大模型质检员如何用火眼金睛赋能光伏产线

大模型“质检员”，为光伏产线装上“火眼金睛”

——AI赋能千行百业一线故事（二十三）

近日，在英利能源发展有限公司蠡县智慧光伏产业园，质检员依托英利光伏质检大模型进行产品检测。河北日报记者 潘文静摄

一块太阳能光伏组件从上线到下线需要多长时间？在英利能源发展有限公司蠡县智慧光伏产业园内，答案是惊人的16秒。产线高速运转的背后，一位看不见的“超级质检员”——英利光伏质检大模型，正发挥着至关重要的核心作用。

据产业园设备主管宋勃飞介绍，这位“AI质检员”的工作深度覆盖了光伏组件生产的全流程，从最初的电池串检测，到层压前、层压后，直至最终的成品检验，它实现了全过程、无死角的智能监控。正是这种深度嵌入，让生产效率与质检精度得以完美兼顾。

协同创新，校企共探AI赋能质检新路径

质检的第一道防线，设置在电池串检测环节。在检测区，机械臂灵活抓取并翻转电池串，高精度CCD工业相机同步捕捉高清图像。处理后的EL（电致发光）检测图像实时呈现在监控大屏上，任何细微瑕疵都无所遁形。

“请看，图像右下角的红色标记框，就是大模型精准识别出的‘虚焊’缺陷。”宋勃飞指着屏幕详细说明。合格品自动流转至下一工序，疑似缺陷品则进入人工复核流程，确认后立即被送去返修，形成高效闭环。

回想起过去依赖人工目检的传统模式，宋勃飞感触颇深：质检员需要手持标尺，一排排仔细比对，检测一块组件平均耗时约一分钟。长时间高强度专注极易导致视觉疲劳，误判、漏判的风险也随之增加。在追求极致效率的自动化产线上，质检环节一旦成为瓶颈，整体产能提升便无从谈起。

如何破解质量与效率难以兼得的行业难题？这曾是摆在英利发展面前的一道必答题。而转机，来自一场产学研的“双向奔赴”。

当时，河北工业大学人工智能与数据科学学院陈海永教授团队，掌握了一项在实验室表现优异的多场景缺陷智能视觉检测技术，正积极寻找产业化的落地场景。双方一拍即合，自2024年初起，便携手踏上了光伏组件智能检测技术的联合研发与应用之路。

研发过程并非一帆风顺。作为研发团队负责人之一，组件研发工程师王坤深知，数据是AI算法的“粮食”，训练一个优秀的质检大模型需要海量、高质量的工艺数据“投喂”。然而，产线每日产生的数十万条数据中混杂着大量无关或低价值信息，直接使用只会拖累模型效率与精度。如何实现数据的“精准筛选与投喂”，成为首个技术难关。

关键在于建立一套科学、恰到好处的数据标注与筛选标准。标准太宽，容易导致漏检；标准太严，则会产生过多误判，影响产线节拍。为此，研发团队直接驻扎进产业园的临时办公室，决心将实验室的先进算法锻造成适应产线严苛环境的“火眼金睛”。经过长达六个月、上百次的反复调试、验证与磨合，一套高效、适用的数据标准体系终于确立。

数据标准问题解决后，更复杂的模型训练与优化接踵而至。团队通过设计面向光伏组件特征的自监督学习任务，将产品特有的结构、材质、缺陷形态等专业知识深度“灌输”给模型；又针对不同类型、不同工艺的光伏组件进行针对性的预训练与轻量化微调，持续提升其在不同场景下的识别精准度与泛化能力……

2024年底，英利光伏质检大模型在蠡县智慧光伏产业园成功上线并稳定运行。效果立竿见影：通过自动化成像系统与AI算法的实时分析，单块组件的检测时间被大幅压缩至2.5到3秒，检测效率相比人工提升超过20倍，缺陷识别准确率稳定在97%以上，完美适配吉瓦（GW）级别的规模化量产需求。

这项创新成果也获得了业界更广泛的认可。在京津冀创新应用场景共建共享大会上，由英利发展与河北工业大学等单位联合申报的“光伏组件可靠性检测视觉大模型应用场景”，成功入选2024年京津冀共建共享十大创新应用场景。

智能化成金字招牌，助力企业提品质拓市场

如今，智能化已成为蠡县智慧光伏产业园最闪亮的金字招牌与核心竞争力。在层压前检测区，质检员王彬一人面前操控着三个大屏，实时监控着三条产线的AI质检状况。要知道在过去，每条产线至少需要配备三名经验丰富的质检员进行高强度目检。

此时正在检测的，是英利发展的明星产品——熊猫3.0系列双面发电光伏组件。这类产品工艺复杂，性能要求高，应用场景广泛，从大型地面电站到工商业分布式项目，乃至各类“光伏+”创新场景都能胜任。也正因如此，对其质量的苛求达到了极致。

“一条比头发丝还细的裂纹，就足以让整块组件的长期发电效能和可靠性大打折扣。”王彬解释道，串焊后的检测至关重要，必须精准揪出焊带偏移、虚焊、过焊以及电池片隐裂等所有潜在质量风险。而光伏质检大模型的存在，让这些肉眼难以察觉的细微缺陷得以在屏幕上清晰呈现、一览无余。

随着光伏产业技术快速迭代，组件尺寸越来越大（如182mm、210mm大尺寸硅片），但对内部缺陷的管控要求却精细到了毫米甚至亚毫米级。“这就要求我们的大模型，必须具备从大面积组件上快速、精准定位微小瑕疵的能力。”王坤介绍道。通过针对性的强化训练与算法优化，目前该模型的缺陷识别精度已达到0.5毫米以内。凭借如此高精度的缺陷识别能力，产线整体良品率得以显著提升0.1%以上，带来了可观的经济效益。

“光伏产品的核心价值，必须经得起长达25年甚至更久时间的考验。”英利发展副总裁于波强调，稳定可靠的产品品质，是光伏电站实现长期高效、安全发电的基石，也是企业在激烈市场竞争中开拓市场的核心竞争力。今年一季度，英利发展接连成功落地了四川甘孜理塘索绒100万千瓦、云南西双版纳勐海石头寨20万千瓦等多个大型光伏电站项目，市场拓展步伐稳健有力。

展望未来，英利发展的战略规划是将光伏质检大模型的应用场景，从生产线进一步延伸至光伏电站的运维现场。目标是构建覆盖光伏组件“制造-运输-安装-运营”全生命周期的数字孪生模型，通过AI预测缺陷发生趋势、生成科学运维建议，最终提升光伏电站的整体智能化管控水平与全生命周期经济效益，为客户提供贯穿产品始终的、增值的全生命周期服务保障。