L'intelligence artificielle peut identifier les défauts des cellules solaires

Reference News Network a rapporté le 23 septembreSelon l'agence de presse TASS rapportée le 19 septembre, des scientifiques russes ont développé un système d'apprentissage automatique capable d'identifier les défauts des unités structurelles des cellules solaires.

Cette technologie d'intelligence artificielle (IA) est également capable d'identifier les erreurs dans le processus de production les plus susceptibles d'entraîner des défauts. Selon un rapport du bureau de presse de l'Institut d'intelligence artificielle du 19, le progiciel a été testé en production réelle. "Le résultat des efforts conjoints de l'équipe a été le test industriel réussi du système lors de la production réelle à l'usine de Novchebok-Sarskhevel. Lorsque deux images ou plus sont détectées pendant la phase de tri", indique le rapport, alors qu'il existe des défauts similaires. avec un positionnement similaire, le système informera en temps réel le nœud de l'équipement de la chaîne de production de l'usine qui est le plus susceptible d'être lié au défaut découvert.

L'équipe de recherche dirigée par Semyon Budyonny a travaillé avec des experts de Sol IT Technology Company et Herwell Company pour développer cet algorithme

Le rapport souligne que les fabricants de panneaux solaires présentent souvent des défauts de produits lors de la fabrication de nouvelles cellules solaires. Ces défauts peuvent apparaître à différentes étapes de la chaîne technologique, entraînant une réduction significative du rendement des panneaux solaires. Pour identifier ces défauts, les usines peuvent prendre des images à l'aide de caméras spéciales qui suivent la lumière émise par les cellules solaires lorsqu'elles sont exposées à un champ ou à un courant électrique

Les chercheurs ont préparé une base de données de 68 000 images et l'ont utilisée pour entraîner le réseau qu'ils ont développé. Les premiers tests montrent que l’algorithme est capable d’identifier les défauts et leurs sources possibles avec une précision d’environ 90 à 95 %.

Bujoni a déclaré qu'un étiquetage supplémentaire des données à grande échelle est actuellement en cours pour améliorer la précision de la localisation des défauts. Si la deuxième phase de tests réussit, il est prévu de mettre le logiciel en opération d'essai industriel

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!