特許ウォッチ

公開番号2025155961
公報種別公開特許公報(A)
公開日2025-10-14
出願番号2025032731
出願日2025-03-03
発明の名称太陽電池パネルの検査装置
出願人株式会社カネカ,国立大学法人奈良先端科学技術大学院大学
代理人個人
主分類G01N 21/88 20060101AFI20251002BHJP(測定;試験)
要約【課題】高精度な検査動作が可能な太陽電池パネルの検査装置を提供する。
【解決手段】太陽電池パネルの検査装置において、過去に良品と判断された太陽電池パネルの画像データを含み、かつ過去に良品と判断されなかった太陽電池パネルの画像データを含まない良品画像データ群を用いて教師なし学習により、良品学習モデルを生成可能であり、過去の太陽電池パネルの画像データと、当該画像データの欠陥の有無に関するデータとのデータセットを用いて、教師あり学習によって欠陥分別モデルを生成可能なものとし、入力された画像の太陽電池パネルが、良品学習モデルを用いた判定で不良品と判定され、欠陥分別モデルを用いた判定で欠陥があると判定されなかった場合に、入力画像の太陽電池パネルを判定不能太陽電池パネルとして分別する、構成とする。
【選択図】図7
特許請求の範囲【請求項１】
太陽電池パネルの画像データを入力する画像入力部と、第１学習モデル生成部と、第２学習モデル生成部と、第１判定部と、第２判定部と、分別部を有し、
習モデル生成部は、過去に良品と判断された太陽電池パネルの画像データを含み、かつ過去に良品と判断されなかった太陽電池パネルの画像データを含まない良品画像データ群を用いて教師なし学習により、良品学習モデルを生成可能であり、
前記第１判定部は、前記良品学習モデルを用いて、前記画像入力部に入力された画像の太陽電池パネルが良品であるか否かを判定するものであり、
前記第２学習モデル生成部は、過去の太陽電池パネルの画像データと、当該画像データの欠陥の有無に関するデータとのデータセットを用いて、教師あり学習によって欠陥分別モデルを生成可能であり、
前記第２判定部は、前記欠陥分別モデルを用いて、前記画像入力部に入力された画像の太陽電池パネルに欠陥があるか否かを判定するものであり、
前記分別部は、前記画像入力部に入力された入力画像が、前記第１判定部によって不良品と判定され、かつ前記第２判定部によって欠陥があると判定されなかった場合に、当該入力画像の太陽電池パネルを、判定不能太陽電池パネルとして分別する、太陽電池パネルの検査装置。
続きを表示（約 1,100 文字）【請求項２】
前記良品学習モデルは、前記教師なし学習の結果に基づいて比較画像を作成する比較画像作成部を有し、前記画像入力部に入力された入力画像と前記比較画像の差分から誤差画像を作成し、前記誤差画像に対してシグモイド関数又は二値化処理を適用して加工画像を作成し、さらに当該加工画像を用いて太陽電池パネルが良品であるか判定する、請求項１に記載の太陽電池パネルの検査装置。
【請求項３】
前記教師なし学習は、オートエンコーダ、変分オートエンコーダ、敵対的生成ネットワークからなる群から選ばれる少なくとも一つのフレームワークを用いる、請求項１又は２に記載の太陽電池パネルの検査装置。
【請求項４】
前記良品画像データ群は、過去に良品と判断された太陽電池パネルであって、かつ所定の良品基準を満たさない太陽電池パネルの画像を含まない、請求項１又は２に記載の太陽電池パネルの検査装置。
【請求項５】
前記良品画像データ群は、過去に良品と判断された太陽電池パネルの画像に対してガンマ補正又は積和演算を行った画像データを含む、請求項１又は２に記載の太陽電池パネルの検査装置。
【請求項６】
前記分別部は、前記画像入力部に入力された入力画像が前記第１判定部によって良品と判定された場合に、当該入力画像の太陽電池パネルを良品太陽電池パネルとして分別する、請求項１又は２に記載の太陽電池パネルの検査装置。
【請求項７】
前記分別部は、前記画像入力部に入力された入力画像が前記第２判定部によって欠陥があると判定された場合に、当該入力画像の太陽電池パネルを不良品太陽電池パネルとして分別する、請求項１又は２に記載の太陽電池パネルの検査装置。
【請求項８】
太陽電池パネルの画像データを入力する画像入力部と、第１学習モデル生成部と、第１判定部を有し、
前記第１学習モデル生成部は、過去に良品と判断された太陽電池パネルの画像データを含み、かつ過去に良品と判断されなかった太陽電池パネルの画像データを含まない良品画像データ群を用いて教師なし学習により、良品学習モデルを生成可能であり、
前記第１判定部は、前記良品学習モデルを用いて、前記画像入力部に入力された画像の太陽電池パネルが良品であるか否かを判定するものであり、
前記良品学習モデルは、前記教師なし学習の結果に基づいて比較画像を作成する比較画像作成部を有し、前記画像入力部に入力された入力画像と前記比較画像の差分から誤差画像を作成し、前記誤差画像に対してシグモイド関数又は二値化処理を適用して加工画像を作成し、さらに当該加工画像を用いて太陽電池パネルが良品であるか判定する、太陽電池パネルの検査装置。

