埃及研究人员开发出人工智能(AI)模型，用于检测太空中使用的太阳能电池板的损坏情况。相关研究分析了受电弧影响的太阳能电池阵列图像，电弧是高压太阳能电池板与太空等离子体相互作用时产生的放电现象。

研究指出，电弧会产生高峰值电流，致使电池互连器严重受损，严重影响航天器系统的性能与可靠性。研究发现，电弧最常出现在太阳能电池的中间电池、互连器和边缘，这些区域电场最强。

该研究由国家天文与地球物理研究所和贝尼苏韦夫大学的科学家共同开展，他们运用深度学习来理解电弧行为。研究人员借助卷积神经网络(CNN)和迁移学习，从图像数据中对缺陷细胞进行分类和检测。

研究团队分析了从44个独立组件拍摄的2624张太阳能电池黑白图像，其中部分电池工作正常，部分则出现明显故障，包括裂纹和电弧引起的表面污染。

为检验效果，研究人员尝试了两种不同的人工智能模型。第一个模型是从零开始构建的网络，处理已学习过的图像时，准确率几乎达95.98%，但在新图像上测试时，准确率降至83.24%，表明其在实验室外的可靠性欠佳。第二种方法采用迁移学习，使用了预先训练好的EfficientNetV2L模型，验证准确率达89.05%，且在新图像处理方面表现出色。

两种模型均能发现与电弧相关的损坏，特别是太阳能电池最易放电的部分，如互连器、边缘和中间电池区域。

研究人员得出结论，深度学习是识别太阳能电池板电弧损伤的有效方法。他们表示，这项研究为图像处理和分析提供了宝贵见解，为人工智能在工程和航空航天工业中的进一步应用提供了建议，有助于增进对电弧过程的理解，提高AI模型的预测能力，从而支持设计更强大的太空太阳能电池阵列系统。

未来研究将涉及使用机器学习技术进行模拟，以预测电弧事件的行为，应用于涉及“太阳能电池阵列上的电弧电流、电位和闪络”的场景。