走進光伏龍頭：一塊電池片的「AI」智檢之旅

光伏組件效率每提高1%，度電成本可節(jié)省6%，而電池片正是組件的核心。電池片越薄越能降低成本，卻更易產生隱裂、斷柵及漏漿等缺陷，一旦漏檢將在EL終檢環(huán)節(jié)造成高達15%電池片報廢、年損超千萬；嚴防之下，傳統(tǒng)檢測方案頻繁出現誤報警，人力成本攀升制約生產效能。

近期，凌云光為某光伏頭部客戶構建了“AOI+F.Brain+GMQM”整體解決方案，對電池片生產工藝過程中產生的隱裂、斷柵及漏漿等20余類缺陷精準檢出和剔除，缺陷實時準確分類率≥98%。方案打造的云-邊-端質量管理平臺，實時關聯生產數據和質量分析數據，建立了質量工藝追溯體系，實現從單機臺到跨設備、再到跨數十條產線一致可靠的產品質量管理，推動產品良率提升1%，部分工藝人力節(jié)省75%，并大幅縮短了電池片換型迭代時間，已在多家頭部客戶落地。

• 絲網印刷AOI：AI二次分類，降低誤報誤判

數十條產線上，絲網印刷機正高速為硅片“織網”，經多道印刷工序后，縱橫交錯銀柵線如毛細血管般鋪展，導電性能決定發(fā)電效率極限。為提高組件效率，客戶創(chuàng)新采用特殊導電漿料制作銀柵。然而，漿料由于反光成像對比度低引發(fā)設備誤判率高，“設備一報警，質檢人員就得跑斷腿去查，但實際是良品虛驚一場”。

凌云光項目團隊扎根生產一線對工藝拆解分析，兩周內提出檢測方案，首月AOI設備即上線：方案通過光學成像優(yōu)化，并結合F.Brain深度學習算法進行缺陷標注、模型訓練與調優(yōu)，實現對破片、漏漿及主柵缺失等缺陷精確分類分級，誤判率極大降低，關鍵缺陷零漏檢。同時該設備還與產線實時聯動，當批量報廢缺陷發(fā)生時能迅速報警停機，生產效能顯著提升，目前該AOI設備已批量部署。

• 單相機隱裂檢測：低硬件成本

隱裂是光伏電池片最隱蔽的“致命傷”，是光伏電池片優(yōu)先級最高的視覺檢測工藝之一。一根頭發(fā)絲寬（≥20μm）的裂紋可能引發(fā)碎片卡堵導致產線停止，碎片沾水還將污染整爐工藝環(huán)境造成數千片報廢，單次損失超數萬元。

行業(yè)早期一般采用雙相機方案（銦鎵砷+CMOS），硬件成本高，且無法拍攝硅片底部崩邊缺陷。凌云光采用單相機方案，結合定制近紅外LED光源，優(yōu)化光學及圖像處理算法對正反面隱裂及崩邊缺角等缺陷高速成像，成為行業(yè)新的主流方案。

• PL檢測系統(tǒng)：早發(fā)現早處理，高速無損
  

凌云光PL檢測系統(tǒng)基于光致發(fā)光原理，支持每小時8000片高速無損檢測，隱裂、霧狀發(fā)黑、吸盤印、皮帶印等缺陷識別準確率98%，零接觸避免二次隱裂（頭部客戶復購率100%）。項目團隊創(chuàng)新集成GMQM模塊，貫通擴散、刻蝕、LECO、燒結、成品等多工藝段在線過程監(jiān)控，將終檢問題前置攔截與質量追溯，推動質量管理從“事后堵漏”轉向“主動檢測”。

光伏行業(yè)對效率有著極致追求，慢走等于退步，效率決定效益。為快速響應產品技術迭代需求，產線平均每2-3個月就需更換一次網版，每次換型柵線背景均會發(fā)生變化，傳統(tǒng)的算法模型檢測效果下降明顯。此外，客戶在缺陷樣本采集導入以及模型部署更新上耗費了大量人力，由于缺乏統(tǒng)一的模型管理，整個迭代穩(wěn)定過程耗時耗力需要近一周時間。

為此，凌云光引入雙輸入模板比對算法，通過同時輸入“正常”（OK品）和“異常”（缺陷）模板，模型真正學習到缺陷本身的特征實時準確檢出缺陷，而不受背景變化影響，能夠隨時應對任意網版換型。

同時，將AOI設備和AI算法平臺直接連通，從缺陷樣本采集到模型訓練、封裝、部署全程在線打通，從而實現模型在線迭代/部署，無需人工采集/拷貝/傳遞，電池片換型時間大大縮短：常規(guī)缺陷迭代穩(wěn)定僅需12h；突發(fā)缺陷或者缺陷漏檢等應急情況下，也僅需2h即可敏捷響應。同時，樣本收集時間減少80%，模型部署效率提升90%，模型管理效率提升95%。整個模型迭代效率大大提升，而且數據不出廠、安全有保障。

未來，凌云光將持續(xù)深化“視覺+AI”融合，以AI缺陷分析、質量檢測及質量預警等質量管理方案，驅動光伏行業(yè)持續(xù)提質降本增效，服務好行業(yè)智能制造訴求。