدل با تنظیم پارامترهایی مانند نرخ یادگیری ۰٫۵، تعداد اپوک ۸۰ و اندازه دسته های ۶۴ آموزش داده شد. ارزیابی مدل نشان داد که میانگین دقت (Average Precision) برابر با ۰٫۹۶۸۷ و مقدار AUC برابر با ۰٫۹۶۲۹ است، که بیانگر توانایی بالای مدل در تشخیص میکروکرک ها است. استفاده از کارت گرافیک NVIDIA GeForce RTX ۴۰۶۰ Ti با ۱۶ گیگابایت حافظه، زمان آموزش را به حدود ۳ ساعت کاهش داد. نتایج نشان می دهد که مدل پیشنهادی می تواند به عنوان ابزاری موثر و قابل اعتماد برای تشخیص عیوب میکروکرک در پنل های خورشیدی به کار گرفته شود.

کلیدواژه ها:

الکترولومینسانس ، تشخیص عیب ، قطعه بندی تصاویر ، میکروکرک ، یادگیری عمیق