抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
太陽電池は光エネルギーを電力に変換する電子デバイスであり,太陽エネルギー収穫システムのバックボーンを形成する。太陽電池のための製造プロセスにおける必須のステップは,亀裂,指の中断および破壊されたセルのような欠陥を同定するために,エレクトロルミネセンスイメージングを用いた視覚品質検査である。光起電力電池視覚検査における産業が直面する大きな挑戦は,それが現在,人間の検査者によって手動で行われているという事実であり,それは非常に時間がかかり,労力がかかり,ヒューマンエラーを起こしやすい。深層学習手法は,この検査を自動化する大きな可能性を持つが,ハードウェア資源制約製造シナリオは,複雑な深層ニューラルネットワークアーキテクチャを展開するのを困難にする。本研究では,エッジ上のエレクトロルミネセンスに基づく光起電力セル欠陥検出のために,機械駆動設計探索により設計した高効率の注目コンデンサネットワークであるCellDefect Netを導入した。効率的なNet-B0と比較したとき,エレクトロルミネセンス画像を用いて捕獲された光起電力電池の多様性から成るベンチマークデータセットに対するセルデフェクトネットの有効性を実証し,410Kパラメータ(それぞれ,効率的なNet-B0より13倍低い)とARM Cortex A-72組込みプロセッサで115M FLOP(約12×低い)と約115M FLOP(約12×より低い)との115M FLOPs(約12×低い)と,約115M FLOP(約12×低い)との115M FLOPs(約12×より低い)を,効率的Net-B0と比較した。【JST・京大機械翻訳】