内/外贸生产厂家
2024年2月2日 · 提出了一种基于傅里叶单像素成像（FSI）的太阳能电池缺陷检测方法,通过投影傅里叶条纹的照明图案来区分重建中的周期性基板和缺陷,其中基板的去除率达到100%。
了解更多2024年3月4日 · 首次将 NAS 引入到光伏电池缺陷检测领域,用于自动化轻量级网络设计,减少了手工设计的工作量； 引入知识蒸馏充分利用了各种先验知识 (prior knowledge),且通过实验证明了该设计对提高缺陷光伏电池识别能力的有效性。
了解更多2023年6月30日 · 摘要： 在新能源应用技术中,太阳电池表面缺陷检测是至关重要的技术环节。 该文研究并提出一种基于YOLOv5算法的优化模型,可对静态图片进行检测也可用于实时视频中。
了解更多适用于太阳能光伏行业的PERCHJTTOPCon等主流晶硅电池制成工艺的视觉AOI检测产品,包括：硅片隐裂检测、硅片AOI色差检测、石墨舟翘变检测、制绒下料花篮检测、电池片PL检测、高精确度测量与定位等,最高终可帮助客户提升检测精确度,提高产品质量。
了解更多4 天之前 · 实验结果表明,改进后的YOLOv5模型mAP@（0.50~0.95）达到83.1%,相比于YOLOv5模型,平均精确度提高3.3个百分点,表明该文模型更加适合于太阳电池表面缺陷检测。 关键词: 深度学习, 太阳电池, 缺陷, 卷积神经网络, 目标检测, 图像处理
了解更多2024年12月4日 · 太阳能电池检测重要,涵盖范围、项目、方法、仪器及标准。 检测范围广泛,项目全方位面,方法多样,仪器先进的技术。 遵循国内外标准,确保性能质量,推动太阳能产业健康发展。
了解更多2023年7月17日 · 为了实现电致发光（Electroluminescent,EL）条件下太阳能电池的高精确度裂纹和碎片缺陷检测,将多尺度YOLOv5（You Only Look Once version 5）模型用于真实工况下的太阳能电池缺陷检测。
了解更多2024年11月27日 · 使用YOLOv8模型对太阳能光伏电池板缺陷检测数据集进行训练、评估和可视化 2050张,标注文件为YOLO适用的txt格式 6类 鸟粪, 清洁, 脏污, 电气损坏,物理损坏, 积雪覆盖''_光伏板表面缺陷检测数据集
了解更多2024年3月15日 · 摘要 针对光伏（PV）电池缺陷检测中存在的数据不均衡、缺陷尺度不一和背景纹理复杂多变等因素导致的误检、漏检问 题,提出一种基于YOLOv8的缺陷检测算法YOLOv8-EL。
了解更多2024年9月16日 · 首先,采用自校准光照学习(self-calibrated illumination, SCI)方法对低光照图像进行预处理,以增强太阳能电池片缺陷的有效特征信息。然后,引入一个空间到深度的注意力模块(space-to-depth, SPD),替换主干网络的第二个跨步卷积层,避免跨步卷积导致的信息
了解更多