由于太阳能电池缺陷检测中的数据不平衡问题，导致电致发光图像生成出现缺陷

《IEEE Journal of Photovoltaics》：Defective Electroluminescence Image Generation for Data Imbalance in Solar Cell Defect Inspection

针对光伏模块电致发光图像检测中缺陷样本不足的问题，提出了一种结合图像分类与数据增强的缺陷模板生成方法。通过识别最相似正常图像，生成缺陷模板后进行小角度旋转和高斯模糊增强，最终与不同正常图像合并生成丰富缺陷样本，实验表明该方法优于传统过采样和增强方法。

　　

摘要：

利用高分辨率电致发光（EL）图像对光伏模块进行缺陷检测已经变得越来越流行。然而，关于光伏模块EL图像中的不平衡问题（即缺陷图像的数量远少于正常图像的数量）的研究相对较少。为了解决这个问题，本文提出了一种快速生成缺陷EL图像的方法。为了准确提取缺陷区域，需要识别出与缺陷图像最相似的正常图像。首先，构建了一个图像类型分类网络，用于识别与缺陷图像相同类型（单晶或多晶）的正常图像。然后，进一步使用余弦相似度来识别与缺陷图像最相似的正常图像。接下来，通过将缺陷图像与识别出的相似正常图像进行比较，得到缺陷模板。为了快速生成多样且丰富的缺陷EL图像，采用了有效的EL图像数据增强方法，并将其应用于缺陷模板。具体来说，首先引入小规模旋转和高斯模糊来增强EL图像。最后，将增强后的缺陷模板与不同的正常图像合并，以生成大量新的缺陷图像。实验表明，与常用的过采样和数据增强方法相比，我们提出的方法能够提供更丰富的信息，因此具有显著的优势。

引言

利用光伏（PV）技术是将太阳能转化为电能的最直接方法之一。近几十年来，全球光伏市场取得了显著增长。2023年全球光伏累计装机容量达到1.6太瓦，而2022年为1.2太瓦[1]。太阳能电池是关键且精密的组件，需要格外小心以保护其免受潜在损害[2]。故障的发生可能会导致光伏模块效率大幅下降[3]。