2023中国光伏行业机器视觉系统应用白皮书.pdf

目录一、机器视觉行业应用背景.1（一）机器视觉系统行业应用及发展.11、机器视觉概述.11.1 机器视觉定义与发展.11.2 机器视觉场景应用.22、机器视觉系统发展与应用.32.1 机器视觉系统定义.32.2 机器视觉系统应用优势与发展预测.5（二）光伏行业机器视觉系统应用概况.61、光伏行业机器视觉系统应用现状.61.1 光伏行业机器视觉系统应用背景.61.2 光伏行业机器视觉系统应用现状.82、光伏行业机器视觉系统应用需求与趋势.92.1 光伏行业机器视觉系统应用需求.92.2 光伏行业机器视觉系统应用趋势.113、光伏行业机器视觉系统应用技术攻关.13二、光伏生产环节机器视觉系统应用介绍.13（一）光伏机器视觉系统生产环节应用概述.13（二）硅片生产段机器视觉系统应用介绍.161、机器视觉系统应用环节.162、机器视觉系统应用痛点及难点.173、解决优化路径.18（三）电池片生产段机器视觉系统应用介绍.181、机器视觉系统应用环节.182、机器视觉系统应用痛点及难点.193、解决优化路径.20（四）组件生产段机器视觉系统介绍.201、机器视觉系统应用环节.202、机器视觉系统应用痛点及难点.213、解决优化路径.22三、光伏行业机器视觉系统解决方案.23（一）硅片、电池片生产流程中的主要机器视觉系统解决方案.231、硅片外观缺陷检测视觉解决方案.231.1 应用场景.231.2 解决方案.242、电池片生产流程中主要机器视觉系统解决方案应用.252.1 电池片 EL/PL 检测视觉解决方案.252.2 电池片分选检测视觉解决方案.27（二）组件生产流程中主要机器视觉系统解决方案应用.281、排版机视觉定位解决方案.292、串焊机视觉检测解决方案.303、汇流带引线焊接质量检测视觉解决方案.314、汇流条抚平设备视觉检测解决方案.315、绝缘片定位及位置度检测视觉解决方案.326、层压后整版缺陷检测视觉解决方案.337、接线盒自动安装机视觉检测解决方案.358、接线盒自动焊接机视觉检测解决方案.389、接线盒扣盖机视觉检测解决方案.4110、自动贴标机视觉检测解决方案.43四、白皮书编写单位介绍.44（一）白皮书主编单位介绍.441、英特尔（中国）有限公司.442、陕西维视智造科技股份有限公司.45（二）白皮书参编单位介绍.471、海目星激光科技集团股份有限公司.472、广东利元亨智能装备股份有限公司.503、科圣达（苏州）智能科技有限公司.534、齐河双百数码影像设备有限公司.562023 年中国光伏行业机器视觉系统应用白皮书1一、机器视觉行业应用背景（一）机器视觉系统行业应用及发展1、机器视觉概述1.1 机器视觉定义与发展机器视觉，指用机器代替人眼，来对目标进行测量和判断。机器视觉是人工智能正在快速发展的一个分支，通过成像、信号分析与处理、决策与执行三个关键环节，为制造生产中的自动检查、过程控制、机器人引导及生产中数据化预测与决策等，提供基于图像的自动检查和分析的技术及方法。在中国，机器视觉主要的应用方向为制造业。当前中国作为全球第一制造业大国，现已成为全球机器视觉增长最快的地区之一，国内机器视觉市场规模自2021 年起始终保持 27%左右的高速增长水平。预计未来三年，得益于宏观经济逐步回暖，下游行业恢复增长，产业结构升级等因素，中国机器视觉行业规模将进一步增长，从 2023 年的 375.4 亿元增长至 2025 年的 560.1 亿元。作为自动化技术的一部分，相比人工视觉，机器视觉在工业现场的应用优势日益凸显：帮助企业节省更多人力成本。中国人口出生率从 2011 年的 13.27下降至2022 年的 6.77，预计到 2030 年中国 60 岁以下人口或将降至 75%，且制造业就业人员 2021 年仅为 3828 万人，制造业劳动成本则从 36665 元飙升至92459 元。