[논문 리뷰] Segmentation of Photovoltaic Module Cells in Electroluminescence Images.

Sergiu Deitsch, Claudia Buerhop‐Lutz외 3명|arXiv (Cornell University)|2018. 06. 18.

Industrial Vision Systems and Defect Detection참고 문헌 26인용 수 30

한 줄 요약

이 논문은 태양전지 모듈의 적외선 전기발광(EL) 영상에서 개별 태양전지를 분할하는 강건하고 다단계 자동화된 방법을 제안한다. 가장자리 특징을 활용하고 렌즈 캘리브레이션을 위해 수직선 제약 조건을 적용함으로써, 중앙값 가중 Jaccard 지수 94.47%와 F1 스코어 97.54%를 달성하여 PV 모듈 열화의 고정밀, 확장 가능한 분석을 가능하게 한다.

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.

연구 동기 및 목표

• 고해상도 전기발광(EL) 영상에서 태양전지 모듈의 개별 태양전지를 자동으로 분할하는 것.
• 시간과 비용이 많이 들고, 전문가가 라벨링한 검사를 줄이는 것.
• 시간이 지남에 따라 PV 모듈 열화에 대한 대규모이고 통제 가능한 연구를 가능하게 하는 것.
• 다양한 모듈 유형과 결함 조건에 대해 강건한 방법을 개발하는 것.
• 비파괴적 PV 품질 평가에서 세포 수준의 결함 탐지 정확도와 재현 가능성을 향상시키는 것.

제안 방법

• 논문은 태양전지 모듈의 적외선 전기발광(EL) 영상에서 저수준의 가장자리 특징을 추출함으로써 시작된다.
• 렌즈 왜곡을 모델링하기 위해 수직선 제약 조건을 사용하여 분할 작업을 수립함으로써 기하학적 정확도를 향상시킨다.
• 모서리 감지와 기하학적 제약 조건을 조합한 계층적 처리 파이프라인을 통해 고수준의 태양전지 모듈 표현을 추론한다.
• 캘리브레이션된 이미지 기하학을 사용하여 구조적 패턴에 기반해 개별 세포를 정렬하고 분할한다.
• 다양한 모듈 유형에서 세포의 크기, 모양, 결함 유형의 변동성에 대해 강건하도록 설계되어 있다.
• 지표 마스크를 사용하여 분할 성능을 평가하며, 평가 지표로는 가중 Jaccard 지수와 F1 스코어가 포함된다.

실험 결과

연구 질문

• RQ1 완전히 자동화된 방법이 다양한 PV 모듈 유형에서 전기발광 영상의 태양전지를 높은 정밀도로 분할할 수 있는가?
• RQ2 렌즈 왜곡을 고려함으로써 수직선 제약 조건이 분할 정확도 향상에 얼마나 효과적인가?
• RQ3 제안된 방법이 다양한 결함 유형과 모듈 구성에 대해 얼마나 일반화되는가?
• RQ4 지표 라벨링과 비교했을 때 IoU와 F1 스코어에서 어떤 정도의 성능을 달성할 수 있는가?
• RQ5 이 방법을 통해 장기적인 PV 모듈 열화에 대한 확장 가능한 데이터 기반 연구가 가능해지는가?

주요 결과

• 제안된 방법은 다양한 모듈 유형에서 408개의 태양전지에 대해 중앙값 가중 Jaccard 지수 94.47%를 달성하였다.
• 이 방법은 F1 스코어 97.54%를 기록하여 예측된 마스크와 지표 마스크 간의 강한 겹침을 나타낸다.
• 다양한 결함 유형과 모듈 구성에 걸쳐 분할 성능이 강건하다.
• 수직선 제약 조건의 통합은 세포 경계 검출의 기하학적 정확도를 크게 향상시켰다.
• 이 방법은 대규모 열화 연구에 적합한 신뢰할 수 있는 자동 세포 수준 분석을 가능하게 한다.
• 결과적으로 자동 분할이 수동 간섭 없이 전문가 수준의 정확도에 도달할 수 있음을 보여준다.