太陽光モジュールの電気発光欠陥自動認識研究における学習用画像不足および生成画像の品質問題に対処するため、cycleGANを用いて太陽電池EL欠陥画像を生成し、DCGAN生成画像と総合的に比較した。撮影されたEL画像を分類しデータ増強して訓練セットを形成した。次に訓練セットを用いてcycleGANとDCGANを訓練した。最後に生成画像の有効性、類似性、多様性の3つの観点から両モデルの生成画像を比較した。実験結果は、cycleGANが生成した画像において有効画像の割合がDCGANより有意に高いことを示した。実際に撮影した画像と比較して、cycleGAN生成画像の視覚的類似性は非常に高く、人の目で識別するのが困難であった。cycleGAN生成画像のFID指標はDCGANより著しく低かった。cycleGAN生成画像で訓練した分類モデルは実画像に対して93.45％の精度を達成し、訓練セットに少数の実画像を混入させると精度が98.26％に向上し、DCGANを大きく上回った。cycleGAN生成画像の平均MS-SSIM指標もDCGANより著しく低かった。cycleGANを用いた太陽電池EL画像のデータ増強は、有効性、類似性、多様性の3点でDCGANを大きく上回る有効な手法である。

太陽光モジュール; 太陽電池; 電気発光; cycleGAN; DCGAN