CellDefectNet:エレクトロルミネセンスに基づく光起電力セル欠陥検査のための機械設計注意凝縮器ネットワーク【JST・京大機械翻訳】

Xu Carol; Famouri Mahmoud; Bathla Gautam; Nair Saeejith; Shafiee Mohammad Javad; Wong Alexander

プレプリント

J-GLOBAL ID：202202219286021022 整理番号：22P0337977

CellDefectNet:エレクトロルミネセンスに基づく光起電力セル欠陥検査のための機械設計注意凝縮器ネットワーク【JST・京大機械翻訳】

CellDefectNet: A Machine-designed Attention Condenser Network for Electroluminescence-based Photovoltaic Cell Defect Inspection

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年04月25日プレプリントサーバーでの情報更新日： 2022年04月25日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

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】

, , , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

太陽電池

, , , , ,

前のページに戻る