得益于机器视觉技术的不断进步，部署成本越来越低，单条产线上可完成机器代人的数量也逐渐增长，可为企业生产节省可观的开支。助力生产更精确、稳定、高效。人工视觉具有易疲劳、主观性高、精确度不2023 年中国光伏行业机器视觉系统应用白皮书2稳定、效率受限的天生缺陷，而机器视觉因其无接触、高精密成像能力，微米级、标准化、高稳定的数据分析能力，以及自主感知的技术能力，更适用于工业生产现场对于产品提质增效的需求。赋能更多特殊领域的自动化升级。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，机器视觉可帮助企业打造“无人工厂”，提升生产的安全性和自动化程度。为工业 4.0 提供更多数字化支持。搭载 5G、边缘计算等技术，使海量数据更体系化、高效率生成与存储，与工业企业的生产执行系统(MES)等应用对接后可实现基于数据的预测、监督、生产、管理、决策，提升生产的自主性与安全性，为企业打造工业 4.0 时代的“智慧工厂”奠定技术基础。1.2 机器视觉场景应用机器视觉在工业领域应用广泛，按功能和场景主要分为四大类：识别、定位、测量、检测。识别包括有无、颜色和条码/二维码识别，主要通过甄别目标物体的物体特征来进行判定，在工业应用场景中占比约 24%。定位功能是在识别出物体的基础上，经过测量准确的给出目标物体的坐标位置，引导机器人完成后续的加工、装配、搬运等一系列动作。在工业应用场景中，定位需求占比约为 16%。测量泛指利用被测物体特征进行全局或局部尺寸数据获取的应用，包括：长度、平行度、角度、圆弧长、圆直径、半径、点线距离、点点距离等等，尺寸测量既可以用于产品生产过程中的尺寸数据管控，也可以用于数据的获取，在工业2023 年中国光伏行业机器视觉系统应用白皮书3应用场景中占比约为 10%。检测指的是对目标物体表面的缺陷进行检出。产品生产制造过程中产生的表面缺陷会影响其性能及客户体验，制造业产品 SKU 繁多，质量标准多且变化性高，而当下的先进产线使缺陷样本数量又不足，致使人工检测为企业带来了大量成本。因此表面缺陷检测成为了机器视觉最重要的应用方向之一，在整个工业应用场景中占比约为 50%。据机器视觉产业联盟最新调查结果显示，在制造业中，消费电子行业是机器视觉行业最大的下游应用领域，2022 年销售额占机器视觉产品制造业销售额的比例为 26.7%；受新能源汽车行业高速发展驱动，机器视觉在锂电行业的应用得到快速发展，2020-2022 年，机器视觉在锂电行业的销售额年均复合增长率高达 88.9%，2022 年锂电行业销售额占比上升至 21.1%，排名第二位；第三为半导体（含 PCB）行业，销售额占比为 9.4%；第四为光伏行业，销售额占比为 8.4%；第五为汽车行业，销售额占比为 7.5%。2、机器视觉系统发展与应用2.1 机器视觉系统定义机器视觉行业的主要产品形态包括系统和组件。根据行业标准定义，其中系统分为特定应用视觉系统及可配置视觉系统，智能相机和视觉传感器；组件包括工业线扫描相机、2D 相机、3D 相机/3D 采集设备、光学元件、照明设备、图像采集卡、视觉软件（可单独售卖类）、接口/电缆/附件/图像传感器/其他组件。2023 年中国光伏行业机器视觉系统应用白皮书4（典型的机器视觉系统架构）机器视觉系统所包含的产品对机器视觉技术的集成程度和应用场景不尽相同：特定应用视觉系统：指专为某种应用开发的视觉系统，主要产品功能由视觉技术来实现，从特定应用视觉系统中单独提取的任何单个组件都无法实现此功能。可配置视觉系统：一种可以在各行业或环境中应用于不同应用程序（如字符识别、尺寸测量等）的视觉系统。最终用户无需编写源代码即可实现所需的应用程序，其典型特征是可扩展、灵活，并通常基于 PC 技术。智能相机：一种具有嵌入式智能功能（如微处理器、DSP 或 FPGA）并可进行编程/参数化的相机。