태양광 모듈 전기광학 결함 자동 인식 연구에서 학습용 이미지 부족 및 생성 이미지 품질 저하 문제를 해결하기 위해 cycleGAN을 사용하여 태양전지 EL 결함 이미지를 생성하고 DCGAN에서 생성한 이미지와 종합적으로 비교하였다. 촬영된 EL 이미지를 분류 및 데이터 증강하여 학습 세트를 구성하였다. 이후 학습 세트를 사용하여 cycleGAN과 DCGAN을 학습시켰다. 마지막으로 생성된 이미지의 유효성, 유사성, 다양성 세 가지 측면에서 두 모델이 생성한 이미지를 비교하였다. 실험 결과, cycleGAN이 생성한 이미지 중 유효한 이미지 비율이 DCGAN보다 현저히 높았다. 실제 촬영된 이미지와 비교할 때, cycleGAN이 생성한 이미지의 시각적 유사성이 매우 높아 사람 눈으로 구별하기 어려웠다. cycleGAN이 생성한 이미지의 FID 지표가 DCGAN보다 현저히 낮았다. cycleGAN으로 생성된 이미지로 학습한 분류 모델의 실제 촬영 이미지 정확도는 93.45%에 달했으며, 학습 세트에 소량의 실제 이미지가 섞일 경우 정확도가 98.26%로 상승하여 DCGAN보다 크게 우수했다. cycleGAN이 생성한 이미지의 평균 MS-SSIM 지표도 DCGAN보다 현저히 낮았다. cycleGAN을 이용한 태양전지 EL 이미지 데이터 증강은 유효성, 유사성, 다양성 측면에서 DCGAN보다 현저히 우수한 효과적인 방법이다.

태양광 모듈; 태양전지; 전기광학; cycleGAN; DCGAN