在光伏组件EL（电致发光）图像质检中，隐裂、断栅、虚焊的边界往往并非黑白分明。同一张图像由不同班组复判，结论可能不一致——这直接决定AI能否真正嵌进产线流程，而不只是停留在实验室指标上。
本期实验聚焦"判定门槛"问题。我们取某组件产线近三个月的EL图像样本，由三名工艺工程师独立标注，统计一致率并对分歧样本做归因。初步结果：隐裂类标注一致率约85%，分歧主要集中于细短隐裂与电池片自身纹理的混淆；断栅与虚焊的一致率相对更高，但虚焊在低亮度边缘区域仍存在明显判读差异。
基于该结果，检测模型从二分类改为"缺陷类型＋置信度分级"输出：高置信度区间直接判定，中间区间自动进入人工复判队列，而非直接判废。首轮产线验证中，无效复判量下降约三成，漏检率未上升。
下一步计划两部分：一是引入红外图像与EL图像的配准信息，验证双模态对虚焊判定的增益；二是把判定阈值与组件功率衰减数据做回溯对齐，让质检结论最终与发电表现挂钩，而非止于图像层面。
评论