A detecção de defeitos na superfície de células solares (fotovoltaicas, PV) é um processo indispensável na produção de módulos fotovoltaicos. Métodos automáticos de detecção de defeitos baseados em visão computacional têm sido amplamente aplicados devido a sua alta precisão, capacidade em tempo real e baixo custo. Este artigo revisa o progresso das pesquisas em métodos de detecção de defeitos na superfície de células solares baseados em visão computacional. Primeiramente, são explanados os modos de formação de imagens da superfície das células solares e enumerados os tipos típicos de defeitos. Em seguida, é feita uma análise detalhada dos princípios de detecção de defeitos de superfície baseados em algoritmos tradicionais de visão computacional e em algoritmos de aprendizado profundo. Os algoritmos tradicionais de visão computacional são divididos em métodos de análise no domínio da imagem e métodos de análise no domínio da transformação; uma visão geral do estado da pesquisa recente em detecção de defeitos baseada em aprendizado profundo é apresentada sob as perspectivas de aprendizado não supervisionado, supervisionado, fraco supervisionado e semi-supervisionado. Diversos métodos típicos de detecção de defeitos na superfície das células solares são subdivididos, classificados e analisados comparativamente, resumindo-se as vantagens e desvantagens de cada método. Em seguida, são apresentados nove conjuntos de dados de imagens de defeitos de superfície de células solares e métricas de avaliação de desempenho de detecção de defeitos. Por fim, os problemas-chave comuns na detecção de defeitos em células solares e suas soluções são sistematicamente resumidos, além de uma perspectiva sobre as tendências futuras no desenvolvimento da detecção de defeitos na superfície das células solares.

células solares;detecção de defeitos;visão computacional;aprendizado profundo;redes de detecção