在光伏组件EL（电致发光）成像检测中，隐裂、断栅、虚焊等缺陷与正常晶界、电池片效率差异在灰度上高度接近，产线换版型后标注样本又十分稀缺。计算机视觉实验室以某组件厂EL工位为试验场景，尝试用“正常样本建模＋弱监督定位”替代全监督分割。
方法上分两步：先对EL图像做光照与增益归一化，抑制曝光和串阻差异带来的灰度漂移；再用无缺陷样本训练重建网络，以重建残差热力图给出缺陷候选，最后用少量粗标注（仅框出缺陷区域）微调分类头，降低逐像素标注成本。
【阶段进展】在覆盖5种版型的离线集上，隐裂类缺陷召回由基线78%提升至91%，误报由每块组件2.4处降至0.7处，单张图像推理约120ms，可跟上现有节拍。需说明的是，数据来自单一产线，跨厂泛化尚未验证。
【下一步计划】引入多曝光合成与跨版型特征对齐，并在两条不同工艺产线上做小批量灰度测试，重点观察断栅与虚焊的区分能力，同时补充缺陷类型的人工复核记录，作为后续迭代依据。
评论