論文の概要: CellDefectNet: A Machine-designed Attention Condenser Network for
Electroluminescence-based Photovoltaic Cell Defect Inspection
- arxiv url: http://arxiv.org/abs/2204.11766v1
- Date: Mon, 25 Apr 2022 16:35:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-26 13:43:12.487288
- Title: CellDefectNet: A Machine-designed Attention Condenser Network for
Electroluminescence-based Photovoltaic Cell Defect Inspection
- Title（参考訳）: CellDefectNet: エレクトロルミネッセンスに基づく太陽電池欠陥検査のための機械設計アテンションコンデンサネットワーク
- Authors: Carol Xu, Mahmoud Famouri, Gautam Bathla, Saeejith Nair, Mohammad
Javad Shafiee, and Alexander Wong
- Abstract要約: 太陽電池の視覚検査で業界が直面している大きな課題は、現在人間の検査員が手動で行っていることである。
本研究では,機械駆動設計探索により設計した高効率アテンションコンデンサネットワークであるCellDefectNetを紹介する。
発光画像を用いた太陽電池セルの多様性を示すベンチマークデータセット上で,セルデフェクトネットの有効性を実証した。
- 参考スコア（独自算出の注目度）: 67.99623869339919
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Photovoltaic cells are electronic devices that convert light energy to
electricity, forming the backbone of solar energy harvesting systems. An
essential step in the manufacturing process for photovoltaic cells is visual
quality inspection using electroluminescence imaging to identify defects such
as cracks, finger interruptions, and broken cells. A big challenge faced by
industry in photovoltaic cell visual inspection is the fact that it is
currently done manually by human inspectors, which is extremely time consuming,
laborious, and prone to human error. While deep learning approaches holds great
potential to automating this inspection, the hardware resource-constrained
manufacturing scenario makes it challenging for deploying complex deep neural
network architectures. In this work, we introduce CellDefectNet, a highly
efficient attention condenser network designed via machine-driven design
exploration specifically for electroluminesence-based photovoltaic cell defect
detection on the edge. We demonstrate the efficacy of CellDefectNet on a
benchmark dataset comprising of a diversity of photovoltaic cells captured
using electroluminescence imagery, achieving an accuracy of ~86.3% while
possessing just 410K parameters (~13$\times$ lower than EfficientNet-B0,
respectively) and ~115M FLOPs (~12$\times$ lower than EfficientNet-B0) and
~13$\times$ faster on an ARM Cortex A-72 embedded processor when compared to
EfficientNet-B0.
- Abstract（参考訳）: 太陽電池は光エネルギーを電気に変換する電子機器であり、太陽エネルギー回収システムのバックボーンを形成する。
太陽電池の製造工程において不可欠なステップは、クラック、指の切断、壊れた細胞などの欠陥を特定するためにエレクトロルミネッセンスイメージングを用いた視覚品質検査である。
太陽電池の視覚検査で業界が直面している大きな課題は、現在人間の検査官が手動で行っていることだ。
ディープラーニングアプローチは、この検査を自動化する大きな可能性を秘めているが、ハードウェアリソースに制約のある製造シナリオは、複雑なディープニューラルネットワークアーキテクチャのデプロイを困難にしている。
本研究では,セルデベクツネット(celldefectnet)について紹介する。セルデベクツネットは,電界発光に基づく太陽電池欠陥検出のための機械駆動設計による高効率なアテンションコンデンサネットワークである。
セルデフェクトネットは410Kパラメータ (~13$\times $ lower than EfficientNet-B0) と ~115M FLOPs (~12$\times$ lower than EfficientNet-B0) と ~13$\times$ faster on a ARM Cortex A-72 embedded processor (EfficientNet-B0) の410Kパラメータ(~13$\times$ lower than EfficientNet-B0) しか持たず、86.3%の精度を達成することができる。
関連論文リスト
- Site-Controlled Purcell-Induced Bright Single Photon Emitters in Hexagonal Boron Nitride [62.170141783047974]
