BOB半岛:中国移动上研院的“唐山海泰5G+工业视觉质检项目”

　　中国移动上研院以AI智旭-5G+光伏智能检测系统为核心，针对光伏制造工厂推出了端对端的“无人化”解决方案，该方案在唐山海泰新能科技股份有限公司得到成功应用，形成了“唐山海泰5G+工业视觉质检项目”。

　　该项目提供了光伏AI检测综合解决方案。实测表明，在单条生产线中相对传统检测方式，该方案可在EL串焊、组件EL检测、组件VI检测、接线盒VI检测以及质量数据管理、工艺改进分析等多个生产制造环节节省人工12人左右，优化人力成本80%，检测效率提升超过近2倍，检测质量提升超过60%。

　　该方案采用了云边/端协同架构，在端侧部署承载GPU的小型工控机，在云侧部署质量管理系统（QMS），端侧设备的检测结果在QMS进行汇总分析，同时QMS与MES实时通讯将检测统计结果上传至MES，参照每一环节的生产流程通过参数调整对生产工艺进行不断优化。目前整体方案覆盖整条产线的所有生产检测环节，其中包括6个串焊EL检测工位、1个层压前组件检测工位、1个层压后外观、1个层压后EL检测工位、1个层压后接线个出厂前组件EL检测工位。

　　相比其他网络（以太网、工业PON、NB-IoT、4G等）在工厂内外的局限性，5G可以用于构建工厂内外的人和机器的全方位信息接入系统，助力工厂内、外网络的产业链形成。5G用户面UFP下沉，减少了企业相关业务的传输时延；并将需要分流的本地流量疏导到本地UPF上实现卸载，减轻核心网传输的压力和建网成本，提升企业内部分组数据的承载效率与工业操作体验。上研院AI智旭-5G+光伏智能检测系统的云、边/端构架构可以在端侧通过边缘计算推理检测结果并将检测结果下发，同时通过5G样检测结果上传QMS和MES，进行检测结果的实时分析。

　　在实际生产过程中，部分组件EL图像存在较大的图像畸变，一般无法直接进行其中电池片图像的切分，需要对目标EL组件进行基本的定位和矫正。中国移动上研院针对该问题，对校正算法进行优化，创新性地提出了一种CV视觉校正算法。调用校正算法服务后，系统可自动获取图像的顶点坐标对EL图像进行双边滤波，去掉图片的一些干扰，完成图像校正。

　　光伏组件EL图像的缺陷具备形态特征不同的特点，为更好地完成缺陷识别与标注，提高缺陷检测的准确率，中国移动上研院充分分析了光伏组件EL图像的各缺陷特征，将CV视觉算法与基于深度学习的AI检测算法相融合，并针对性的神经网络模型进行了优化训练，针对EL图像中不同的产品缺陷，可自动调用适配的检测算法，大大提高检测效率与检测质量。可有效避免因图像质量不一致、产品型号不一致、检测工位不一致引起的检测结果不准确。目前此系统可适配业内所有主流规格产品、主流EL设备、主流厂家的检测标准，可检测EL缺陷达几十种、外观缺陷十几种。

　　生产管理模块：主要提供产品管理及批次管理功能。通过产品管理可对产品信息、检测参数以及算法参数进行对应配置，确保检测标准符合实际场景需求；通过批次管理可对EL图像进行信息标记，方便后期进行数据汇总与分析。

　　智能检测模块：主要提供全复检、NG复检、全自动与全手动等多种检测模式的选择，专家复检过程中可进行检测结果的二次确认，确保检测过程低误检、零漏检。同时智能检测对检测数据进行长期保留，方便用户进行结果溯源。

　　系统看板模块：主要对所有检测数据及生产数据进行汇总统计，通过看板的形式进行直观展现，包括工作统计、任务统计、系统监控、服务监控、缺陷实时告警、检测统计、产量排行以及生产监控等模块，帮助用户对系统运行及应用情况进行全局掌控。

　　数据管理模块：主要提供数据权限管理、操作日志记录以及数据报表管理功能，帮助生产管理人员对检测系统及历史检测数据进行全面管理，通过结果分析，实现业务整体闭环。

　　本方案及产品包含了几十种深度学习算法模型，包含大规模深度神经网络技术，不仅能实现AI驱动的无人值守机器视觉检测，还能实现在线“自我”学习。在系统功能上，围绕AI检测形成了丰富的光伏质量管理体系，包括组件/电池串的EL&外观缺陷检测、车间设备无人管理、基于机器学习的良率管理与分析等诸多功能，实现了数字化的质量管理闭环。检测效果上，电池串缺陷的检出率高达99.95%，过杀率低于1%，组件缺陷的检出率高达99.9%，过杀率低于5%，均远超同行水准。

　　总体而言，该方案具有以下创新点。第一，部署5G专网，与地市移动合作搭建5G专网保障网络通信性能及数据安全。第二，为不同企业角色打造不同系统架构，实现云边/端分布管理。第三，传统图像检测算法与基于深度学习的AI检测算法融合，目前产品支持几十种缺陷的检测，并通过算法自学习能力不断提升准确率及丰富缺陷种类。

　　该方案基于AI、5G以及云计算等新型技术，为光伏制造企业提供了一条全新的绿色发展的路径，通过技术革新，实现企业发展和社会效益的双赢。