Inspección de panel solar
Inspeccionar las celdas fotovoltaicas en busca de defectos
Productos relacionados
Entorno de programación gráfica para análisis de imágenes industriales basado en el Deep Learning
Impulsado por el software para visión basado en el Deep Learning In-Sight ViDi
Los paneles solares suelen funcionar en el campo entre 25 y 30 años. Pequeños defectos en las celdas fotovoltaicas (PV) solares que componen cada panel disminuyen la eficiencia con la que convierten la luz solar en electricidad utilizable o provocan un fallo prematuro. Estos defectos pueden suponer un costo significativo en la pérdida de generación de energía a lo largo de la vida útil del panel, por lo que es imperativo rechazar las celdas con defectos, incluso pequeños, antes del montaje final.
Cada celda PV tiene varias capas, incluidos los electrodos metálicos delanteros y traseros, una capa de silicio y una superficie texturizada con un revestimiento antirreflejante. Las celdas PV pueden variar en textura visual y sombra sin que estas variaciones afecten al rendimiento. Los rayones, las grietas, las burbujas, las inclusiones y los errores de formación de contactos afectan a la eficiencia final. Se detectan mediante varias combinaciones de imágenes de electroluminiscencia (EL), imágenes de fotoluminiscencia (PL) e imágenes de luz visible.
Los procesos de inspección manual, que consumen mucho tiempo, pueden ser un cuello de botella en la producción. La visión artificial convencional tiene problemas para descartar todas las variaciones aceptables de color y apariencia de la textura, mientras que la amplia variedad de tipos de defectos, tamaños y posibles ubicaciones hace difícil programar un conjunto de reglas para encontrarlos.
El aprendizaje profundo de Cognex es una tecnología ideal para resolver la inspección de celdas solares. Se entrena en un conjunto de imágenes que muestran toda la variedad de celdas PV aceptables y un conjunto de imágenes que muestran toda la gama de errores posibles. La herramienta de detección de defectos aprende a ignorar todas las variaciones de textura y color del fondo, e identifica incluso los defectos más pequeños, sin importar su aspecto o el lugar en el que aparecen en la celda. Es más preciso y mucho más rápido que la inspección manual.
