基于深度神经网络的太阳能电池组件缺陷检测算法研究

针对太阳能电池组件中电池片出现隐裂导致整片电池破碎,最终影响整个组件发电量的问题，在对电池组件光致发光（PL）图像待检测区域筛选定位的基础上，提出了一种利用卷积神经网络（CNN）进行电池组件隐裂缺陷检测的方法。首先利用PL成像方法获取电池组件图像，然后对图像进行预处理，基于聚类的方法对待检测目标区域进行筛选定位，最后利用3种不同结构的卷积神经网络模型对电池片进行缺陷检测，并进行准确率对比，使最优识别准确率达到99.25%。实验结果验证了该方法能准确地检测出太阳能电池组件的隐裂缺陷。     

贴片电阻表面缺陷自动识别方法

贴片电阻生产过程中的缺陷主要依靠人工在显微镜下检测,速度慢、长期成本高、误检率高.针对贴片电阻单元具有排列整齐、结构简单、图像灰度级少的特点,在贴片电阻图像二值化、边缘提取、直线检测基础上,以相邻电阻单元的相关系数作为电阻缺陷判别依据,提出基于子图投影匹配的快速缺陷检测方法.采用主分量分析法压缩图像数据量,提取缺陷特征,以基于支持向量机对贴片电阻缺陷进行分类并建立实验系统.缺陷检测及识别实验表明,缺陷检测正确率为92.5oo,算法的快速性和识别准确度满足系统快速高精的要求.     

太赫兹无损检测的多特征参数神经网络分析技术

提出一种基于太赫兹无损检测的多特征参数神经网络分析技术,用于分析耐高温复合材料的粘贴质量无损检测.采用抽片式方法设计了一种耐高温复合材料的脱粘缺陷样品,抽片厚度为0.1mm.采用太赫兹时域光谱无损检测技术对耐高温复合材料的多层脱粘缺陷进行了检测试验研究,对比了上下脱粘缺陷所对应的太赫兹时域波形及频谱信息的异同,针对性地建立了耐高温复合材料粘贴质量的上层脱粘参数、下层脱粘参数、频域吸收质心参数等多特征参数,将特征参数进行优化作为反向传播神经网络的输入并对其进行上下脱粘分类识别.通过对反向传播神经网络的训练测试,实现了耐高温复合材料上层脱粘0.1mm、下层脱粘0.1mm的脱粘缺陷的识别.     

一种基于2D-CNN的激光超声表面缺陷检测方法

激光超声表面缺陷检测的过程中,缺陷的定量表征通常依赖于操作者的判断,易受到人为因素干扰,致使检测结果不稳定。针对这一问题,提出一种基于图像识别的二维卷积神经网络（2D-CNN）的缺陷自动分类检测方法。利用有限元方法模拟激光超声检测过程,并采集超声信号数据用于训练分类模型;使用连续小变换（CWT）处理超声信号得到小波时频图,以小波时频图作为输入训练卷积神经网络（CNN）分类模型,实现对表面缺陷深度的自动分类。验证结果表明:提出的检测方法能够对不同深度的缺陷准确分类,测试的平均准确率达到97.3%;构建的CNN分类模型能够自主学习输入图像的缺陷特征并完成分类,提高了检测结果稳定性,为激光超声缺陷检测的自动化分析处理提供了新的思路。     

水下声目标的梅尔倒谱系数智能分类方法

传统水下声目标识别分类方法具有较强的人机交互特性,无法满足未来水下无人平台智能识别分类水声目标的需求。针对这一问题,提出了一种基于梅尔倒谱系数（MFCC）的水下声目标智能识别分类方法,该方法通过提取水下声目标梅尔倒谱系数特征,采用长短时记忆网络（LSTM）构建了智能识别分类模型。使用实际水声信号对该方法进行了验证,结果表明,基于梅尔倒谱系数的水下声目标智能识别分类方法能够在不依赖人工提取特征的情况下,对目标噪声进行识别分类,具备智能化识别分类能力。     

