太阳能电池内部缺陷检测

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。

直流快充桩

高功率直流快充桩，专为电动汽车充电站、商业设施及公共停车场设计，提供高效、安全的电动车智能充电解决方案，推动绿色交通发展。

光伏储能充电一体柜

结合太阳能发电、储能和电动车充电功能，光伏储能充电一体柜广泛应用于工业园区、商业综合体及离网地区，实现绿色能源智能调度与高效储能管理。

折叠式太阳能电池板集装箱

专为应急救援、野外作业及偏远地区设计的便携式光伏储能系统，支持快速部署，提供高效的离网供电解决方案，助力可持续能源发展。

海岛光伏微电网

海岛光伏微电网系统专为偏远海岛及离网区域提供独立能源解决方案，融合太阳能、风能与储能技术，确保清洁能源的稳定供应，推动绿色能源普及。

移动式风力发电站

移动式风力发电站为应急供电、户外施工及野外科考提供稳定、高效的绿色能源支持，是理想的可移动新能源供电解决方案。

智能微电网调度监控系统

智能微电网调度监控系统通过实时监控光伏储能系统的运行状态，优化能源分配与调度，提升电网稳定性及能源利用效率，是现代微电网管理的核心。

基于改进YOLOv8的光伏电池缺陷检测

PL在线检测设备：光伏产业智能检测解决方案

2024年11月4日 · PL检测模组,是将自动光学色差在线检测与电池片PL检测组整合到一起的一体化解决方案,采用高度智能算法,精确准检测电池片色差和缺陷,可极大提高缺陷的识别率,降低误判率和漏检率,为光伏产业的质量保障提供了重要支持。

基于YOLOv8优化改进的太阳能电池片缺陷检测模型

2024年9月16日 · 针对太阳能电池片缺陷检测中存在检测精确度低、误检和漏检率高的问题,本文在深度学习模型YOLOv8的基础上进行优化与改进,提出了一种太阳能电池片电致成像(electroluminescent, EL)缺陷检测模型。

精确率达 91.74%！东南大学提出光伏电池缺陷检测模型

2024年3月4日 · 卷积神经网络 (CNN) 凭借其强大的特征捕获能力,结合基于高分辨率的电致发光 (electroluminescence, EL) 成像,正在成为 PV 缺陷检测的主流方法。不过基于 CNN 的模型参数通常较大,且对硬件资源要求严格,因此很难在实际的工业项目中得到大规模部署。为了同时满足工业领域对缺陷检测的精确度和速度要求,来自东南大学自动化学院的张金霞教授团队, 提出了

全方位球最高大光伏电池缺陷异常检测数据集PVELAD【发布

2022年10月10日 · 河北工业大学、北京航空航天大学联合发布的——PVEL-AD 数据集又叫做EL2021数据集是用于对光伏电池异常缺陷检测方法进行基准测试的数据集。太阳能光伏电池缺陷异常检测数据集PVELAD。

帝视科技-光伏硅片电池视觉检测解决方案-太阳能光伏产业

光伏硅片电池视觉检测解决方案,结合人工智能及传统瑕疵检测算法,可高效检测电池片或者硅片表面各种缺陷,有效加强了光伏电池片生产过程中各环节的产品质量监控,提升产品合格率,涵盖硅片隐裂检测、硅片AOI色差检测、石墨舟翘变检测、制绒下料花篮

基于CooVally的多晶硅太阳能板缺陷检测

2024年6月5日 · 基于机器视觉的太阳能电池片外观缺陷检测(Labview)以Labview软件为平台,建立包含图像采集、图像处理、缺陷检测、结果显示等模块的太阳能电池片外观缺陷检测系统

基于Faster RCNN的太阳能电池片内部缺陷检测系统研究

本研究针对单晶类电池片镀膜后产品存在无法检测内部缺陷的问题,搭建了缺陷检测系统,完善了质量检测体系。首先利用近红外成像装置,实现了对太阳能电池片光致发光特征图的采集,之后运用基于产品图像的平场矫正技术与频域滤波对图像进行亮度平滑处理,再通过改进的FasterRCNN算法对缺陷进行定位及分类,最高后使用基于传统图像算法的缺陷筛选算法对分类

晶硅组件常见的内部缺陷分析

2023年9月20日 · 利用光生伏特别有效应的逆过程,给太阳能电池通电,电池内部的电子与空穴复合过程发射光子并释放能量,及电致发光,太阳能电池电致发光的波长范围在800nm----1300nm。

太阳能电池组件缺陷检测(EL)全方位自动测试仪-行业新闻-武汉爱疆

6 天之前 · 太阳能电池组件缺陷检测（EL）全方位自动测试仪主要应用于太阳能电池或电池组件的内部缺陷检测,包括隐裂、碎片、虚焊、断栅以及不同转换效率单片电池异常现象等。

上一篇：48v电池组放电过度怎么恢复

下一篇：企业太阳能光伏工厂有哪些