論文の概要: A Comprehensive Case Study on the Performance of Machine Learning Methods on the Classification of Solar Panel Electroluminescence Images
- arxiv url: http://arxiv.org/abs/2408.06229v1
- Date: Mon, 12 Aug 2024 15:29:32 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-13 13:56:12.937666
- Title: A Comprehensive Case Study on the Performance of Machine Learning Methods on the Classification of Solar Panel Electroluminescence Images
- Title（参考訳）: ソーラーパネルエレクトロルミネッセンス画像の分類における機械学習手法の性能に関する総合的研究
- Authors: Xinyi Song, Kennedy Odongo, Francis G. Pascual, Yili Hong,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.5033467447713051
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Photovoltaics (PV) are widely used to harvest solar energy, an important form of renewable energy. Photovoltaic arrays consist of multiple solar panels constructed from solar cells. Solar cells in the field are vulnerable to various defects, and electroluminescence (EL) imaging provides effective and non-destructive diagnostics to detect those defects. We use multiple traditional machine learning and modern deep learning models to classify EL solar cell images into different functional/defective categories. Because of the asymmetry in the number of functional vs. defective cells, an imbalanced label problem arises in the EL image data. The current literature lacks insights on which methods and metrics to use for model training and prediction. In this paper, we comprehensively compare different machine learning and deep learning methods under different performance metrics on the classification of solar cell EL images from monocrystalline and polycrystalline modules. We provide a comprehensive discussion on different metrics. Our results provide insights and guidelines for practitioners in selecting prediction methods and performance metrics.
- Abstract（参考訳）: 太陽光発電(PV)は、再生可能エネルギーの重要な形態である太陽エネルギーの回収に広く用いられている。
太陽電池アレイは、太陽電池から構築された複数の太陽電池パネルで構成されている。
磁場中の太陽電池は様々な欠陥に対して脆弱であり、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。
機能的対欠陥細胞数の非対称性のため、EL画像データに不均衡ラベル問題が発生する。
現在の文献では、モデルトレーニングと予測に使用する方法やメトリクスについての洞察が欠けている。
本稿では,単結晶および多結晶モジュールからの太陽電池EL画像の分類において,異なる性能指標の下で異なる機械学習手法とディープラーニング手法を総合的に比較する。
私たちはさまざまなメトリクスについて包括的な議論をしています。
本研究は,予測手法と評価指標の選択における実践者に対する洞察とガイドラインを提供する。
関連論文リスト
- 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) - A Comparative Study on Generative Models for High Resolution Solar
Observation Imaging [59.372588316558826]
本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。
スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
論文 参考訳（メタデータ） (2023-04-14T14:40:32Z) - Pixel-Level Explanation of Multiple Instance Learning Models in
Biomedical Single Cell Images [52.527733226555206]
複数のインスタンス学習モデルを説明するための4つの属性法について検討する。
急性骨髄性白血病の2つのデータセットと100万以上の単細胞画像について検討した。
我々は、属性マップと医療専門家の注釈を比較し、モデルの意思決定が人間の基準とどのように異なるかを確認する。
論文 参考訳（メタデータ） (2023-03-15T14:00:11Z) - Computational Solar Energy -- Ensemble Learning Methods for Prediction
of Solar Power Generation based on Meteorological Parameters in Eastern India [0.0]
特定の地理的位置に対して太陽光発電(PV)発電量を推定することが重要である。
本稿では,太陽PV発電における気象パラメータの影響を,Bagging,Boosting,Stacking,VottingなどのEnsemble ML(EML)モデルを用いて推定する。
その結果,スタックモデルと投票モデルでは,約96%の予測精度が得られた。
論文 参考訳（メタデータ） (2023-01-21T19:16:03Z) - Deep Learning Methods for Calibrated Photometric Stereo and Beyond [86.57469194387264]
光度ステレオは、さまざまなシェーディングキューを持つ複数の画像から物体の表面の正常性を回復する。
深層学習法は、非ランベルト面に対する測光ステレオの文脈において強力な能力を示している。
論文 参考訳（メタデータ） (2022-12-16T11:27:44Z) - A scalable framework for annotating photovoltaic cell defects in
electroluminescence images [0.0]
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。
論文 参考訳（メタデータ） (2022-12-15T12:46:31Z) - 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) - Physics Embedded Machine Learning for Electromagnetic Data Imaging [83.27424953663986]
電磁法(EM)イメージングは、セキュリティ、バイオメディシン、地球物理学、各種産業のセンシングに広く応用されている。
機械学習(ML)技術,特に深層学習(DL)技術は,高速かつ正確な画像化の可能性を秘めている。
本稿では、学習に基づくEMイメージングに物理を取り入れる様々なスキームについて検討する。
論文 参考訳（メタデータ） (2022-07-26T02:10:15Z) - 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) - Adversarial Energy Disaggregation for Non-intrusive Load Monitoring [78.47901044638525]
非侵入負荷モニタリング(Non-Inrusive Load Monitoring, NILM)としても知られるエネルギー分散は、家庭全体の電力消費を家電固有の個人消費に分けるという問題に挑戦する。
近年の進歩は、ディープニューラルネットワーク(DNN)がNILMに有利な性能を得られることを示している。
我々は、エネルギー分散タスクに新しくなったNILMに、敵対的学習の考え方を導入する。
論文 参考訳（メタデータ） (2021-08-02T03:56:35Z) - Weakly Supervised Segmentation of Cracks on Solar Cells using Normalized
Lp Norm [11.014960310006385]
太陽電池の発光画像にひび割れを分割するための弱教師付き学習手法を提案する。
ネットワークアクティベーションマップからセグメント化を導出するために,ResNet-50を改良した。
また,本手法は,他の弱教師付きセグメンテーション問題も解決できる可能性が示唆された。
論文 参考訳（メタデータ） (2020-01-30T10:51:25Z)
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。