光伏组件EL图像AI质检：隐裂识别与误检率控制

组件EL与外观质检长期依赖人工判图，判据随班次漂移，隐裂、断栅、虚焊这类低对比度缺陷最容易漏。本期实验的方向不是替换人，而是先把「可疑」筛出来，把人工注意力集中到高价值样本上。

做法上采用两段式：先做图像质量与版型归一化，再用小样本缺陷分类承担已知缺陷，用无监督异常检测兜住长尾未知形态，二者输出交给人复核，并回写结论形成闭环。

阶段性进展：在一条试产线上对约2.4万张EL图做离线回放，隐裂召回约93%，误报集中在栅线阴影与手指遮挡区域；单张判图耗时约60毫秒，可匹配现有节拍。外观侧对脏污、崩边、缺角的分类准确率约88%，主要误差来自反光与工装边界。

下一步：引入组件编号与工艺参数做缺陷归因，把漏检样本按串焊、层压、装框环节回溯，并测试低照度与多版型切换下的稳定性。