発明の詳細な説明【技術分野】
【０００１】
本発明は、太陽電池パネルの検査装置に関する。
続きを表示（約 2,300 文字）【背景技術】
【０００２】
太陽電池パネルの製造現場では、製造される太陽電池パネルが安定的に一定以上の品質を保つように、太陽電池パネルを検査し、太陽電池パネルの欠陥を検出する装置が用いられている。このような装置として、例えば、特許文献１に開示された検出装置がある。
【０００３】
特許文献１の検出装置は、候補領域抽出部と、画像生成部と、第１学習器と、検出部を有している。そして、特許文献１の検出装置は、候補領域抽出部によって第１画像を画像処理して検出対象候補が含まれる候補領域を抽出し、画像生成部によって候補領域が含まれる第２画像を生成する。さらに、検出装置は、生成した第２画像をニューラルネットワークで構成された第１学習器に入力して検出対象である欠陥の有無を検出する。
【０００４】
この検出装置は、太陽電池モジュールを構成するセルのフィンガー断線、洗浄跡、ひび等の欠陥を検出対象として検出する。また、この検出装置は、第１学習器を多層のニューラルネットワーク（深層学習）で構成し、さらに第１学習器に入力する第２画像を少数の候補領域だけが含まれるものとすることで、検出が困難な微小な検出対象を高い精度で検出できるものとしている。
【先行技術文献】
【特許文献】
【０００５】
国際公開第２０２０／１５８６３５号
【発明の概要】
【発明が解決しようとする課題】
【０００６】
ここで、従来の装置では、製造される太陽電池パネルの材料や製造プロセスが変更されると、欠陥の検出精度が低下してしまう場合があった。
このような場合、エンジニアが装置のメンテナンスを行い、材料や製造プロセスの変更に装置を対応させ、低下した欠陥の検出精度を向上させる必要がある。しかしながら、材料や製造プロセスが変更される度にエンジニアに即座に装置のメンテナンスを実行してもらうことは困難であった。
【０００７】
すなわち、太陽電池パネルの製造と情報技術の双方に精通し、的確にメンテナンスを実行できる高度な知識と技術を持ったトップエンジニアがそもそも不足しているという問題がある。そして、そのようなトップエンジニアにメンテナンスを実行してもらうと、装置の保守コストが大きく増加してしまうという問題がある。
以上のことから、太陽電池パネルの材料や製造プロセスが変更された場合においても、エンジニアによるいち早い対応を必ずしも必要とせず、容易に継続運用が可能な太陽電池パネルの検査装置が望まれていた。
また、従来の検出装置には、高精度な検査を実行するという点において、改良の余地があった。
【０００８】
そこで本発明は、高精度な検査動作が可能な太陽電池パネルの検査装置を提供することを課題とする。
【課題を解決するための手段】
【０００９】
上記課題を解決するための本発明の一つの様相は、太陽電池パネルの画像データを入力する画像入力部と、第１学習モデル生成部と、第２学習モデル生成部と、第１判定部と、第２判定部と、分別部を有し、前記第１学習モデル生成部は、過去に良品と判断された太陽電池パネルの画像データを含み、かつ過去に良品と判断されなかった太陽電池パネルの画像データを含まない良品画像データ群を用いて教師なし学習により、良品学習モデルを生成可能であり、前記第１判定部は、前記良品学習モデルを用いて、前記画像入力部に入力された画像の太陽電池パネルが良品であるか否かを判定するものであり、前記第２学習モデル生成部は、過去の太陽電池パネルの画像データと、当該画像データの欠陥の有無に関するデータとのデータセットを用いて、教師あり学習によって欠陥分別モデルを生成可能であり、前記第２判定部は、前記欠陥分別モデルを用いて、前記画像入力部に入力された画像の太陽電池パネルに欠陥があるか否かを判定するものであり、前記分別部は、前記画像入力部に入力された入力画像が、前記第１判定部によって不良品と判定され、かつ前記第２判定部によって欠陥があると判定されなかった場合に、当該入力画像の太陽電池パネルを、判定不能太陽電池パネルとして分別する、太陽電池パネルの検査装置である。
【００１０】
本様相の太陽電池パネルの検査装置は、生成のための学習方法が異なる良品学習モデル、欠陥分別モデルの双方を用いて判定を行う。そして、第１判定部によって不良品と判定され、かつ第２判定部によって欠陥があると判定されなかった場合に、入力画像の太陽電池パネルを、判定不能太陽電池パネルとして分別する。つまり、一つの学習手法で生成した一つのモデルだけで判定を行った場合、欠陥があると判定されずに良品であると判定されてしまっていたものが、本様相によると、判定不能であるとして分別される。このことから、単に一つの学習手法で生成した一つのモデルだけで判定を行う場合に比べて、精度を向上させることが可能となる。より詳細には、教師あり学習によって生成した欠陥分別モデルを用いる判定により、既知の欠陥に起因する不良品を高精度で判定可能であり、また、良品画像データ群を用いて教師なし学習によって生成した良品学習モデルを用いる判定により、未知の欠陥に起因する不良品を高精度で判定可能となる。また、このように高精度な検査を可能とすることで、材料や製造プロセスが変更されるといった外乱要因に起因して精度が一定以下に低下してしまうことを抑制できる。
（【００１１】以降は省略されています）

関連特許