智能相机可用于不同的应用程序，最终用户可以通过在智能相机本身上或通过 PC 编写源代码、通过参数化来实现所需的应用程序，典型特征是：紧凑、固定的硬件配置，并通常基于嵌入式技术。视觉传感器：一种基于图像传感器的交钥匙产品，该传感器与集成在体内并配备有特定应用软件的处理器单元相结合，典型光学和照明已集成。该应用程序2023 年中国光伏行业机器视觉系统应用白皮书5将用于特定任务。机器视觉系统是通过机器视觉产品（CMOS 和 CCD）将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。机器视觉系统集成了光源照明、光学成像、图像感知、图像采集、数字图像处理、软件框架、处理平台等技术，是机器视觉能力最综合的应用形式，目前已成为机器视觉行业最大的细分市场，据机器视觉产业联盟统计，2022 年销售额占机器视觉产品销售总额比为 26%。2.2 机器视觉系统应用优势与发展预测机器视觉系统是对机器视觉技术灵活集成，因此非接触、仿人的特点更明显。机器视觉系统更面向市场应用，为满足不同生产环境、行业场景的视觉检测需求，因此柔性程度更高，更追求与实际应用的适配性。在当前中国产业结构升级，国产化进程不断加快的背景下，据机器视觉产业联盟观察，机器视觉系统的发展将呈现几大重要趋势：应用领域持续拓宽。中国机器视觉行业经过过去十年的快速发展，市场教育及应用普及程度已相对成熟，同时机器视觉技术发展，国产研发能力提升，促使机器视觉系统的价格和使用门槛均持续下降。未来除了在传统的电子、汽车、新能源、半导体等工业领域的应用外，机器视觉系统将逐步拓宽在现代服务业、交通、文旅等领域的融合应用。2023 年中国光伏行业机器视觉系统应用白皮书6嵌入式视觉应用持续增长。嵌入式视觉系统包含从所选成像传感器接收光到系统输出的整个信号链。处理能力、存储器密度和系统集成程度的提升，促进了嵌入式视觉在消费类产业和政府领域被广泛接受。预计在未来，嵌入式视觉系统将成为自动驾驶、生命科学、边境监控、农业等领域的重要落地应用。机器视觉技术将更加智能化、高效化、可靠化。人工智能技术全面发展之下，深度学习、增强学习、迁移学习等分支技术将进一步优化机器视觉算法的性能；新型传感器、光学器件、芯片技术等将进一步提升机器视觉系统的性能和稳定性。由产品向解决方案升级是未来大方向。工业自动化企业已逐步要求视觉企业提供能够与测试或控制系统协同工作的一体化工业自动化系统，而非独立视觉应用，此需求趋势将倒逼视觉企业逐渐从产品供应商向智能化、自动化、一体化的系统解决方案提供商转型。（二）光伏行业机器视觉系统应用概况1、光伏行业机器视觉系统应用现状1.1 光伏行业机器视觉系统应用背景在全球“碳中和”的大趋势推动之下，光伏发电作为目前最具发展潜力的可再生能源之一，整体行业发展迅猛。2022 年，全球光伏新增装机 230GW，在疫情大背景下依然实现逆增长。在我国，光伏产业已是战略性新兴产业，伴随着国家级战略规划和各级政府的多项鼓励政策，目前中国光伏已经实现了制造业规模世界第一、装机量世界第一、发电量世界第一的“三个世界第一”，整体行业技术水平及产业化水平位居全球头部。根据工业和信息化部公开数据，2022 年全年光伏产业链各环节产量再创历2023 年中国光伏行业机器视觉系统应用白皮书7史新高，全国多晶硅、硅片、电池、组件产量分别达到 82.7 万吨、357GW、318GW、288.7GW，同比增长均超过 55%，行业总产值突破 1.4 万亿元人民币。在应用端，2022 年我国光伏新增装机 87.41GW，同比增长 59.3%；2023年上半年光伏新增装机基本与2022年全年数据相当，占新增电源总装机的56%，光伏已经是中国装机规模第二大的电源，仅次于煤电。CPIA 保守预计到2025/2030 年我国光伏新增装机预测将达到 100GW/120GW。