【摘 要】
：
新能源技术正在逐渐成为各个国家的战略发展目标,太阳能则是其中最重要的能源技术之一。目前光电转化效率最高的为单晶硅太阳能电池,单晶硅电池在生产过程中容易产生破裂、黑斑、划痕、断栅等缺陷,严重影响光电转换效率。通常对单晶硅电池板的缺陷检测采用电致发光（Electroluminescent,EL）成像原理。传统的基于EL图像的单晶硅电池板缺陷检测通常采用机器视觉检测技术,由于其准确率提升瓶颈较大,已经不
论文部分内容阅读
新能源技术正在逐渐成为各个国家的战略发展目标,太阳能则是其中最重要的能源技术之一。目前光电转化效率最高的为单晶硅太阳能电池,单晶硅电池在生产过程中容易产生破裂、黑斑、划痕、断栅等缺陷,严重影响光电转换效率。通常对单晶硅电池板的缺陷检测采用电致发光（Electroluminescent,EL）成像原理。传统的基于EL图像的单晶硅电池板缺陷检测通常采用机器视觉检测技术,由于其准确率提升瓶颈较大,已经不能满足高精度缺陷检测要求。由于近几年基于数据驱动的深度学习方法极大地提升了模型的准确率与鲁棒性,因此本文以基于EL图像的单晶硅电池板缺陷检测问题为研究对象,以深度学习中的目标检测算法作为技术手段,并融合域自适应算法,降低缺陷数据的标注成本,实现提升模型的检测精度与鲁棒性的目标。本文主要的研究内容与研究成果如下:（1）针对基于EL图像的单晶硅电池缺陷检测精度问题,提出了基于缺陷特征的数据增强方法与特征提取网络结构,并对目标检测中损失函数进行优化。针对数据集较少,类别分布不平衡等问题,提出了针对单晶硅EL图像的基于泊松融合的Copy-Pastes与基于对抗生成网络的Mosaic数据增强算法;针对断栅与破裂这类细长缺陷类型,提出了基于Inception的特征融合提取网络ELNet;针对数据中的类别不平衡与边框回归精度不高,提出了基于Focal Loss与GIoU的损失函数训练的缺陷检测模型。经过一系列算法改进,检测准确率达到91.4mAP。（2）针对单晶硅电池EL图像中缺陷类别间距小的问题,提出了基于一致性正则化方法的域自适应缺陷分类算法。本文从样本分布与特征提取层分布进行分析,设计了样本分布一致性正则化模块与特征一致性正则化模块,分别采用KL散度与MMD距离的分布距离度量损失函数,该方法有效减小缺陷之间的分布间距,并且支持端到端的模型训练。通过与本文提出的基于参数共享的对抗鉴别域自适应等算法进行t-SNE降维可视化比较,基于一致性正则化方法的域自适应算法提升类间距较明显。（3）针对单晶硅电池EL图像中缺陷检测鲁棒性低等问题,进一步提出了基于伪标签域自适应学习的单晶硅电池缺陷检测算法。通过基于弱监督学习的伪标签方法降低数据的标注成本,融合基于一致性正则化的域自适应算法,拉近源域与目标域之间的分布距离,减小伪标签学习带来的噪声数据降低模型的检测精度,有效地解决了EL图像标注耗时耗力的问题,并且提升了模型在目标域的缺陷检测精度。该方法在Cityscapes与Foggy Cityscapes公开数据集的域迁移中达到46.3mAP,在本文的El图像缺陷上达到96.2mAP。（4）开发了一款基于Flask框架的单晶硅电池缺陷检测平台。本文对缺陷检测模型进行FP16模型量化压缩,并采用TensorRT推理框架部署到NVIDIA硬件平台,搭建了基于Flask框架的网页平台部署方案,该平台集成了模型推理、缺陷统计、模型选择等多种功能,在实际的应用测试中模型推理的速度达到33FPS。
其他文献
物联网（Internet of Things,IoT）技术在近几年得到蓬勃发展,数以亿计的设备产生海量数据。网络架构是支撑物联网运行的基础,面对物联网灵活的应用场景,传统TCP/IP架构因其面向主机连接的特性,在地址分配和动态寻址等方面已表现出各种固有的不足。针对这些问题,命名数据网络（Named Data Networking,NDN）提出以内容为中心的网络架构,可以无需地址主动发起数据收集,展
