産業用太陽光発電システムの自己進化型欠陥検出フレームワーク

arXiv cs.AI / 2026/3/17

📰 ニュースIdeas & Deep AnalysisModels & Research

共有:

要点

SEPDD は、分布シフトや新たに出現する欠陥パターンに適応するよう設計された、自己進化型の太陽光発電欠陥検出フレームワークです。
異種のモジュールジオメトリ、低解像度撮像、微細な欠陥、長尾分布、進化するラベリングプロセスといった要因の下で長期展開時の頑健性を維持するため、自動化されたモデル最適化と継続的な自己進化学習メカニズムを統合しています。
公開データセットの PV 欠陥ベンチマークと private 産業 EL データセットでの実験では、公開データセットの mAP50 が 91.4%、プライベートデータセットが 49.5% を達成し、SEPDD は公開データで自動ベースラインを 14.8%、人間の専門家を 4.7% 上回り、プライベートデータではそれぞれ 4.9%、2.5% 上回りました。
このフレームワークは、分布シフトと新たな欠陥パターンへ時間とともに適応することで、産業界における信頼性の高い、維持可能な PV 欠陥検査の実用的ポテンシャルを示します。

Abstract

信頼性の高い光伏（PV）発電には、現場運用中にエネルギー収穫量を減少させ、劣化を加速させ、ライフサイクルの運用・保守コストを増大させる可能性のあるモジュール欠陥を適時検出することが求められます。電界発光（EL）イメージングは、PVモジュール検査には広く採用されてきました。しかし、実運用環境での自動欠陥検出は、モジュール形状の異質性、低解像度の撮像条件、微妙な欠陥形態、長尾を持つ欠陥分布、そして進化する検査・ラベリングプロセスによって導入される継続的なデータシフトなどの要因のため、依然として困難です。これらの要因は、従来のディープラーニング検査パイプラインの堅牢性と長期的な保守性を著しく制限します。この課題に対処するため、本論文では SEPDD、進化する産業PV検査シナリオ向けに設計された自己進化型光伏欠陥検出フレームワークを提案します。SEPDD は自動モデル最適化と継続的な自己進化学習メカニズムを統合し、長期展開中に分布シフトや新たに出現する欠陥パターンへ段階的に適応できるよう検査システムを実現します。公開データセットの PV 欠陥ベンチマークと民間の産業 EL データセットの双方で行われた実験は、提案フレームワークの有効性を示しています。両データセットはいずれも極端なクラス不均衡と顕著なドメインシフトを特徴とします。SEPDD は、公開データセットで mAP50 が 91.4%、民間データセットで 49.5% に達します。公開データセットでは、自律ベースラインを 14.8%、人間の専門家を 4.7% 上回り、民間データセットではそれぞれ 4.9%、2.5% 上回ります。