数据来源：中国光伏行业协会 CPIA作为资源、资本、技术密集型产业，中国光伏行业的蓬勃发展离不开光伏制造生产技术的升级迭代。在光伏应用市场规模领先的同时，我国也成为全球第一大光伏技术来源国，中国光伏专利申请量占全球光伏专利总申请量的 80.14%，当前中国主要光伏生产设备及配套材料已基本完成国产化替代。自动化、智能化生产设备作为光伏制造企业的核心资产，其性能、技术发展对光伏产品的生产效率、产品质量、生产成本有着重要影响。光伏设备一般指光伏制造企业用于生产原料、电池及电池组件、零部件等产品中使用的，并在反复使用中基本保持原有实物形态和功能的机器设备。在光伏制造的主要环节中，光伏设备大致包括以下几类：硅棒、硅锭生产设备：如铸锭炉、单晶炉、检验测试设备、切割研磨设备等；2023 年中国光伏行业机器视觉系统应用白皮书8硅片生产设备：如开方机、多线切割机、检验测试设备、抛光研磨设备、清洗设备、自动分拣设备等；电池片制造设备：如制绒机、清洗机、扩散炉、隧穿层/多晶硅层沉积设备、钝化膜沉积设备、PECVD、烧结炉、丝网印刷机、检测设备、激光开槽机、离子注入机等；晶硅电池组件制造设备：如层压机、串焊机、汇流条自动焊接机、EL 测试仪、切割划线设备、削边机、组框组角机、IV 测试仪等；薄膜电池组件制造设备：如 CVD、PECVD、PVD、清洗设备、激光刻划机、层压机等。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。1.2 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。2023 年中国光伏行业机器视觉系统应用白皮书9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。据统计，在光伏重点生产领域，机器视觉系统的适配性，硅料端约为 70%，硅片端约为 80%，组件端约为 60%，电池片端几近 100%。2、光伏行业机器视觉系统应用需求与趋势2.1 光伏行业机器视觉系统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。2023 年中国光伏行业机器视觉系统应用白皮书10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2023 年中国光伏行业机器视觉系统应用白皮书11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。2.2 光伏行业机器视觉系统应用趋势2022 年 1 月，工业和信息化部、住房和城乡建设部、交通运输部、农业农2023 年中国光伏行业机器视觉系统应用白皮书12村部、国家能源局等五部委联合印发智能光伏产业创新发展行动计划（2021-2025 年），明确光伏多个制造环节的技术方向，提出到 2025 年，光伏行业智能化水平显著提升，产业技术创新取得突破，新型高效太阳能电池量产化转换效率显著提升，形成完善的硅料、硅片、装备、材料、器件等配套能力；计划从加快产业技术创新、提升智能制造水平、实现全链条绿色发展等多方面提升行业发展水平。政策支持、光伏扩产、终端制造厂商的智能化工厂转型均为光伏设备的自动化、智能化升级带来利好，机器视觉系统作为智能制造的重要组成部分，也将在光伏产线迎来更高的覆盖率。同时，机器视觉系统本身技术的发展，深度学习、先进算法、3D、嵌入式技术等进一步降低使用门槛，成本更具落地价值，将促使光伏生产环节更多工位的机器代人，标准化设备以及一体化设备的更多创新和应用。当下机器视觉系统应用的另一个强大推力，是光伏产业本身的重大技术迭代。