关于中小企业的信用评级手段受到越来越多评级机构的关注,评级方法也步入了新的发展阶段——基于智能算法的评级模型,但评级模型的预测准确率极易受到数据、模型参数等的影响,不利于企业信用风险评估的过程和结果。因此,对数据和模型进行准确的分析和训练,对提高信用评级模型的性能,降低评级机构对企业的授信风险来说是具有重要意义的。为了提高针对中小企业的信用评级模型的精准性和适用性,论文使用SVM（Support
随着温室效应和能源危机的加剧,电动汽车因其零排放和低能耗受到世界各国和汽车厂商的青睐。电机作为电动汽车的核心动力部件,其运行性能和可靠性至关重要。相比于其他种类的电机,永磁同步电机（Permanent-Magnet Synchronous Motor,PMSM）因具有效率高、功率密度高、结构紧凑等优势,在电动汽车上得到了广泛的应用。然而,当PMSM发生相开路或短路故障后,若没有采取相关措施,将会产
随着人口增长、科技的进步,能源的需求量快速递增,同时因化石燃料的大量使用也引起了一系列的环境问题,如,大气、水体、土壤污染和温室效应等,若不能从源头解决这一系列问题,则在未来无法保证人类的命运和生态环境的可持续性发展。为了更好解决因化石燃料燃烧及石油化工生产而引起的环境污染问题,科学家致力于寻找清洁、高效和稳定的化石燃料替代能源。氢气因燃烧热高、原料充分、反应终产物清洁、零碳排放等优势,引起了科研
类风湿疾病是一种对身体危害极大的慢性全身性疾病,患者没有及时就医进行治疗,致残率将会达到70%。大量的研究证实,各种类风湿疾病越早介入治疗,恢复的效果越好。而目前类风湿疾病患者大多是发病后才进行就医,因此医院对类风湿疾病患者基本是以治疗为主,尚缺乏对类风湿疾病患者发病前身体指标异常的监控机制。而对于类风湿疾病而言,医生在早期及时进行疾病干预才是最有效的手段。因此本文利用机器学习技术,并结合现有医疗
当今社会和工业的快速发展导致传统化石能源快速消耗,并由此引起了严重的环境污染和能源紧缺问题,这迫使我们必须尽快开发出新型绿色能源以满足未来的能源需求,并构建一个更舒适的居住环境。氢能源具有高温溶解性能强、能量密度高、燃烧性能好、燃烧过程中完全不产生有害物质等优点,被认为是未来最理想的能源。在氢气的生产方法中,电解水工艺因为操作简单、氢气纯度高,是最有潜力的制备方法。但目前电解水析氢反应（HER）中
近年来,永磁同步电机凭借其高效率,低温升以及高功率因素等优点,被广泛应用于各行各业中。与此同时,它的安全性和可靠性也成了人们选择电机的首要考虑因素。退磁故障是永磁同步电机故障中的一种,轻则影响电机运行效率,重则导致电机损毁,造成令人难以接受的后果。若能在永磁同步电机运行初期,及时诊断出退磁故障并加以维修,就能预防退磁程度进一步扩大,从而减少维修费用,保障人身安全。因此,诊断永磁同步电机的退磁故障具
当前,全球自动驾驶汽车的发展浪潮正大力助推汽车高级辅助驾驶系统与汽车主动安全系统的研发。准确地感知车辆所需的多种信息对车辆系统的稳定运行具有重要意义。现有的信息感知方法大多针对某一类信息,且/或往往在特定的简单场景（如:水平路面、车辆结构参数保持不变等）下进行。但是,不同种类的车辆系统信息之间往往存在不同程度的耦合关系,对某类信息单独感知的做法常常伴随着鲁棒性和适用性问题。此外,由于地形限制或设计
无线传感器网络（Wireless Sensor Networks,WSNs）作为物联网（Internet of Things,Io T）重要的“神经末梢”,目前已成为新一代高效信息获取和处理技术的代表,其通过随机部署在网络内部的传感器节点来感知周围环境,从而完成应用中的监测任务。随着WSNs在不同领域中大显身手,其节点储存能力弱、能量效率低等缺陷也逐渐凸显。而分簇路由协议作为一种高效可扩展的路由协
锍盐类化合物由于其空间结构和价态变化是有机合成中重要的反应物和中间体,且其带有正电荷,可以很容易的发生单电子还原,从而在天然产物和药物分子的合成中起到重要作用。光诱导碳-硫键断裂产生的自由基中间体可用于构建各种化学键。本论文主要是将烯基锍盐、芳基锍盐与光催化结合,使其作为自由基受体或者自由基供体实现C-C键的形成。包括的工作如下:（1）可见光催化的烯基锍盐作为迈克尔受体的乙烯基化反应。在本章中,我