利用深度神经网络和小波包变换进行缺陷类型分析

超声检测中对缺陷进行类型分析通常取决于操作人员对于特定专业知识的了解及检测经验,从而导致其分析结果的不稳定性和个体差异性。本文提出了一种使用小波包变换提取缺陷特征信息,并应用深度神经网络对得到的信息进行分类识别的方法。利用超声相控阵系统对于不锈钢试块上的通孔、斜通孔和平底孔进行超声检测,并对得到的超声回波波形按照新方法进行分析。实验结果表明,使用小波包变换后的数据进行分类识别能够在提高识别准确率的同时降低神经网络的学习时间,而使用深度神经网络相比通用的BP神经网络以可接受延长学习时间的代价提高了识别的准确率。采用新方法后,缺陷分类正确率提高了21.66%,而网络学习时间只延长了91.9s。在超声检测中使用小波包变换和深度神经网络来对于缺陷进行类型分析,能够排除人为干扰,增加识别准确率,对于实际应用有着极大的意义。      

反射光谱特征的土壤分类模型

土壤反射光谱综合反映了土壤的理化性质和内部结构,高光谱遥感已被用于基于土壤反射光谱特性的土壤分类。已有研究一般利用土壤反射光谱一阶微分主成分作为输入量进行光谱分类模型构建,但主成分数据缺乏物理意义,且缺乏对比性、适用范围也有限。与反射率一阶微分数据相比,基于去包络线提取具有明确物理意义的特征参数,能够提高土壤分类的精度,并寻找到一种高精度土壤分类模型。选取吉林省农安县的四种典型土壤（风砂土、草甸土、黑土、黑钙土）,将采集后的土壤样本进行风干、研磨、过2 mm筛处理,采用ASD FiledSpec®3便携式光谱仪对处理后的土壤样本的可见光近红外光谱区进行测试,从而获得土壤样本的光谱数据。对光谱数据进行九点平滑、10 nm重采样处理进行降噪,将处理后的数据分别进行一阶微分主成分以及去包络线处理。利用土壤样本的去包络线提取光谱特征参数。以一阶微分主成分数据和光谱特征参数为输入量分别代入Logistic聚类模型（LR）、人工神经网络聚类模型（ANN）、K-均值聚类模型（K-means）。首先明确了不同土类之间的反射光谱曲线、去包络线的差异大小,以及相同土壤的反射率曲线、去包络线进行土壤分类的优劣,并且在去包络线的基础上提取能够区分不同土类的光谱特征参数;其次,比较一阶微分主成分与光谱特征参数作为输入量时,三种光谱分类模型精度差异并分析不同模型精度差异的原因。结果表明：（1）四种土壤的反射光谱曲线差异较小,去包络线可以极大的增强四种土壤在430～1 210 nm之间的光谱差异,并在去包络线的基础上构建具有明确物理意义的光谱特征参数。（2）将一阶微分主成分和光谱特征参数分别代入三种聚类模型可知,以光谱特征参数为输入量的土壤光谱分类模型均超过了以一阶微分主成分为输入量的模型精度,由于光谱特征参数保留了原数据的物理意义、更准确的体现了不同土壤类型之间的差异性,而一阶微分主成分数据带有一定的模糊性不同范围之间缺乏对比性,在土壤分类中以光谱特征参数作为输入量更具有优势。（3）在三类土壤分类模型中,LR的分类精度最高为76.67%,Kappa系数为0.56;ANN的分类精度中等为72.50%,Kappa系数为0.48;K-means的分类精度最低,只有65.00%,Kappa系数为0.33。研究成果可为土壤精细制图、以及土壤分类仪器的研制提供技术支持。     