硅料设备迎颗粒硅新技术；硅片设备迎大尺寸、CCZ 升级新机遇；电池设备迎HJT、TOPCon 光伏技术新革命；组件设备迎大尺寸+多主栅+多分片+N 型组件多重技术变革，工艺变化必然推动光伏设备创新升级：如在硅片环节，金刚线切割机将具备更高线速、更小轴距，使用线径更小的金刚线，对视觉系统的精度有了更高要求；硅片分选设备需要更灵活的尺寸规格切换能力，生产效率，以及对硅片厚度、线痕、尺寸、隐裂等的检测精度；在电池片环节，激光设备因新的工艺需求也对视觉精度、稳定性要求更为严格；丝网印刷机中，双轨高精度大硅片印刷设备对视觉系统能力的集成度需求更高；电池片效率测试分选设备因对 TOPCon 和 HJT 的电池测试具有更大优势，视觉系统的应用效率也将面临不断升级；2023 年中国光伏行业机器视觉系统应用白皮书13在组件环节，划焊一体机将成为新建产线的宠儿，其中对组件全尺寸的兼容能力、电池片切割精度、0BB 串焊技术的创新，也将提升机器视觉系统的应用和技术迭代速度。3、光伏行业机器视觉系统应用技术攻关当下机器视觉系统在光伏产线的覆盖率尚未达到饱和，部分工艺环节仍处于技术攻关阶段，面对未来的产能需求和新技术要求，机器视觉系统还需要更快的技术迭代提速。如在电池片生产过程缺陷检测检出率与过杀率、电池片效率分析能力仍有突破空间；光伏产品种类差异大，视觉可能存在不兼容的问题；组件产线设备的一体化趋势，倒逼对视觉系统功能集成的稳定性、视觉算法模块的通用性和易用性亦要进行更进一步的研究；视觉软件 AI 学习能力的智能性和成本控制也是未来的重点研究课题。二、光伏生产环节机器视觉系统应用介绍（一）光伏机器视觉系统生产环节应用概述随着光伏行业的发展，如何提升生产效率和产品质量成为了生产企业关注的焦点。一般而言，光伏行业零部件在生产线上的各个环节需要进行大量的产品检测。传统的人工目检方式存在着效率低、准确性不高等问题，而机器视觉检测技术的应用可以有效解决这些问题。通过使用机器视觉检测技术，可以实现对光伏组件的外观缺陷、尺寸偏差、电池片裂纹等问题进行快速、准确的检测，大大提高了生产线的生产效率。2023 年中国光伏行业机器视觉系统应用白皮书14一块完整的太阳能电池板的出库，一般要经历原材料制备、硅片生产、电池片生产、组件生产等重大环节，每个环节又会出现数十道工序。因此，机器视觉的应用就成为光伏产业链自动化、智能化升级的重要抓手。目前，机器视觉在硅片检测、分选，电池片检测，组件焊接、层压、测试等工序环节得到充分应用。2023 年中国光伏行业机器视觉系统应用白皮书15光伏机器视觉系统随着相关软硬件的开发成熟已经落地并得到广泛实践，其核心是将先进的视觉识别技术与人工智能算法相结合，通过对光伏生产过程中的各个环节进行实时监测和分析，实现自动化检测和质量控制，可以精确地检测组件表面的裂纹、划痕、污染和晶体缺陷等问题。与传统的人工检测相比，光伏机器视觉检测系统具有更高的准确性和效率，可以大大提高生产线上的检测速度和产品质量。此外，在光伏产业链智能化升级的基础上，通过对产品性能和参数的实时监测和分析，可以及时发现和修复潜在问题，确保产品的稳定性和可靠性，通过详尽的数据报告和统计分析，为企业的决策提供科学依据。维视智造基于20年的机器视觉应用积累打造了成熟机器视觉软硬件产品体系，基于英特尔深度学习优化的工具套件 IntelOpenVINO，并灵活利用IntelOpenVINO，InteloneAPI，Intel DeepLearningStreamer 等工具，将传统算法积累和深度学习有效融合，已帮助众多光伏设备制造商和终端客户，2023 年中国光伏行业机器视觉系统应用白皮书16更好更快的开发和落地部署 AI 机器视觉解决方案，实现了光伏生产过程的自动化和智能化，提高了生产效率和产品质量。随着技术的不断创新，光伏行业 AI机器视觉解决方案的应用前景和发展空间将更加广阔。（二）硅片生产段机器视觉系统应用介绍1、机器视觉系统应用环节机器视觉系统在硅片生产段的应用主要包括以下几个方面：2023 年中国光伏行业机器视觉系统应用白皮书17硅片表面检测：机器视觉系统可以对硅片表面进行检测，包括检测表面缺陷、污染、划痕等问题，确保硅片表面的质量符合要求。