← 返回实验室

光伏组件EL隐裂AI识别:分级判定与复判阈值

在组件EL质检环节,隐裂、断栅与暗斑的判定长期依赖人工看片,标准难对齐、疲劳后一致性下滑。本实验室近一阶段把重点放在两件事上:一是让模型输出可解释的缺陷分级,二是把复判阈值做成可配置参数,而不是写死在模型里。

数据侧,我们收集了单晶与多晶多条产线的EL原图,按成像分辨率与曝光档位分层抽样,避免模型学到组件版型而非缺陷本身。缺陷按四级标注:无异常、轻微(不影响功率)、需复判、明显失效。训练采用先在多产线混合数据上预训练、再按机型少量微调的两段式策略,缓解跨机型泛化问题。

阶段进展:

  • 在四类典型缺陷上,分级结果与人工复判的一致率约为92%,其中「轻微」与「需复判」的边界仍是主要分歧来源;
  • 单片判定耗时约80ms,可匹配串焊后与层压后两道检测工位的节拍。

下一步计划把复判阈值与相关IEC判定条款做映射,并在产线侧引入低置信度样本回流机制,让阈值调整有数据支撑,而非依赖单次调参。

评论

更多研究动态

查看全部实验室 →