激光焊熔透特征混沌信号解析与多维复合识别研究

激光焊接时光感检测信号具有混合信息数量多、时域及频域变化复杂、信号随机波动剧烈等明显的混沌信号特征,常规检测手段对激光焊接熔透特征信息难以有效分离。在激光焊接熔透特征信号同轴增效提取技术基础上,针对光谱透视成像中提取出的复杂混合信号的分布特征,提出一种大功率固体激光焊熔透特征混沌信号解析方法。具体通过统计方法提取混沌检测信号的各瞬态概率密度函数,然后动态形成一系列具有趋势性特征的简化图形模式,并根据图形的多项形貌特征与熔透行为建立复合关联识别。文中重点介绍了基值、离散度和畸变率3种特征参数的定义及数学模型,这些特征参数不但可以对特征模型的重心位置、离散情况和单向畸变情况进行准确描述,而且通过实验方法还充分验证了不同特征参数与激光焊接熔透状态的关联特性。如基值特征参数在焊缝熔透程度较大时具有明显的识别效果,但是熔透程度较小时其波动幅值较大;而离散度特征参数只对较小熔透状态测试敏感,可以对基值进行有效补充,但是对较大熔透状态的识别存在不足;畸变率特征参数虽然在适度熔透附近时数值波动剧烈,但是对于焊缝熔透程度较小或较大时都能通过畸变率数值关系对熔透程度进行较好关联识别,有效弥补了基值和离散度的检测盲区。因此,基值、离散度及畸变率特征参数间具有相互补充、相互验证关系,通过它们的特征曲线进行复合识别可以对激光焊接熔透状态实现较好的定性及定量检测。实验结果表明,混沌信号解析方法结合激光焊接熔透特征信号同轴增效提取技术后,可实现光谱学、光学、统计学、抽象化解析等的多维复合识别效果,可有效增强大功率固体激光焊的熔透检测能力,实现可靠熔透在线识别。     

基于轻量化卷积神经网络的光伏电池片缺陷检测方法研究

光伏电池片中的缺陷会影响整个光伏系统使用寿命及发电效率。针对现有电池片自动检测中尺寸弱小缺陷漏检率高的问题,建立了一种特征增强型轻量化卷积神经网络模型。针对性地设计了特征增强提取模块,提高了弱边界的提取能力,同时根据多尺度识别原理,增加了小目标预测层,实现了多尺度特征预测。在实验测试中,该模型平均精度均值（mAP）达到87.55%,比传统模型提高了6.78个百分点,同时检测速度达到40帧/s,满足精准性与实时性的检测要求。     

油罐声发射检测信号数据库研究及应用

分析了油罐声发射检测技术特点和弱点,基于对检测影响因素的分析研究提出了油罐声发射信号特征数据库系统。采用盐水腐蚀真实罐底板,模拟油罐腐蚀。以Matlab软件为基础,提取全波形文件中被识别为腐蚀类别的特定帧信号,选取合适的自适应阈值电压得到信号特征参数,将全波形信号和信号特征参数入库。根据数据库特征参数训练支持向量机分类器,应用到实际油罐检测中并与开罐检测结果作对比,达到预期油罐分类效果。     

电动汽车锂离子电池热管理系统研究进展

锂离子电池作为电动汽车最广泛使用的动力源,对工作温度高度敏感,为保证其高性能和安全运行,电池热管理系统必不可少.本文综述了近年来锂离子电池热管理系统的研究进展.首先讨论了由高低温环境和电池温度不均匀引起的临界热问题.在此基础上,对设计原则和现有的电池热管理系统进行了广泛的介绍和阐述.然后进一步分析了用于未来电池热管理系统的热电器件和内部加热方法等新兴技术.分析表明,被动和主动冷却/加热方法的组合有望满足苛刻的热要求,特别是在功率波动剧烈的动态条件下.此外,电池在变工况下所输出的电流、电压等均不相同,因此建议对电动汽车动力电池进行动态性能实时管理,从而延长电池使用寿命。     