尺寸测量：机器视觉系统可以通过图像处理技术对硅片的尺寸进行测量，包括直径、厚度等参数的测量，确保硅片尺寸的准确性。在硅片涂层等工序中会重点应用。定位引导：机器视觉系统可以通过图像处理技术对硅片进行定位与对位，确保硅片在后续工艺中的准确位置，提高生产效率。缺陷检测与分类：通过视觉应用，检测硅片的尺寸、厚度、倒角、崩边、脏污、隐裂、孔洞等质量指标，对硅片进行分选和表面缺陷进行分类与分析，提供有关缺陷类型、原因等信息，帮助生产人员进行问题分析与改进。条码识别与数据管理：机器视觉系统可以对硅片生产过程中的图像数据进行管理与追溯，记录每个硅片的检测结果与生产信息，以便后续的数据分析与质量追溯。2、机器视觉系统应用痛点及难点硅片生产段机器视觉应用难点主要有以下几个方面：图像分辨率：硅片生产过程中，需要对硅片表面进行检测和分析，但硅片表面的特征通常非常微小，因此需要相应高分辨率的图像采集设备。光线条件：硅片生产过程中，常常需要在高温、高湿度和强光等恶劣环境条件下进行检测。这些条件对于图像采集设备和图像处理算法都提出了较高的要求。高处理速度和低宕机率要求：硅片生产过程中，需要对大量的硅片进行快速的检测和分类。因此，机器视觉系统需要能够在短时间内完成图像采集和图像处2023 年中国光伏行业机器视觉系统应用白皮书18理，以提高生产效率。高图像算法要求：硅片生产过程中，需要对硅片表面的缺陷进行检测和分类。这些缺陷通常是非常微小和细微的，因此需要相应高灵敏度的图像采集设备和图像处理算法。3、解决优化路径针对硅片检测的高图像处理算法需求，在硅片生产段机器视觉应用中，会更加注重深度学习的优化能力。英特尔边缘洞见平台(IntelEdge Insights forIndustrial)可实现了边缘侧数据连接，数据分析以及边云协同等功能，EII 集成了基于深度学习优化的工具套件 IntelOpenVINO，同时提供优化框架，可以支持边缘的多个应用程序和用例，实现更高的人工智能推理性能和云边协同，提供从云端到边缘的数据洞察，配合开放的软硬件架构和 API 接口，可帮助开发人员更快调用各类算法模型满足视觉应用需求，达到更灵活快速的算法性能、更高的生产力。而针对硅片的特殊材质产生的视觉采集难点，目前行业内也已有较为成熟的高精度相机和配套光源方案以及不可见光相机落地应用，可应对硅片处理环节中的各类图像采集情况。（三）电池片生产段机器视觉系统应用介绍1、机器视觉系统应用环节机器视觉系统在电池片生产段的应用主要有以下几个方面：品质检测：通过检测电池片的颗粒、划痕、色差、变形、隐裂、脏污、尺寸、2023 年中国光伏行业机器视觉系统应用白皮书19厚度、崩边、裂纹、裂片、黑斑、短路、黑边、亮斑、断栅、虚焊、混档、过焊、绒丝等质量指标对电池片进行分选；尺寸测量：机器视觉系统可以测量电池片的尺寸，例如长度、宽度、厚度等参数，应用于电池片的检测和分类，通过分析电池片的外观特征，判断其质量好坏。定位和对位：采用机器人+视觉方案实现高效、准确的光伏电池片花篮的自动搬运。在该方案中，机器人负责执行搬运任务，而视觉设备主要用于定位和识别光伏电池片。视觉设备会捕捉电池片的图像，并通过算法进行特征提取和比对，确定电池片的位置和姿态。然后，机器人根据视觉设备提供的信息，精准抓取和搬运花篮；缺陷分析：机器视觉系统可以对电池片进行缺陷分析，帮助生产线追溯和改进生产过程，提高产品质量，确保产品质量和一致性。2、机器视觉系统应用痛点及难点电池片生产段机器视觉应用难点主要有以下几个方面：高精度要求：电池片生产过程中，需要对电池片进行高精度的检测，如尺寸、形状、缺陷等。这对于机器视觉系统来说是一个挑战，需要具备高分辨率、高灵敏度的成像设备和精确的算法。高模型算法能力要求：电池片生产过程中会产生大量的图像数据，需要进行实时的处理和分析。