ترجمه فارسی مقاله یک مطالعه موردی جامع در مورد عملکرد روش‌های یادگیری ماشین در طبقه‌بندی تصاویر الکترولومینسانس پنل خورشیدی

چکیده

Photovoltaics (PV) are widely used to harvest solar energy, an important form of renewable energy. Photovoltaic arrays consist of multiple solar panels constructed from solar cells. Solar cells in the field are vulnerable to various defects, and electroluminescence (EL) imaging provides effective and non-destructive diagnostics to detect those defects. We use multiple traditional machine learning and modern deep learning models to classify EL solar cell images into different functional/defective categories. Because of the asymmetry in the number of functional vs. defective cells, an imbalanced label problem arises in the EL image data. The current literature lacks insights on which methods and metrics to use for model training and prediction. In this paper, we comprehensively compare different machine learning and deep learning methods under different performance metrics on the classification of solar cell EL images from monocrystalline and polycrystalline modules. We provide a comprehensive discussion on different metrics. Our results provide insights and guidelines for practitioners in selecting prediction methods and performance metrics.

چکیده به فارسی (ترجمه ماشینی)

Photovoltaics (PV) به طور گسترده ای برای برداشت انرژی خورشیدی ، شکل مهمی از انرژی تجدید پذیر استفاده می شود.آرایه های فتوولتائیک از چندین پانل خورشیدی ساخته شده از سلولهای خورشیدی تشکیل شده است.سلولهای خورشیدی در این زمینه در برابر نقص های مختلف آسیب پذیر هستند و تصویربرداری الکترولینسانس (EL) تشخیصی مؤثر و غیر مخرب را برای تشخیص این نقص ها فراهم می کند.ما از چندین مدل یادگیری ماشین سنتی و مدل های یادگیری عمیق مدرن برای طبقه بندی تصاویر سلول خورشیدی EL در دسته های مختلف عملکردی/معیوب استفاده می کنیم.به دلیل عدم تقارن در تعداد سلولهای عملکردی در مقابل معیوب ، یک مشکل برچسب نامناسب در داده های تصویر EL بوجود می آید.ادبیات فعلی فاقد بینش است که روشها و معیارها برای استفاده از آن برای آموزش و پیش بینی مدل استفاده می کنند.در این مقاله ، ما به طور جامع یادگیری ماشین و روشهای مختلف یادگیری عمیق را با معیارهای مختلف عملکرد در طبقه بندی تصاویر سلول های خورشیدی EL از ماژول های مونوکریستالی و پلی کریستالی مقایسه می کنیم.ما یک بحث جامع در مورد معیارهای مختلف ارائه می دهیم.نتایج ما بینش و دستورالعمل هایی را برای پزشکان در انتخاب روش های پیش بینی و معیارهای عملکرد ارائه می دهد.