随着“双碳”目标的深入推进，我国光伏发电装机容量持续领跑全球，光伏电池片作为光伏组件的核心部件，其生产质量直接决定光伏电站的发电效率与使用寿命。然而，在光伏电池片规模化生产过程中，缺陷（如热斑、隐裂、二极管故障）的检测长期面临“漏检率高、效率低下、人工依赖重”的行业痛点，成为制约光伏产业高质量发展的前端瓶颈。近日，这一困境迎来技术破局——呼和浩特职业技术大学张新宇项目团队成功研发出一种“双AI协同检测算法”，将光伏电池片的生产缺陷识别准确率提升至新高度，为光伏产业前端生产检测提供了高效、精准的“呼职大方案”。
光伏电池片生产检测环节，人工审核不仅耗时耗力，且电池片微小热斑、隐裂等缺陷肉眼难以分辨，极易因视觉疲劳、操作差异导致漏检，既影响生产效率，更可能让不合格产品流入后续组件封装环节，埋下后期电站运维隐患。针对这一生产端痛点，张新宇团队历时近两年攻关，创新性地构建了双AI检测算法架构。该架构并非简单的算法堆叠，而是通过“初筛—复核”的闭环机制，对生产线上的电池片进行实时、精准检测，实现了1+1>2的效能跃升，从源头把控电池片生产质量。
目前，该技术已在内蒙古地区多家光伏电池片生产企业完成实地验证，成功应用于生产线在线检测环节。数据显示，应用双AI协同检测算法后：
1. 漏检率：相比传统人工检测方式降低超过80%，有效避免不合格电池片流入后续工序，减少返工损耗与质量隐患；
2. 检测效率：单张电池片图像的平均诊断时间缩短至0.2秒以内，适配生产线高速运转需求，整体生产检测周期缩短60%；
3. 生产成本：大幅减少生产线上人工检测岗位的工作量，降低人工培训与管理成本，预计可为生产企业每年节省30%以上的生产检测成本。
“这项技术不仅提高了电池片生产检测的精度，更关键的是它适配了规模化生产的高速需求，让‘无人化值守’变得更可靠。让‘全流程智能化检测’变得可落地。”参与验证的某光伏电池生产企业技术负责人表示，“张新宇团队的技术真正解决了我们生产一线‘忙中易错、漏检难控’‘看得见却看不清’的尴尬，为我们筑牢了产品质量的第一道防线。”
发表评论