钙钛矿太阳能电池（PSCs）实验室效率已超26%，但大面积组件效率保持与户外长期稳定性制约其应用。本研究开发基于日光激发的户外光致发光（PL）与隐含开路电压（iVOC）成像技术，首次实现钙钛矿电池及组件的定量iVOC空间映射。美能钙钛矿在线PL测试机的PL高精度成像功能可清晰识别电子缺陷分布，并通过优化带通滤波器提升信噪比，并利用单BPF校准法突破样品光学属性限制，实现iVOC成像误差<5%，为钙钛矿电池户外性能退化机制研究提供新工具。

PL信号提取

户外PL成像中，相机检测信号Idet包含环境光Iamb与PL信号IPL，且 Iamb≫IPL。

研究通过采集电池开路（OC）和短路（SC）状态下的 PL 图像，信号差异提取有效PL：

原理：OC状态下Vi最大→PL最强；SC状态下Vi≈0→PL≈0，而环境光分量Iamb恒定可抵消。

光学滤波优化

光学滤波优化

光学滤波选择

信噪比（SNR）受环境光散粒噪声主导。模拟表明：对带隙1.55 eV钙钛矿电池，760 nm中心波长的10 nm带宽BPF因AM1.5G光谱吸收谷，可使SNR最大化。实验采用该参数，PL图像分辨率接近室内水平。

钙钛矿微型组件的户外PL成像

钙钛矿微型组件的户外PL成像（A,C）室内与（B,D）户外PL图像对比

对比室内/户外PL图像：

户外图像成功识别局部降解区（如活性层缺陷、非辐射复合增强区域），与室内结果高度一致。

分辨率差异源于户外SNR较低（环境光散粒噪声限制）。

钙钛矿微型组件退化户外PL成像（A）老化前、（B）老化2个月后的PL图像，（C）PL强度下降幅度图

对同一组件进行2个月户外PL追踪：

效率从10.3%降至1.7%，PL强度显著衰减。

空间非均匀衰减：局部区域Vi下降更剧烈，暗示接触层电阻增大或电荷收集损失。

PL图像可关联填充因子衰减（通过分流电阻空间分布）与短路电流损失（活性层退化）。

iVOC成像方法

PSC的户外iVoc成像：（A）校准用参考PSC的PL图像，（B,C）两个待测PSC的PL图像，（D,E）对应的iVoc图像

传统校准需样品与参比电池光学属性一致。本研究采用单BPF简化校准法，选用 750 nm 中心波长、10 nm 带宽的 BPF，仅探测 PL 光谱的高能尾区域 —— 该区域 PL 强度对光学特性不敏感，可忽略校准电池与测试电池的光学差异，使 iVOC 误差控制在 5 mV 以内。

钙钛矿微型组件的户外iVoc成像：（A）PL图像，（B）iVoc图像

首次在户外获得钙钛矿微型组件iVOC图像，模块级iVOC（3.5±0.5 V）与实测Voc（3.48±0.05 V）吻合。

本文提出了一种利用太阳光作为唯一激发源捕获PSC和钙钛矿组件室外PL图像的新方法。该方法已被证明能够产生高质量的图像，揭示有关PSC质量均匀性和各种电子缺陷存在的空间信息，这一点已通过使用室内实验室PL成像系统获取的PL图像得到证实。除了定性的PL信息外，我们还证明了单BPF方法可用于将PL信号校准为iVOC图像。这些iVOC分布图可以与器件的整体性能相关联，并提供关于不同缺陷严重程度的空间分辨信息。

美能钙钛矿在线PL测试机       

联系电话：400 008 6690

在线PL缺陷检测通过非接触、高精度、实时反馈等特性，系统性解决了太阳能电池生产中的速度、良率、成本、工艺优化与稳定性等核心痛点，并且结合AI深度学习，实现全自动缺陷识别与工艺反馈。

PL高精度成像：采用线扫激光，成像精度＜50um/pix，（成像精度可定制）

高速在线PL检测缺陷：检测速度 ≤ 2s，漏检率 < 0.1%；误判率 < 0.3%

AI缺陷识别分类训练：实现全自动缺陷识别与工艺反馈

美能钙钛矿在线 PL 测试机凭借 PL 高精度成像、高速在线检测及 AI 缺陷识别等优势，在生产环节实现了缺陷的快速识别与工艺反馈，不仅为钙钛矿电池的性能优化提供了全方位数据支持，更加速了其产业化落地进程。

原文参考：Outdoor implied open-circuit voltage imaging of perovskite solar cells using sunlight excitation