电致发光（EL）成像是用于检查光伏（PV）模块的有用模态。 EL图像提供高空间分辨率，这使得可以检测PV模块表面上甚至最精细的缺陷。然而，EL图像的分析通常是手动过程，其昂贵，耗时并且需要许多不同类型缺陷的专业知识。
在这项工作中，我们研究了两种在PV电池单个图像中自动检测此类缺陷的方法。这些方法的硬件要求不同，这些要求由各自的应用场景决定。更加硬件有效的方法基于手工制作的功能，这些功能归类为支持向量机（SVM）。为了获得强大的性能，我们调查并比较了各种处理变体。更苛刻的硬件方法使用在图形处理单元（GPU）上运行的端到端深度卷积神经网络（CNN）。两种方法都是在从单晶和多晶PV模块的高分辨率EL强度图像中提取的1968个单元上进行训练的。 CNN更准确，平均准确率达到88.42％。 SVM的平均精度略低，为82.44％，但可以在任意硬件上运行。两种自动化方法都可以对PV电池进行连续，高精度的监测。
——文章发布于2019年6月
