인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
This paper presents a solar cell crack detection system for use in photovoltaic (PV) assembly units. The system utilizes four different Convolutional Neural Network (CNN) architectures with varying validation accuracy to detect cracks, microcracks, Potential Induced Degradations (PIDs), and shaded areas. The system examines the electroluminescence (EL) image of a solar cell and determines its acceptance or rejection status based on the presence and size of the crack. The proposed system was tested on various solar cells and achieved a high degree of accuracy, with an acceptance rate of up to 99.5%. The system was validated with thermal testing using real-world cases, such as shaded areas and microcracks, which were accurately predicted by the system. The results show that the proposed system is a valuable tool for evaluating the condition of PV cells and can lead to improved efficiency. The study also shows that the proposed CNN model outperforms previous studies and can have significant implications for the PV industry by reducing the number of defective cells and improving the overall efficiency of PV assembly units.
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
