論文の概要: A lightweight network for photovoltaic cell defect detection in electroluminescence images based on neural architecture search and knowledge distillation

• arxiv url: http://arxiv.org/abs/2302.07455v1
• Date: Wed, 15 Feb 2023 04:00:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-16 15:52:37.322013
• Title: A lightweight network for photovoltaic cell defect detection in electroluminescence images based on neural architecture search and knowledge distillation
• Title（参考訳）: ニューラルネットワーク探索と知識蒸留に基づくエレクトロルミネッセンス画像における太陽電池欠陥検出のための軽量ネットワーク
• Authors: Jinxia Zhang, Xinyi Chen, Haikun Wei, Kanjian Zhang
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 9.784061533539822
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Nowadays, the rapid development of photovoltaic(PV) power stations requires increasingly reliable maintenance and fault diagnosis of PV modules in the field. Due to the effectiveness, convolutional neural network (CNN) has been widely used in the existing automatic defect detection of PV cells. However, the parameters of these CNN-based models are very large, which require stringent hardware resources and it is difficult to be applied in actual industrial projects. To solve these problems, we propose a novel lightweight high-performance model for automatic defect detection of PV cells in electroluminescence(EL) images based on neural architecture search and knowledge distillation. To auto-design an effective lightweight model, we introduce neural architecture search to the field of PV cell defect classification for the first time. Since the defect can be any size, we design a proper search structure of network to better exploit the multi-scale characteristic. To improve the overall performance of the searched lightweight model, we further transfer the knowledge learned by the existing pre-trained large-scale model based on knowledge distillation. Different kinds of knowledge are exploited and transferred, including attention information, feature information, logit information and task-oriented information. Experiments have demonstrated that the proposed model achieves the state-of-the-art performance on the public PV cell dataset of EL images under online data augmentation with accuracy of 91.74% and the parameters of 1.85M. The proposed lightweight high-performance model can be easily deployed to the end devices of the actual industrial projects and retain the accuracy.
• Abstract（参考訳）: 近年,太陽光発電(PV)発電所の急速な開発は,現場における太陽光発電モジュールの信頼性向上と故障診断を必要としている。 この効果により、既存のPV細胞の自動欠陥検出に畳み込みニューラルネットワーク(CNN)が広く用いられている。 しかし、これらのcnnベースのモデルのパラメータは非常に大きく、厳密なハードウェアリソースを必要とし、実際の産業プロジェクトに適用することは困難である。 これらの問題を解決するために,ニューラルアーキテクチャ探索と知識蒸留に基づくEL画像におけるPVセルの自動欠陥検出のための軽量な高速モデルを提案する。 効果的な軽量モデルを自動設計するために,まず,pvセル欠陥分類の分野にニューラルネットワーク検索を導入する。 欠陥は任意のサイズにできるため,ネットワークの適切な探索構造を設計し,マルチスケール特性をより活用する。 検索された軽量モデルの全体的な性能を向上させるため,既存の学習済み大規模モデルの知識を知識蒸留に基づいて伝達する。 注意情報、特徴情報、ロジット情報、タスク指向情報など、さまざまな種類の知識が活用され、転送される。 実験により,提案モデルは,オンラインデータ拡張によるEL画像の公開PVセルデータセットの精度91.74%,パラメータ1.85Mにおいて,最先端の性能を実現することが示された。 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。

