태양열 패널 검사
광전지 셀의 결함 검사
관련 제품
딥러닝 기반 산업용 이미지 분석을 위한 그래픽 프로그래밍 환경
In-Sight ViDi 딥러닝 기반 비전 소프트웨어로 작동
태양열 패널은 일반적으로 25~30년 동안 작동합니다. 각 패널을 구성하는 태양열 광전지(PV) 셀에 작은 결함만으로 직사광선을 유효 전기로 변환하는 효율이 저하되거나 조기 고장이 초래될 수 있습니다. 이러한 결함은 패널의 작동 수명 범위에서 발전 손실에 따른 커다란 비용을 야기하게 되므로 최종 조립 전에 작은 결함을 가진 경우라도 그러한 셀을 반드시 불합격 처리해야 합니다.
각 PV 셀은 앞쪽과 뒤쪽의 금속 전극, 실리콘 레이어, 반사 방지 코팅이 있는 텍스처 표면을 포함해 여러 층으로 구성됩니다. PC 셀은 시각적 텍스처와 음영에서 차이가 날 수 있으며, 이러한 변형은 성능에 영향을 미치지 않습니다. 긁힘, 균열, 공기방울, 함유물 및 접촉으로 인한 오류는 모두 최종 효율에 영향을 줍니다. 이러한 결함은 전기루미네선스(EL) 이미징, 광루미네선스(PL) 이미징, 가시광선 이미징의 여러 조합을 통해 감지됩니다.
긴 시간이 소요되는 수작업 검사 과정은 생산에 주요한 방해 현상을 초래할 수 있습니다. 기존 머신비전의 허용치는 모든 색상 및 질감 외형 변화를 구분하는 데 어려움이 있으며 결함의 종류나 크기, 결함 가능성이 있는 범위가 너무 넓기 때문에 결함을 찾기 위한 일련의 규칙을 프로그램하는 작업도 굉장히 까다롭습니다.
코그넥스 딥러닝은 태양열 셀 검사 문제를 해결하는 데 적합한 기술입니다. 이 기술은 수용가능한 전체 PV 셀 범위를 보여주는 이미지 세트와 가능한 전체 오류 범위를 보여주는 이미지 세트를 사용해 트레이닝합니다. 결함 감지 툴은 모든 배경의 질감과 색상 변화를 배제하고, 어떻게 보이는지 혹은 셀에서 어디에 나타나는지 관계없이 그 어떤 작은 결함도 식별합니다. 이 기술은 수작업 검사보다 정확도도 높고 속도도 훨씬 빠릅니다.
