Prüfung von Solarmodulen
Photovoltaikzellen auf Fehler prüfen
Ähnliche Produkte
Grafische Programmierumgebung für Deep Learning-basierte industrielle Bildanalyse
Ausgestattet mit der In-Sight ViDi Deep-Learning-basierten Bildverarbeitungssoftware
Solarmodule sind üblicherweise 25 bis 30 Jahre im Einsatz. Kleine Mängel an Photovoltaikzellen (PV), aus denen jedes Modul besteht, verringern den Wirkungsgrad, mit dem Sonnenlicht in nutzbaren Strom verwandelt wird, oder führen zu vorzeitigen Ausfällen. Solche Mängel können über die Betriebsdauer der Module erhebliche Kosten durch entgangene Stromerzeugung hervorrufen, daher müssen Zellen mit nur kleinen Mängeln vor der Endmontage unbedingt aussortiert werden.
Jede Solarzelle besteht aus mehreren Schichten, einschließlich Metallelektroden vorne und hinten, einer Siliziumschicht und einer strukturierten Oberfläche mit einer Anti-Reflexionsbeschichtung. Solarzellen können sich hinsichtlich visueller Textur und Tönung unterscheiden, ohne dass solche Variationen Auswirkungen auf die Leistung haben. Kratzer, Risse, Blasen, Einschlüsse und Kontaktausbildungsfehler beeinträchtigen alle den endgültigen Wirkungsgrad. Sie werden mit verschiedenen, miteinander kombinierten Bildgebungstechniken wie Elektrolumineszenz (EL), Photolumineszenz (PL) und sichtbarem Licht entdeckt.
Zeitaufwändige manuelle Prüfprozesse können zu einem Produktionsengpass führen. Herkömmliche industrielle Bildverarbeitung tut sich schwer, alle annehmbaren Variationen des farblichen und strukturellen Erscheinungsbilds zu ignorieren, während die vielen Fehlertypen, Größen und möglichen Positionen eine Programmierung von Regeln für deren Auffinden erschweren.
Cognex Deep Learning ist die ideale Technologie für die Prüfung von Solarzellen. Sie wird anhand eines Bildsatzes trainiert, der die gesamte Bandbreite der annehmbaren Solarzellen zeigt, sowie anhand eines Bildsatzes mit der gesamten Bandbreite möglicher Fehler. Das Defekterkennungstool lernt alle Variationen der Hintergrundstruktur und Farbe zu ignorieren und erkennt sogar winzige Mängel, ungeachtet ihres Aussehens oder der Lage. Es ist genauer und wesentlich schneller als die manuelle Prüfung.
