太陽電池（フォトボルタイク，PV）の表面欠陥検出は、太陽光発電モジュールの製造に不可欠な工程です。機械学習を用いた自動欠陥検出方法は、高精度、リアルタイム性、低コストなどの利点から広く応用されています。本論文では、機械ビジョンに基づく太陽電池表面欠陥検出方法の研究動向を概説します。まず、太陽電池表面の撮像方式を説明し、典型的な欠陥タイプを列挙します。次に、従来の機械ビジョンアルゴリズムと深層学習アルゴリズムに基づく太陽電池表面欠陥検出の原理を重点的に分析します。従来の機械ビジョンアルゴリズムは、画像領域解析法と変換領域解析法に分類して概説し、近年の深層学習を用いた太陽電池表面欠陥検出の研究状況を、教師なし学習、教師あり学習、および弱教師あり・半教師あり学習の3つの観点から概説します。太陽電池表面欠陥検出の各種典型的な手法をさらに細分化し分類および比較分析し、各方法の長所と短所をまとめます。続いて、9種類の太陽電池表面欠陥画像データセットと欠陥検出性能評価指標を紹介します。最後に、太陽電池の欠陥検出における一般的な重要問題とその解決策を体系的にまとめ、太陽電池表面欠陥検出の今後の展望について述べます。

太陽電池;欠陥検出;機械ビジョン;深層学習;検出ネットワーク