関連論文リスト

• A Low-cost and Ultra-lightweight Binary Neural Network for Traffic Signal Recognition [5.296139403757585]
  ハードウェア展開用に設計された超軽量バイナリニューラルネットワーク(BNN)モデルを提案する。 提案モデルでは、97.64%の精度で優れた認識性能を示す。 我々の研究は、コンピュータビジョンモデルのハードウェア展開におけるBNNの大きな可能性を示している。
  論文  参考訳（メタデータ） (2025-01-14T03:19:10Z)
• Machine learning approaches for automatic defect detection in photovoltaic systems [1.121744174061766]
  太陽電池(PV)モジュールは、製造、設置、運用中に損傷を受けやすい。 無人航空機による運用中のPVモジュールの継続的な監視が不可欠である。 コンピュータビジョンは、大規模なPVプラントの欠陥を監視するための、自動的で非破壊的で費用対効果の高いツールを提供する。
  論文  参考訳（メタデータ） (2024-09-24T13:11:05Z)
• Diffusion Model Based Visual Compensation Guidance and Visual Difference Analysis for No-Reference Image Quality Assessment [78.21609845377644]
  本稿では, 複雑な関係をモデル化する能力を示す, 最先端(SOTA)生成モデルを提案する。 生成した拡張画像とノイズを含む画像を利用する新しい拡散復元ネットワークを考案する。 2つの視覚評価枝は、得られた高レベル特徴情報を包括的に解析するように設計されている。
  論文  参考訳（メタデータ） (2024-02-22T09:39:46Z)
• CINFormer: Transformer network with multi-stage CNN feature injection for surface defect segmentation [73.02218479926469]
  表面欠陥分割のための多段CNN特徴注入を用いた変圧器ネットワークを提案する。 CINFormerは、入力画像のマルチレベルCNN機能をエンコーダ内のトランスフォーマーネットワークの異なるステージに注入する、シンプルだが効果的な機能統合機構を提供する。 さらに、CINFormerはTop-Kセルフアテンションモジュールを提供し、欠陥に関するより重要な情報を持つトークンにフォーカスする。
  論文  参考訳（メタデータ） (2023-09-22T06:12:02Z)
• Local Distortion Aware Efficient Transformer Adaptation for Image Quality Assessment [62.074473976962835]
  局所歪み特性を適切に注入することにより、IQAタスクにおいて、より大きな事前訓練および固定された基礎モデルがより優れた性能を発揮することを示す。 具体的には、局所歪み構造と視覚変換器(ViT)の誘導バイアスの欠如に対して、別の事前学習畳み込みニューラルネットワーク(CNN)を用いる。 本研究では, 予め訓練したCNNから局所歪み特徴を得るための局所歪み抽出器と, 局所歪み特徴をViTに注入する局所歪み注入器を提案する。
  論文  参考訳（メタデータ） (2023-08-23T08:41:21Z)
• An Adversarial Active Sampling-based Data Augmentation Framework for Manufacturable Chip Design [55.62660894625669]
  リソグラフィーモデリングは、チップ設計マスクが製造可能であることを保証するため、チップ設計において重要な問題である。 機械学習の最近の進歩は、時間を要するリソグラフィーシミュレーションをディープニューラルネットワークに置き換えるための代替ソリューションを提供している。 本稿では,限られたデータのジレンマを解消し,機械学習モデルの性能を向上させるために,データ拡張フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-27T20:53:39Z)
• A Fault Detection Scheme Utilizing Convolutional Neural Network for PV Solar Panels with High Accuracy [0.0]
  本稿では,畳み込みニューラルネットワークを用いた故障検出手法を提案する。 バイナリ分類では、PVセルの入力画像を2つのカテゴリに分類する。 提案したCNNモデルの成功率は、バイナリ分類では91.1%、マルチ分類では88.6%である。
  論文  参考訳（メタデータ） (2022-10-14T14:19:33Z)
• POViT: Vision Transformer for Multi-objective Design and Characterization of Nanophotonic Devices [8.969089378686299]
  本稿では,半導体フォトニックデバイスを効率的に設計し,シミュレーションするための第1世代トランスフォーマーモデル(POViT)を提案する。 我々の研究は、EDAを完全自動フォトニックデザインに拡張する可能性を秘めている。
  論文  参考訳（メタデータ） (2022-05-17T01:58:34Z)
• 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)
• Cognitive Visual Inspection Service for LCD Manufacturing Industry [80.63336968475889]
  本論文では,現在FPD業界で主流となっている液晶ディスプレイ(LCD)の視覚検査システムについて述べる。 システムは、堅牢/高性能欠陥認識モデルと認知視覚検査サービスアーキテクチャの2つの基礎に基づいています。
  論文  参考訳（メタデータ） (2021-01-11T08:14:35Z)

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。