PV-S3: Advancing Automatic Photovoltaic Defect Detection using Semi-Supervised Semantic Segmentation of Electroluminescence Images

要約

太陽光発電（PV）システムにより、すべての豊富な太陽エネルギーを活用することができますが、高効率のために定期的なメンテナンスが必要で、分解を防ぐ必要があります。
エレクトロルミネッセンス（EL）イメージングを使用した従来の手動の健康チェックは、自動化された欠陥検出を不可欠にする高価でロジスティック的に挑戦的です。
現在の自動化アプローチには、広範な手動専門家のラベル付けが必要です。これは、時間がかかり、高価で、エラーが発生しやすいものです。
PV-S3（太陽光発電セミの監視されたセグメンテーション）を提案します。これは、広範なラベル付けへの依存を減らすEL画像の欠陥のセマンティックセグメンテーションのための半監視学習アプローチです。
PV-S3は、多数のラベル付けされた画像とともに、いくつかのラベル付き画像を使用してトレーニングされた深い学習モデルです。
クラスの不均衡に対処するために、新しいセミクロスエントロピー損失機能を紹介します。
複数のデータセットでPV-S3を評価し、その有効性と適応性を実証します。
わずか20％の標識サンプルで、IOUで9.7％、精度で13.5％、リコールで29.15％、F1スコアで20.42％の絶対的な改善を達成します。
UCF-ELデータセット（EL画像のセマンティックセグメンテーションに利用可能な最大のデータセット）でのパフォーマンスの改善が80％削減され、パフォーマンスの改善を示しています。
詳細については、githubリポジトリhttps：//github.com/abj247/pv-s3をご覧ください。

要約(オリジナル)

Photovoltaic (PV) systems allow us to tap into all abundant solar energy, however they require regular maintenance for high efficiency and to prevent degradation. Traditional manual health check, using Electroluminescence (EL) imaging, is expensive and logistically challenging which makes automated defect detection essential. Current automation approaches require extensive manual expert labeling, which is time-consuming, expensive, and prone to errors. We propose PV-S3 (Photovoltaic-Semi Supervised Segmentation), a Semi-Supervised Learning approach for semantic segmentation of defects in EL images that reduces reliance on extensive labeling. PV-S3 is a Deep learning model trained using a few labeled images along with numerous unlabeled images. We introduce a novel Semi Cross-Entropy loss function to deal with class imbalance. We evaluate PV-S3 on multiple datasets and demonstrate its effectiveness and adaptability. With merely 20% labeled samples, we achieve an absolute improvement of 9.7% in IoU, 13.5% in Precision, 29.15% in Recall, and 20.42% in F1-Score over prior state-of-the-art supervised method (which uses 100% labeled samples) on UCF-EL dataset (largest dataset available for semantic segmentation of EL images) showing improvement in performance while reducing the annotation costs by 80%. For more details, visit our GitHub repository:https://github.com/abj247/PV-S3.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google