基于深度学习的铸件X射线图像分割研究

针对当前图像分割算法在实现工业铸件内部缺陷分割上精度低且算法不够轻量化的问题,提出一种基于改进DeepLabv3+的工业铸件内部缺陷检测算法Effi-DeepLab。该方法采用EfficientNet中的MBConv来代替原有的Xception模块进行特征提取,使特征提取网络更加高效与轻量化;针对工业铸件内部缺陷尺寸小的问题,重新设计空洞空间金字塔池化（ASPP）层中空洞卷积的扩张率,使得卷积块对小目标具有更高的鲁棒性;在解码端充分利用特征提取阶段的低阶语义信息进行多尺度特征融合,以提高小目标缺陷分割的精度。实验结果表明,在本文使用的汽车轮毂内部缺陷图像数据集中,Effi-DeepLab模型对缺陷的分割准确率和平均交并比（mIoU）分别为93.58%和89.39%,相比DeepLabv3+分别提升了2.65%和2.24%,具有更好的分割效果;此外,还通过实验验证了本文提出算法具有良好的泛化性。     

基于分布式超声无损检测方法的零件内部缺陷检测

超声检测广泛应用于工业检测,比如超声相控阵检测法和超声A扫应用于零件内部缺陷检测。然而,这些方法可以检测出缺陷位置却很难精确地检测缺陷尺寸,缺陷定量成了急需解决并且很有意义的问题。本文提出了一种分布式超声无损检测方法,将超声探头均匀布置在检测表面,每一个超声探头可以同时发射和接收超声信号,通过对接收到的信号进行处理来重构缺陷轮廓。基于分布式超声无损检测方法,重构零件的人造缺陷并建立相应的声学仿真模型。通过多项式拟合法和聚类法分别处理实验和仿真所获得的数据并重构缺陷轮廓。实验结果和仿真结果显示重构的椭圆形缺陷和正方形缺陷具有一定的精度。结果表明分布式超声无损检测方法有潜在的应用价值和理论意义。     

A simple method for defect area detection using active thermography

In this paper a simple method for defect area detection in the subsurface layer of materials was presented. The method uses active infrared thermography. A statistical detectivity ratio was introduced for a quantitative characterization of areas containing defects. The described algorithm of defect area detection was tested for a material with a low thermal diffusivity. The results of experimental and simulation investigations are presented. It was stated that the statistical detectivity ratio can be used to detect regions of defect presence, even for the non-uniformly heated surfaces.     

锂电池失效分析与研究进展

锂电池在使用或储存过程中会出现一定概率的失效,包括容量衰减(跳水)、循环寿命短、内阻增大、电压异常、析锂、产气、漏液、短路、变形、热失控等,严重降低了锂电池的使用性能、一致性、可靠性、安全性.对锂电池失效进行准确诊断并探究其失效机理是锂电池失效分析的主要任务,对锂电池性能提升和技术发展具有深远意义.为了全面且深入地介绍锂电池失效分析,本文从锂电池失效分析的定义、失效表现、失效原因、分析内容、分析流程、困难点等方面进行了简述,希望能为推动中国锂电池失效分析技术的发展起到积极作用.     

