論文の概要: A scalable framework for annotating photovoltaic cell defects in electroluminescence images

• arxiv url: http://arxiv.org/abs/2212.07768v1
• Date: Thu, 15 Dec 2022 12:46:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-16 15:38:02.383157
• Title: A scalable framework for annotating photovoltaic cell defects in electroluminescence images
• Title（参考訳）: エレクトロルミネッセンス画像における太陽電池欠陥をアノテートするためのスケーラブルな枠組み
• Authors: Urtzi Otamendi, Inigo Martinez, Igor G. Olaizola, Marco Quartulli
• Abstract要約: PVセルの異常検出技術は、運用とメンテナンスにおいて大幅なコスト削減をもたらす可能性がある。 近年,エレクトロルミネッセンス(EL)画像の異常を自動的に検出する深層学習技術が研究されている。 本稿では,最先端のデータ駆動技術を組み合わせてゴールデンスタンダードベンチマークを作成することを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The correct functioning of photovoltaic (PV) cells is critical to ensuring the optimal performance of a solar plant. Anomaly detection techniques for PV cells can result in significant cost savings in operation and maintenance (O&M). Recent research has focused on deep learning techniques for automatically detecting anomalies in Electroluminescence (EL) images. Automated anomaly annotations can improve current O&M methodologies and help develop decision-making systems to extend the life-cycle of the PV cells and predict failures. This paper addresses the lack of anomaly segmentation annotations in the literature by proposing a combination of state-of-the-art data-driven techniques to create a Golden Standard benchmark. The proposed method stands out for (1) its adaptability to new PV cell types, (2) cost-efficient fine-tuning, and (3) leverage public datasets to generate advanced annotations. The methodology has been validated in the annotation of a widely used dataset, obtaining a reduction of the annotation cost by 60%.
• Abstract（参考訳）: 太陽電池(pv)セルの正しい機能は、太陽電池の最適性能を確保するために重要である。 PVセルの異常検出技術は、運用と保守(O&M)の大幅なコスト削減をもたらす可能性がある。 近年,エレクトロルミネッセンス(EL)画像の異常を自動的に検出する深層学習技術が研究されている。 自動異常アノテーションは、現在のO&M方法論を改善し、PV細胞のライフサイクルを拡張し、失敗を予測するための意思決定システムの開発に役立つ。 本稿では,最新のデータ駆動技術を組み合わせてゴールデンスタンダードベンチマークを作成することで,文献における異常セグメンテーションアノテーションの欠如に対処する。 提案手法は,(1)新しいPVセルタイプへの適応性,(2)コスト効率の良い微調整,(3)公開データセットを活用して高度なアノテーションを生成する。 この手法は広く使われているデータセットのアノテーションで検証され、アノテーションのコストを60%削減した。

関連論文リスト

• TinyML NLP Approach for Semantic Wireless Sentiment Classification [49.801175302937246]
  本稿では,エネルギー効率のよいプライバシ保護型小型機械学習(MLTiny)方式としてスプリットラーニング(SL)を導入する。 その結果,SLは高い精度を維持しながら処理能力とCO2排出量を低減し,FLは効率とプライバシのバランスのとれた妥協を提供することがわかった。
  論文  参考訳（メタデータ） (2024-11-09T21:26:59Z)
• A Comprehensive Case Study on the Performance of Machine Learning Methods on the Classification of Solar Panel Electroluminescence Images [0.5033467447713051]
  磁場中の太陽電池は様々な欠陥に弱い。 エレクトロルミネッセンス(EL)イメージングは、これらの欠陥を検出するために効果的で非破壊的な診断を提供する。 複数の従来の機械学習モデルと最新のディープラーニングモデルを用いて、EL太陽電池の画像を異なる機能/欠陥カテゴリに分類する。
  論文  参考訳（メタデータ） (2024-08-12T15:29:32Z)
• Energy-Guided Continuous Entropic Barycenter Estimation for General Costs [95.33926437521046]
  任意のOTコスト関数に対して連続的エントロピーOT(EOT)バリセンタを近似する新しいアルゴリズムを提案する。 本手法は、弱いOTに基づくEOT問題の二重再構成に基づいている。
  論文  参考訳（メタデータ） (2023-10-02T11:24:36Z)
• Unveiling the Invisible: Enhanced Detection and Analysis of Deteriorated Areas in Solar PV Modules Using Unsupervised Sensing Algorithms and 3D Augmented Reality [1.0310343700363547]
  本稿では,太陽光発電モジュールのホットスポットやスネールトレイルなどの異常を自動的に同定し,解析する基盤となる手法を提案する。 従来の診断法と修復法を変換することにより,効率を高めるだけでなく,PVシステムのメンテナンスコストを大幅に削減する。 我々の目指すのは、リアルタイムで自動ソーラーパネル検出にドローン技術を活用することで、PVのメンテナンスの有効性を大幅に向上させることです。
  論文  参考訳（メタデータ） (2023-07-11T09:27:00Z)
• DTW k-means clustering for fault detection in photovoltaic modules [0.07388859384645262]
  本稿では、DTW K-meansと呼ばれる教師なしのアプローチを示す。 DWT(Dynamic Time Warping)メトリックとKmeansクラスタリングアルゴリズムの両方をデータ駆動アプローチとして活用する。 PV文字列におけるこの混合手法の結果は、パネルの視覚検査によって確立された診断ラベルと比較される。
  論文  参考訳（メタデータ） (2023-06-13T07:42:35Z)
• 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)
• A Robust and Explainable Data-Driven Anomaly Detection Approach For Power Electronics [56.86150790999639]
  本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。 行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。 検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
  論文  参考訳（メタデータ） (2022-09-23T06:09:35Z)
• CellDefectNet: A Machine-designed Attention Condenser Network for Electroluminescence-based Photovoltaic Cell Defect Inspection [67.99623869339919]
  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。
  論文  参考訳（メタデータ） (2022-04-25T16:35:19Z)
• Validation Methods for Energy Time Series Scenarios from Deep Generative Models [55.41644538483948]
  一般的なシナリオ生成アプローチでは、データ分散に関する前提なしにシナリオを生成するディープ生成モデル(DGM)を使用する。 エネルギーシナリオ生成文献における現在使われている検証手法の批判的評価を行う。 過去のデータと生成されたデータの両方に4つの検証手法を適用し、検証結果の解釈と、一般的な誤り、落とし穴、検証方法の限界について議論する。
  論文  参考訳（メタデータ） (2021-10-27T14:14:25Z)
• Meta-UDA: Unsupervised Domain Adaptive Thermal Object Detection using Meta-Learning [64.92447072894055]
  赤外線(IR)カメラは、照明条件や照明条件が悪ければ頑丈である。 既存のUDA手法を改善するためのアルゴリズムメタ学習フレームワークを提案する。 KAISTおよびDSIACデータセットのための最先端熱検出器を作成した。
  論文  参考訳（メタデータ） (2021-10-07T02:28:18Z)
• Segmentation of cell-level anomalies in electroluminescence images of photovoltaic modules [0.0]
  本研究では,太陽電池モジュール全体からセルレベルの異常を検出し,検出し,セグメント化するエンド・ツー・エンドのディープラーニングパイプラインを提案する。 提案したモジュールパイプラインは,3つのディープラーニング技術を組み合わせている。 1. オブジェクト検出(Modified Faster-RNN), 2. 画像分類(EfficientNet), 3. 弱教師付きセグメンテーション(autoencoder)。
  論文  参考訳（メタデータ） (2021-06-21T10:17:40Z)

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。