AI视觉光伏电池片EL检测：隐裂分级与误检抑制

光伏电池片EL检测中，隐裂、断栅、黑斑的灰度差异小，产线换版后模板易失效。计算机视觉实验室尝试以“正常样本异常检测+少量缺陷微调”冷启动：先学习正常片EL纹理分布，再用约200张缺陷样本微调分类头，避免每次换版重标全量数据。针对误检，引入栅线几何约束与区域邻域一致性校验，把主栅遮挡、探针压痕等伪影与真实隐裂区分开。

进展要点：
1）在某试点产线，冷启动首版隐裂召回92%，误报3.1%；接入4周回流数据做增量学习后，误报降至1.2%，单张推理65ms（T4），满足节拍要求。
2）下一步计划将EL与外观图像做双流特征对齐，探索跨工序迁移（电池片到组件），进一步降低新产线冷启动标注量，并补充断栅与混档的细粒度分级。