六方晶窒化ホウ素(hBN)でホストされる単一光子エミッタは、室温で動作する量子フォトニクス技術にとって必須の構成要素である。
我々はPurcellにより誘導されるサイト制御SPEのためのプラズモンナノ共振器の大規模アレイを実験的に実証した。
我々の結果は、明るく、均一に統合された量子光源の配列を提供し、堅牢でスケーラブルな量子情報システムへの道を開いた。
論文 参考訳（メタデータ） (2024-05-03T23:02:30Z) - PV-S3: Advancing Automatic Photovoltaic Defect Detection using Semi-Supervised Semantic Segmentation of Electroluminescence Images [5.42097399791863]
エレクトロルミネッセンス(EL)イメージングを用いた従来の健康チェックは高価で、論理的には難しい。
現在の自動化アプローチでは、大規模な手作業による専門家のラベル付けが必要になります。
EL画像における欠陥のセマンティックセグメンテーションのための半スーパービジョン学習手法であるPV-S3(Photovoltaic-Supervised Supervised)を提案する。
論文 参考訳（メタデータ） (2024-04-21T15:42:56Z) - Micro-Fracture Detection in Photovoltaic Cells with Hardware-Constrained
Devices and Computer Vision [0.0]
結晶シリコンは 脆弱で 時間の経過とともに ひび割れに弱い
本研究の目的は、太陽電池パネルのセルひび割れを検知し、潜在的な故障を予測し、警告するシステムを開発することである。
論文 参考訳（メタデータ） (2024-03-08T22:09:10Z) - Non-Intrusive Electric Load Monitoring Approach Based on Current Feature
Visualization for Smart Energy Management [51.89904044860731]
我々はAIのコンピュータビジョン技術を用いて、スマートエネルギー管理のための非侵襲的な負荷監視手法を設計する。
マルチスケールの特徴抽出とアテンション機構を備えたU字型ディープニューラルネットワークを用いて,色特徴画像からすべての電気負荷を認識することを提案する。
論文 参考訳（メタデータ） (2023-08-08T04:52:19Z) - A lightweight network for photovoltaic cell defect detection in
electroluminescence images based on neural architecture search and knowledge
distillation [9.784061533539822]
畳み込みニューラルネットワーク(CNN)は、PV細胞の既存の自動欠陥検出に広く用いられている。
本稿では,ニューラルアーキテクチャ探索と知識蒸留に基づくPVセルの自動欠陥検出のための軽量高性能モデルを提案する。
提案した軽量高性能モデルは、実際の産業プロジェクトのエンドデバイスに容易に展開でき、精度を維持できる。
論文 参考訳（メタデータ） (2023-02-15T04:00:35Z) - High-Throughput, High-Performance Deep Learning-Driven Light Guide Plate
Surface Visual Quality Inspection Tailored for Real-World Manufacturing
Environments [75.66288398180525]
光導光板は、医療用照明器具からバックライトテレビディスプレイまで幅広い用途で広く利用されている光学部品である。
本研究では,光ガイド板表面の視覚的品質検査(VQI)を現実の製造環境に適した,完全に統合された,高性能なディープラーニング駆動ワークフローを提案する。
完全統合VQIシステム内のエッジコンピューティング上でのVQIの自動化を実現するため、高コンパクトな深層アンチエイリアス型アテンションコンデンサニューラルネットワーク(LightDefectNetと呼ぶ)が開発された。
LightDetectNetが検出精度を実現する実験
論文 参考訳（メタデータ） (2022-12-20T20:11:11Z) - Anomaly segmentation model for defects detection in electroluminescence
images of heterojunction solar cells [0.0]
本稿では, 太陽電池の品質評価と異常検出のために, 蛍光画像の分類とセマンティックセグメンテーションを行うためのディープラーニングベース自動検出モデルSeMaCNNを提案する。
モデルのコアはマハラノビス距離に基づく異常検出アルゴリズムであり、関連する欠陥のある少数のデジタルエレクトロルミネッセンス画像との不均衡なデータに基づいて、半教師付きで訓練することができる。
本モデルの精度は92.5%,F1スコア95.8%,リコール94.8%,精度96.9%で,手動で注釈付き画像1049枚からなる。
論文 参考訳（メタデータ） (2022-08-11T18:02:36Z) - LightDefectNet: A Highly Compact Deep Anti-Aliased Attention Condenser
Neural Network Architecture for Light Guide Plate Surface Defect Detection [71.40595908386477]
ライトガイドプレートの製造において重要なステップは、傷、明るい暗黒点、不純物などの欠陥の検査である。
ディープラーニング駆動型コンピュータビジョンの進歩は、ライトガイドプレートの自動視覚品質検査の探索につながった。
LightDetectNetは、光ガイド板表面欠陥検出に特化して設計された、高度にコンパクトなディープアンチエイリアス化されたアテンションコンデンサニューラルネットワークアーキテクチャである。
論文 参考訳（メタデータ） (2022-04-25T16:33:37Z) - A Multi-Stage model based on YOLOv3 for defect detection in PV panels
based on IR and Visible Imaging by Unmanned Aerial Vehicle [65.99880594435643]
本研究では,無人航空機が捉えた空中画像のパネル欠陥を検出するための新しいモデルを提案する。
このモデルは、パネルと欠陥の検出を組み合わせることで、精度を向上する。
提案モデルはイタリア南部の2つの大きなPVプラントで検証されている。
論文 参考訳（メタデータ） (2021-11-23T08:04:32Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。