PVEL-AD光伏电池缺陷检测数据集使用指南

项目概述

PVEL-AD（Photovoltaic Electroluminescence Anomaly Detection）是一个专门用于光伏电池缺陷检测的大规模开放世界数据集。该数据集包含36,543张近红外图像，涵盖多种内部缺陷和异质背景，是光伏制造领域重要的目标检测基准数据集。

数据集特点

缺陷类别

PVEL-AD数据集包含1类无异常图像和12种不同类别的异常图像：

• finger：电极指断裂
• crack：裂纹
• black_core：黑心缺陷
• thick_line：粗线缺陷
• horizontal_dislocation：水平位移
• short_circuit：短路
• vertical_dislocation：垂直位移
• star_crack：星形裂纹
• printing_error：印刷错误
• corner：角部缺陷
• fragment：碎片
• scratch：划痕

数据统计

类别	训练验证集	测试集
finger	2,958	22,638
crack	1,260	2,797
black_core	1,028	3,877
thick_line	981	1,585
horizontal_dislocation	798	1,582
short_circuit	492	1,215
vertical_dislocation	137	271
star_crack	135	83
printing_error	32	48
corner	9	12
fragment	7	5
scratch	5	3

总计提供40,358个真实边界框标注，这是一个典型的长尾目标检测任务。

项目文件结构

PVEL-AD项目包含以下核心文件：

AP50-5-95.py          # 目标检测评估脚本，计算mAP指标
get_gt_txt.py         # 将XML标注转换为TXT格式
horizontal_flipping.py # 数据增强：水平翻转
README.md            # 项目说明文档
LICENSE              # Apache 2.0许可证
EL2021.png           # 数据集示例图像
pvel.jpg             # 项目标识图片
Industrial_Data_Access_Form.docx # 数据申请表格

使用方法

1. 数据集申请

要获取PVEL-AD数据集，需要按照以下步骤申请：

1. 下载并填写 Industrial_Data_Access_Form.docx 表格
2. 使用机构邮箱（不接受Gmail、QQ等商业邮箱）
3. 手写签名并注明日期
4. 将签名表格发送至 [e-mail]

2. 数据预处理

标注格式转换

使用 get_gt_txt.py 将XML格式的标注转换为TXT格式：

python get_gt_txt.py

该脚本会在 input/ground-truth/ 目录下生成对应的TXT标注文件。

数据增强

使用 horizontal_flipping.py 进行水平翻转数据增强：

python horizontal_flipping.py

注意：需要根据实际情况修改脚本中的文件路径配置。

3. 模型评估

使用 AP50-5-95.py 计算目标检测模型的性能指标：

python AP50-5-95.py

该脚本支持计算不同IoU阈值下的mAP，默认从0.50到0.95，步长为0.05。

技术特点

长尾分布挑战

PVEL-AD数据集呈现典型的长尾分布特征，finger类样本数量最多（22,638个），而scratch类样本最少（仅3个），这为算法设计带来了挑战。

工业级应用

数据集来源于真实的工业生产线，包含复杂的背景和多种缺陷类型，具有很高的工业应用价值。

多类别检测

支持12种不同类型缺陷的同时检测，涵盖了光伏电池制造过程中的主要质量问题。

学术引用

如果您在研究中使用了PVEL-AD数据集，请引用以下论文：

[1] Binyi Su, Zhong Zhou, Haiyong Chen, "PVEL-AD: A Large-Scale Open-World Dataset for Photovoltaic Cell Anomaly Detection," IEEE Trans. Ind. Inform., 2022.

[2] B. Su, H. Chen, Y. Zhu, W. Liu and K. Liu, "Classification of Manufacturing Defects in Multicrystalline Solar Cells With Novel Feature Descriptor," IEEE Trans. Instrum. Meas., 2019.

[3] B. Su, H. Chen, and P. Chen, "Deep Learning-Based Solar-Cell Manufacturing Defect Detection With Complementary Attention Network," IEEE Trans. Ind. Inform., 2021.

[4] B. Su, H. Chen, and Z. Zhou, "BAF-Detector: An Efficient CNN-Based Detector for Photovoltaic Cell Defect Detection," IEEE Trans. Ind. Electron., 2022.

许可证

本项目采用Apache 2.0开源许可证，详情请查看LICENSE文件。

注意事项

• 测试集标注不公开，评估需要在Kaggle竞赛平台上进行
• 数据集申请需要2周内回复处理
• 请使用机构邮箱进行申请，商业邮箱不予受理
• 数据集由河北工业大学和北京航空航天大学联合发布

PVEL-AD数据集为光伏制造业的智能化质量检测提供了重要的数据基础，推动了计算机视觉在工业检测领域的应用发展。