PSCDE-Dataset

我们构建了一个高质量的多晶硅太阳能电池缺陷边缘（PSCDE）数据集，这是首个高质量的太阳能电池分割数据集。我们采用电致发光成像技术收集了700张具有512×512分辨率的挑战性缺陷图像，如多尺度缺陷、遮挡缺陷、密集微小缺陷、低对比度缺陷和组合缺陷。此外，这是一个包含主要缺陷类别的综合数据集，包括线性裂纹、星形裂纹、划痕、指状中断、黑芯、碎片和角落。此外，我们在多位专家的帮助下精心标注了所有缺陷边缘。PSCDE的地面实况包括两个类别：边缘和非边缘。我们随机将PSCDE分为280张图像用于训练集，140张图像用于验证集，280张图像用于测试集，并确保每个集合包含所有类型的缺陷。

We constructed a high-quality Polycrystalline Solar Cell Defect Edge (PSCDE) dataset, which is the first high-quality solar cell segmentation dataset. We collected 700 challenging defect images with a resolution of 512×512 using electroluminescence imaging, including multi-scale defects, occluded defects, dense tiny defects, low-contrast defects and combined defects. Moreover, this comprehensive dataset covers major defect categories, including linear cracks, star-shaped cracks, scratches, finger interruptions, black cores, fragments and corner defects. In addition, all defect edges were meticulously annotated with the assistance of multiple experts. The ground truth of the PSCDE dataset includes two categories: edge and non-edge. We randomly split the PSCDE dataset into 280 images for the training set, 140 images for the validation set and 280 images for the test set, ensuring that each set contains all types of defects.

原始信息汇总

PSCDE-Dataset

数据集概述

PSCDE-Dataset是一个用于多晶硅太阳能电池缺陷分割的高质量数据集。该数据集通过电致发光成像技术收集了700张具有挑战性的缺陷图像，分辨率为512×512，包括多尺度缺陷、遮挡缺陷、密集微小缺陷、低对比度缺陷和组合缺陷等。数据集包含主要的缺陷类别，如线性裂纹、星形裂纹、划痕、手指中断、黑色核心、碎片和角落。所有缺陷边缘均由多位专家精心标注。

数据集组成

• 图像数量：700张
• 分辨率：512×512
• 缺陷类别：线性裂纹、星形裂纹、划痕、手指中断、黑色核心、碎片、角落
• 标注类别：边缘和非边缘

数据集划分

• 训练集：280张图像
• 验证集：140张图像
• 测试集：280张图像

下载链接

• Google Drive：下载链接
• Baidu Drive：下载链接
• 提取码：znyb

使用限制

该数据集的部分原始太阳能电池图像和所有标注图的版权属于我们，仅限于非商业研究和教育目的使用。

搜集汇总

数据集介绍

构建方式

在推动多晶硅太阳能电池高质量制造的背景下，我们构建了多晶硅太阳能电池缺陷边缘（PSCDE）数据集。该数据集通过电致发光成像技术，采集了700张具有挑战性的缺陷图像，分辨率为512×512，涵盖多尺度缺陷、遮挡缺陷、密集微小缺陷、低对比度缺陷及组合缺陷等多种类型。数据集包含线性裂纹、星形裂纹、划痕、手指中断、黑色核心、碎片和角落等主要缺陷类别。借助多位专家的精细标注，PSCDE数据集的地面实况分为边缘和非边缘两类。数据集被随机分为280张训练集、140张验证集和280张测试集，确保每组包含所有类型的缺陷。

特点

PSCDE数据集以其高质量和全面性著称，是首个高精度太阳能电池分割数据集。其特点在于图像的高分辨率和缺陷类型的多样性，涵盖了从微小缺陷到复杂组合缺陷的广泛范围。此外，数据集的标注由多位专家共同完成，确保了标注的准确性和可靠性。数据集的分割方式科学合理，训练集、验证集和测试集的划分保证了模型的泛化能力。

使用方法

PSCDE数据集适用于深度学习模型的训练和评估，特别适用于太阳能电池缺陷分割任务。用户可以通过提供的Google Drive或Baidu Drive链接下载数据集。下载后，数据集应被分为训练集、验证集和测试集，分别用于模型的训练、调优和性能评估。使用时需注意，数据集仅限于非商业研究和教育目的，且需遵守版权规定。

背景与挑战

背景概述

在光伏产业的高速发展背景下，提高多晶硅太阳能电池的质量控制成为关键。PSCDE-Dataset，由Wang Chuhan、Chen Haiyong和Zhao Shenshen等研究人员于2024年创建，是首个高质量的多晶硅太阳能电池缺陷分割数据集。该数据集通过电致发光成像技术收集了700张具有挑战性的缺陷图像，分辨率为512×512，涵盖多尺度缺陷、遮挡缺陷、密集微小缺陷、低对比度缺陷及组合缺陷等多种类型。PSCDE-Dataset的构建旨在通过提供详尽的缺陷边缘标注，推动太阳能电池制造的高质量发展，对光伏产业的质量检测和自动化生产具有重要意义。

当前挑战

PSCDE-Dataset在构建过程中面临多项挑战。首先，图像中缺陷的多样性和复杂性，如多尺度、遮挡和低对比度缺陷，增加了标注的难度。其次，确保数据集的高质量，需要多位专家的细致标注，这不仅耗时且成本高昂。此外，数据集的分割和验证集的划分需确保各类缺陷在各子集中均匀分布，以保证模型训练的全面性和有效性。这些挑战不仅影响了数据集的构建效率，也对后续的模型训练和性能评估提出了高要求。

常用场景

经典使用场景

在光伏产业中，PSCDE-Dataset 被广泛应用于多晶硅太阳能电池缺陷的语义分割任务。该数据集通过采集700张高分辨率的电致发光图像，涵盖了多种复杂缺陷类型，如多尺度缺陷、遮挡缺陷、密集微小缺陷等。这些图像经过精心标注，为深度学习模型提供了丰富的训练数据，使得模型能够更准确地识别和分割太阳能电池中的各种缺陷。

实际应用

PSCDE-Dataset 在实际应用中，被用于开发低成本的太阳能电池缺陷检测系统。结合物联网（IoT）技术，该数据集支持构建高效的缺陷分割模型，应用于大规模光伏制造过程中。通过实时监测和分析太阳能电池的缺陷，该系统能够提高生产效率，降低制造成本，确保产品质量，从而推动光伏产业的可持续发展。

衍生相关工作

基于PSCDE-Dataset，研究者们开发了多种先进的缺陷检测网络，如RERN（Rich Edge Features Refinement Detection Network），该网络通过精细化的边缘特征提取，显著提升了缺陷分割的准确性。此外，该数据集还启发了基于IoT的低成本缺陷检测系统的研究，推动了光伏制造领域的智能化和自动化进程。这些衍生工作不仅在学术界引起了广泛关注，也在工业界得到了实际应用。