[論文レビュー] Segmentation of Photovoltaic Module Cells in Electroluminescence Images.

Sergiu Deitsch, Claudia Buerhop‐Lutz+3 more|arXiv (Cornell University)|Jun 18, 2018

Industrial Vision Systems and Defect Detection参考文献 26被引用数 30

ひとこと要約

本稿では、太陽電池モジュールの赤外電荷励起発光（EL）画像における個々の太陽電池セルのセグメンテーションを、ロバストでマルチステップの自動化手法として提案する。エッジ特徴を活用し、レンズキャリブレーションに垂直線制約を適用することで、中央加重Jaccardインデックスが94.47%、F1スコアが97.54%に達し、PVモジュールの劣化状態を高精度かつスケーラブルに分析可能となる。

ABSTRACT

High resolution electroluminescence (EL) images captured in the infrared spectrum allow to visually and non-destructively inspect the quality of photovoltaic (PV) modules. Currently, however, such a visual inspection requires trained experts to discern different kinds of defects, which is time-consuming and expensive. Automated segmentation of cells is therefore a key step in automating the visual inspection workflow. In this work, we propose a robust automated segmentation method for extraction of individual solar cells from EL images of PV modules. This enables controlled studies on large amounts of data to understanding the effects of module degradation over time-a process not yet fully understood. The proposed method infers in several steps a high-level solar module representation from low-level edge features. An important step in the algorithm is to formulate the segmentation problem in terms of lens calibration by exploiting the plumbline constraint. We evaluate our method on a dataset of various solar modules types containing a total of 408 solar cells with various defects. Our method robustly solves this task with a median weighted Jaccard index of 94.47% and an $F_1$ score of 97.54%, both indicating a very high similarity between automatically segmented and ground truth solar cell masks.

研究の動機と目的

• 高解像度の電荷励起（EL）画像における太陽電池モジュールの個々の太陽電池セルのセグメンテーションを自動化すること。
• 時間と費用がかかる専門家によるラベル付けに依存するのを減らすこと。
• 時間経過に伴うPVモジュールの劣化に関する大規模で制御された研究を可能にすること。
• さまざまなモジュールタイプや欠陏状態に耐性のある手法を開発すること。
• 破壊的でないPV品質評価におけるセルレベルの欠陏検出の正確性と再現性を向上させること。

提案手法

• 本手法は、PVモジュールの赤外電荷励起（EL）画像から低レベルのエッジ特徴を抽出することから始める。
• レンズ歪みをモデル化するための垂直線制約を用いてセグメンテーションタスクを定式化し、幾何的正確性を向上させる。
• エッジ検出と幾何的制約を統合した階層的処理パイプラインを通じて、高レベルの太陽モジュール表現を推定する。
• キャリブレートされた画像幾何学を活用して、構造的パターンに基づき個々のセルを整列・セグメンテーションする。
• 異なるモジュールタイプにおけるセルのサイズ・形状・欠陏タイプの変動に対しても、本手法は耐性を持つように設計されている。
• 正解マスクを用いてセグメンテーション性能を評価し、加重JaccardインデックスとF1スコアといった指標を用いる。

実験結果

リサーチクエスチョン

• RQ1 完全に自動化された手法が、多様なPVモジュールタイプにわたって電荷励起画像における太陽電池セルの高精度セグメンテーションを達成できるか？
• RQ2 レンズ歪みを考慮することで、垂直線制約がセグメンテーションの正確性をどの程度向上させるか？
• RQ3 提案手法が、さまざまな欠陏タイプやモジュール構成にどの程度一般化可能か？
• RQ4 正解アノテーションと比較して、IoUおよびF1スコアのどの程度の性能が達成可能か？
• RQ5 この手法により、長期的なPVモジュールの劣化に関するスケーラブルなデータ駆動型研究が可能になるか？

主な発見

• 提案手法は、さまざまなモジュールタイプからの408個の太陽電池セルにおいて、中央加重Jaccardインデックスが94.47%の中央値を達成した。
• F1スコアは97.54%を達成し、予測マスクと正解マスクの重複が顕著に高いことを示している。
• 本手法のセグメンテーション性能は、多様な欠陏タイプやモジュール構成においても安定している。
• 垂直線制約の統合により、セル境界検出における幾何的正確性が顕著に向上した。
• 本手法は、大規模な劣化研究に適した信頼性の高い自動セルレベル分析を可能にする。
• 結果から、手動による介入なしに、自動セグメンテーションが専門家水準の正確性に近づけることが示された。