机器视觉系统在光伏行业的应用

光电转化率的提升、生产的降本增效，来自于光伏硅片、电池片、组件、辅料等多个环节生产技术的提升和创新。

光伏产品的核心追求即为光电转化率，降本增效是光伏企业发展的永久动力。而光电转化率的提升、生产的降本增效，则来自于光伏硅片、电池片、组件、辅料等多个环节生产技术的提升和创新。光伏产品作为高产能、高精度的制造业产品，各段产业链上，各生产环节中的每一道工序都需要更高效的生产技术和先进管理流程。当下在各大光伏工厂中，自动化生产设备的应用比例已越来越高，尤其在后段的光伏组件生产端，自动化覆盖率已近90%，标准化设备包括切片机、串焊机、排版机、叠焊机、层压机、装框机、接线盒焊机、EL测试等。光伏生产企业未来的目标是接近无人化生产，自动化的标配设备占比至少95%以上。

01光伏行业机器视觉系统应用现状

光伏设备可助力光伏制造企业提升规模化效率，提升产品的一致性、可靠性，设备本身的自动化、智能化、互联化升级，将加速光伏工厂的“智造”进程。

光伏设备作为高集成度的生产设备，其自动化、智能化程度，离不开机器视觉系统的技术加持。在光伏产品生产的几十道工序中，生产来料的管控、设备稳定性、工艺参数设定、杂质引入等因素，均可能导致中间产物出现多种缺陷，而机器视觉系统可凭借其精准的定位识别、质量检测、数据管理等技术能力，使光伏设备提升生产精度，更稳定高效，并为工艺优化提供更可视化的数据参考。同时，搭载AI技术的机器视觉系统，更可匹配光伏行业技术迭代快、工艺复杂多样的特征，降低企业换产难度，减少设备替换成本。

02光伏行业机器视觉系统

四大应用需求

在光伏产品的几大生产环节中，机器视觉系统可在产品生产控制、质量把控、生产管理方面为企业带来多项助益。在光伏领域，机器视觉的重点应用方向可以归纳为以下几类：

缺陷检测类应用

在生产制造过程中，缺陷检测是一项非常重要的任务。传统的缺陷检测方法通常需要人工进行检查，这种方法不仅效率低下，而且容易受到人为因素影响而导致误检或漏检。使用机器视觉技术进行缺陷检测，可以大大提高检测的准确性和效率。机器视觉技术可以自动化地检测产品表面各种细微的缺陷，如脏污、划伤、裂痕、凹凸等。这些缺陷虽然看似微小，但可能会对产品的性能和工艺造成重大影响，从而影响产品质量和可靠性。

在视觉的应用方向中，缺陷检测的占比超过40%。在光伏产品的生产流程中，从硅片到组件生产，均会大量应用视觉缺陷检测技术进行质量检测。

定位引导类应用

定位就是通过图像传感器找到被测的零件并确定其位置，输出位置坐标（X、Y、R）。在机器加工或装配、机器人搬运过程中，经常会因为产品在流水线来料位置有偏差、或被装配工件位置不确定，导致机器人不能准确抓住产品，或加工装配位置错位而损坏工件，我们可通过给机器人或设备装上视觉定位系统即“眼睛”，来解决此类问题。

定位引导类应用通常配合机械臂一起工作，在制造场景中占比超过20%。在光伏产品生产工艺流程中，由于产线自动化程度高，部分产品的尺寸大、重量重、一致性高，尤其适合机器人操作，因此配合机械人进行定位引导的应用场景较为广泛。

测量类应用

视觉测量技术是一种基于计算机视觉的测量方法，通过图像传感器获取待测量物体的图像，并通过对图像的处理和分析，获取物体的尺寸、形状、位置等信息。视觉测量技术具有非接触、高效率、高精度等优点，被广泛应用于工业生产领域。在光伏行业，视觉测量被广泛应于各个工序环节中，是保证组件产品质量稳定和出厂一致性的关键。

识别类应用

识别类应用包括对文字、条码/二维码、颜色、有无等的识别，其中典型的条码/二维码识别等，常常被用于在生产/物流/包装线上对产品进行扫描，实现产品的自动化跟踪、信息录入和质量控制。在光伏生产流程中，出于生产信息核对以及质量检查需求，视觉识别技术也被广泛的采用。

光伏生产中的缺陷检测、定位、测量、识别，不同的应用方向对机器视觉系统的技术设计和软硬件配置要求也有所不同，因此在机器视觉系统的设计过程中，就需要根据具体的应用场景来选择合适的软硬件环境。

例如，对于硅片、电池片的缺陷检测，因其检测速度快、检测精度要求高，就需要选择高分辨率、高精度的图像采集部件，高处理能力和负载能力的计算机硬件等以保证系统的高速响应与高效处理；在一些复杂场景中，如应用到深度学习来进行图像处理，则对视觉系统中算法的模型训练推理能力提出更高要求；另外，针对不同的应用场景，还需特别考虑到系统的稳定性、可靠性、易于维护性及可扩展性等方面的需求，确保系统可以满足实际生产的需要。

转自：维视AI工业视觉开放平台

审核编辑：汤梓红