AI光伏组件EL隐裂检测定制：暗斑分割与分级判定

EL（电致发光）成像是光伏组件隐裂、断栅、碎片的主要检出手段，但图像普遍存在低对比度、栅线纹理干扰与边缘偏暗问题，长期依赖人工判读，标准一致性难以保证。本阶段实验按“先配准、再分割、后分级”的路线推进：以栅线周期做几何配准与亮度校正，把暗斑从正常衰减中分离；再由弱监督分割模型输出裂纹／暗斑掩膜，结合面积占比、是否跨越电池片主栅、形态（线状或块状）折算等级，并保留可复核的判定依据。

进展与数据：

• 在约 1.2 万张含缺陷的 EL 图像上验证，隐裂类缺陷召回约 94%，误报集中于组件边缘暗区与表面污渍，已通过边缘掩膜与极性约束明显压低；
• 单张判读耗时由人工约 20 秒降至 1 秒内，人工复核量下降约六成。

下一步计划：接入红外热成像与 IV 曲线数据做多模态交叉验证，降低单一图像源对隐性缺陷的漏判，并在电站现场抽检场景中检验模型泛化性。