AI光伏组件EL检测：隐裂分级与功率关联

计算机视觉实验室近期围绕光伏组件电致发光（EL）成像的自动判读开展实验性探索。EL 图像对比度低、隐裂形态细碎，且受曝光、拼接与组件版型差异影响，直接套用通用检测模型容易出现漏检与等级误判。

现阶段做法是先做几何与光度归一化：按电池片栅线对齐、分块校正亮度不均，再以多尺度特征提取区分隐裂、断栅、黑斑与边缘失效。模型输出缺陷掩膜与置信度，并映射到组件级缺陷等级，避免仅凭单张图像下结论。

要点：

• 阶段进展：在自建 3,200 张 EL 图像集上，隐裂召回率约 93%，断栅误报较基线下降约四成；等级判定与人工复核一致率约 88%。
• 下一步：接入 IV 测试与功率数据，验证缺陷面积、位置与功率衰减的相关性，并评估产线节拍下的推理延迟。