随着行业市场的发展水平不断提高，工业生产过程中，对产品的良率、质量标准有所提高，越来越多的企业重视并引进高新技术，而机器视觉技术已成为重要的技术之一。

在制造过程中对产品进行自动检测和处理可以有效地把控产品品质，不仅能降低人工疲劳及其他人为因素对检测结果的影响，有效地提高产品质量，而且还能节省人工成本。同时，机器视觉技术能够识别和定位工作目标，从而使生产效率不断提高。

为满足光伏组件自动生产线的需要，现需求AI人工智能机器视觉判别，以辅助人工完成光伏组件的缺陷检测。机器视觉是实现工业自动化和智能化的必要手段，是智能制造的关键技术之一。

研究光伏电池串缺陷、光伏电池组件缺陷智能检测，可检测出断栅、隐裂、黑斑等多种缺陷类别信息、位置信息，以收集的每类1000张图像为基准数据集，测试的误杀率和漏检率均低于3%，现场运行的误杀率和漏检率均低于5%。

1）研究光伏电池双通道串检测8个装备的32个点位的图像识别系统；每台设备4个点位，每个点位的识别速度：不超过3s，检测两张图片，分别是串捡EL与外观检，需要同时出两个图片。串捡EL图像大小：1MB，外观检图像大小：5MB。

2）研究光伏电池单通道串检测12个装备的24个点位的图像识别系统；每台设备2个点位，每个点位的识别速度：不超过3s，检测两张图片，分别是串捡EL与外观检，需要同时出两个图片。串捡EL图像大小：1MB，外观检图像大小：5MB。

3）研究光伏电池层压前组件EL外观检测6个装备的18个点位的图像识别系统；每台设备3个点位，每个点位需要同时检测3张图片，分别是层压前EL，图像大小：2.8M；层压前正面外观检，图像大小：6M；层压前反面外观检，图像大小：6M；每个点位的识别速度：3张图片6s同时出。方式为先判别后出。

4）研究光伏电池层压后组件EL外观检测4个装备的12个点位的图像识别系统；每台设备3个点位，每个点位需要同时检测3张图片，分别是层压后EL，图像大小：2.8M；层压后正面外观检，图像大小：6M；层压后反面外观检，图像大小：6M；每个点位的识别速度：3张图片4s同时出。方式必须为先出后判定。

5）研究光伏电池组件终检EL检测6个装备的6个点位的图像识别系统；每台设备1个点位，每个点位的识别速度：不超过3s，检测一张图片，终检EL图像大小：2.8M。

电池串外观，串EL，EL组件和正反面外观缺陷检测系统软件的开发，包含下列五种类型：①光伏电池串EL图像缺陷检测②光伏电池串外观图像缺陷检测③光伏电池组件正面外观图像缺陷检测④光伏电池组件反面外观图像缺陷检测⑤光伏电池组件EL图像缺陷检测

除这五种检测类型外，还包含在上述92个点位上的软件系统部署、调试、测试，识别率和速度达到上述技术要求。将软件部署到工厂产线上的共计92个点位，可以从光伏电池的图像采集装备中读取电池串外观图像，串EL图像，EL组件图像和正反面外观图像

需按要求开发出适符合国家规定并满足市场要求的产品，误杀率和漏检率达到指标要求。确保两年内所生产产品完全符合最新要求，保证该项技术可用于产品批量生产销售并获利。