PLS-DA优化模型的马铃薯黑心病可见近红外透射光谱检测

马铃薯黑心病是一种马铃薯主要内部缺陷,严重损害薯条、薯片、全粉等加工制品的质量和产率。目前对马铃薯的分级主要侧重于外部品质检测,针对内部缺陷检测的研究很少。旨在开发一种马铃薯黑心病的快速无损检测技术,为此搭建了马铃薯可见近红外透射光谱分析平台,分析健康与黑心病马铃薯的透射光谱特性并优化光谱判别模型参数。基于现有马铃薯分级线和复享PG2000高速光谱仪,采用左右透射方式（光源与光纤探头位于分级线果盘左右两侧）,采集470个马铃薯（其中健康薯234个、黑心薯236个）的透射光谱图,建立偏最小二乘判别模型（PLS-DA）,并利用主成分分析（PCA）与光谱形态特征相结合的方法选择特征波长,优化模型。分析发现,健康薯与黑心薯的可见近红外透射光谱在吸光度值和光谱形态特征方面均存在明显区别。黑心薯的平均光谱吸光度值高于健康薯（650～900 nm范围内）,但黑心薯的平均光谱曲线较为平缓,无明显吸收峰,而健康薯平均光谱曲线在665,732和839 nm附近有明显吸收峰,并且健康薯与黑心薯的平均光谱差值在705 nm处达到最大值。基于PLS-DA法建立了马铃薯黑心病判别模型,对黑心病的判别效果显著,分类器特性曲线（ROC）下面积（AUC）值为0.994 2,黑心薯识别总正确率能够达到97.16%,RMSE_CV和RMSE_P分别为0.28和0.26。此外,成功利用PCA与光谱形态特征相结合的方法对模型进行简化,最终得到由6个波长（658,705,716,800,816和839 nm）组成的特征波长组合,简化后的模型总正确率能够达到96.73%,接近全波段模型判别水平。研究表明,左右透射的方式能够准确识别黑心马铃薯,实现对马铃薯内部缺陷的快速无损检测。对我国马铃薯产业的发展起到一定的促进作用,为马铃薯内部缺陷在线检测技术的提高提供了重要的理论基础和实践依据。     

基于BC3NT的混合系锂空气电池正极第一性原理研究

文章采用第一性原理,利用掺杂硼的碳纳米管(BC₃NT)容易产生拓扑缺陷的特点,将其用作混合系锂空气电池正极材料,研究了BC₃NT拓扑缺陷电子性质及氧分子吸附.结果表明:BC₃NT产生的拓扑缺陷使得氧气在纳米管外表面吸附更加稳定,且缺陷环越大,吸附越稳定.七元环缺陷、八元环缺陷分别会使氧气在纳米管外表面发生半解离吸附和完全解离吸附,有利于氧还原反应的发生;通过布居分析电荷转移进一步验证了缺陷环越大,转移电荷越多,吸附越稳定. BC₃NT能增强对氧分子的解离吸附能力,有利于氧还原反应的进行.该材料适合用作混合系锂空气电池正极,有利于提高其性能.     

Detection of finger interruptions in silicon solar cells using photoluminescence imaging

Finger interruptions are common problems in screen printed solar cells, resulting in poor performance in efficiency because of high effective series resistance. Electroluminescence(EL) imaging is typically used to identify interrupted fingers. In this paper, we demonstrate an alternative method based on photoluminescence(PL) imaging to identify local series resistance defects, with a particular focus on finger interruptions. Ability to detect finger interruptions by using PL imaging under current extraction is analyzed and verified. The influences of external bias control and illumination intensity on PL images are then studied in detail. Finally, in comparison with EL imaging, the using of PL imaging to identify finger interruptions possesses the prominent advantages: in PL images, regions affected by interrupted fingers show higher luminescence intensity, while regions affected by recombination defects show lower luminescence intensity. This inverse signal contrast allows PL imaging to more accurately identify the defect types.     

Analysis of the Properties of Fractional Heat Conduction in Porous Electrodes of Lithium-Ion Batteries

Research on the heat transfer characteristics of lithium-ion batteries is of great significance to the thermal management system of electric vehicles. The electrodes of lithium-ion batteries are composed of porous materials, and thus the heat conduction of the battery is not a standard form of diffusion. The traditional heat conduction model is not suitable for lithium-ion batteries. In this paper, a fractional heat conduction model is used to study the heat transfer properties of lithium-ion batteries. Firstly, the heat conduction model of the battery is established based on the fractional calculus theory. Then, the temperature characteristic test was carried out to collect the temperature of the battery in various operating environments. Finally, the temperature calculated by the fractional heat conduction model was compared with the measured temperature. The results show that the accuracy of fractional heat conduction model is higher than that of traditional heat conduction model. The fractional heat conduction model can well simulate the transient temperature field of the battery. The fractional heat conduction model can be used to monitor the temperature of the battery, so as to ensure the safety and stability of the battery performance.