这对计算能力和存储能力提出了很高的要求，同时还需要有效的数据处理算法和模型。环境干扰强：电池片生产车间的环境通常比较复杂，存在各种光照、尘埃、2023 年中国光伏行业机器视觉系统应用白皮书20振动等干扰因素，这对机器视觉系统的稳定性和鲁棒性提出了要求，需要采取相应的措施来降低环境干扰对系统性能的影响。实时性要求：电池片生产过程通常是连续进行的，且生产节拍较快，对于机器视觉系统来说，需要具备较高的实时性能和低宕机率，能够快速地对图像进行处理和分析，及时反馈结果并进行控制。3、解决优化路径为了满足电池片生产段机器视觉系统所需的高效实时数据处理强度，保持整体系统的稳定，需要着重扩展数据带宽和负载能力。相较仅支持 PCIe3.0 通道的前代处理器，第 12 代英特尔酷睿桌面处理器支持 PCIe 5.0 且具有 PCIe 4.0通道，可添加高速扩展卡或固态盘以及与 CPU 直连的更大的数据，创新的高性能混合架构可提升单线程和多线程性能并实现 AI 加速，以灵活部署物联网。支持 DDR5-4800 和 DDR4-3200 内存，使应用更快、更同步，特定 CPU/PCH 组合为嵌入式使用条件，提供了充分的运行时间和优秀的性能。此外，针对电池片生产段关联设备多，生产数据较多，生产节拍较快的问题，英特尔时序协调运算（英特尔 TCC）和时间敏感网络(TSN)，可在连接多台边缘设备时，尤其是在依赖时间敏感型数据传输，在合理的 CPU/PCH 组合配置下，可帮助一线机器视觉开发人员实现更加高效的实时数据调用。（四）组件生产段机器视觉系统介绍1、机器视觉系统应用环节机器视觉系统在光伏组件生产领域有多种应用，如：缺陷检测：在组件生产过程中，通过对汇流条、接线盒焊接前原材料来料进2023 年中国光伏行业机器视觉系统应用白皮书21行检查以及焊接后焊疤质量进行检查，确保汇流条焊接及接线盒焊接实现自动化，在串焊前、串焊后、层压前对光伏组件进行 EL 检测，确保组件无质量问题。在层压后、装框前，同样用到视觉检测技术对光伏组件的整体质量进行检查；定位引导：在组件生产流程中，电池片串焊之前的排片、串焊过程中的电池片和汇流条、栅线定位均采用视觉定位技术辅助实现，在接线盒的自动焊接、扣盖、安装过程中，同样采用视觉定位技术进行辅助生产；尺寸测量：机器视觉系统可以用于光伏组件的尺寸测量。通过测量组件的长度、宽度、厚度等参数，系统可以判断组件的尺寸是否符合要求，并且可以帮助生产线进行自动调整，以确保每个组件都具有一致的尺寸。识别标识：机器视觉系统还可以用于光伏组件的标识和追溯。通过识别和记录每个组件的唯一标识码，系统可以追踪组件的生产过程和出货记录，以便进行质量追溯和售后服务。2、机器视觉系统应用痛点及难点光伏组件生产段机器视觉应用难点主要包括以下几个方面：精确度要求高：光伏组件生产需要进行精确的尺寸测量、位置定位等操作，而机器视觉系统在进行图像处理时需要具备较高的精确度，以确保生产过程中的准确性和稳定性。复杂的图像处理要求：光伏组件生产过程中，需要对组件表面的缺陷、污渍等进行检测和分类，而这些缺陷和污渍往往具有多样性和复杂性，需要机器视觉系统能够准确识别和分类这些不同的情况。实时性要求高：光伏组件生产过程中，机器视觉系统需要能够在短时间内对2023 年中国光伏行业机器视觉系统应用白皮书22图像进行处理和分析，并及时给出反馈和控制信号，以保证生产线的正常运行和高效率。3、解决优化路径由于这一生产环节对于系统数据的实时处理要求较高，因此需要配置具备高数据处理能力和多线程性能的相关硬件。采用高性能混合架构的第 12 代英特尔酷睿桌面处理器，对比第 10 代英特尔酷睿处理器，第 12 代英特尔酷睿桌面处理器的单线程性能提升高达 1.36 倍1，多线程性能提升高达 1.35 倍1。8个 P-core（性能核）以及 8 个 E-core（能效核），可提升后台任务管理和多任务处理。英特尔硬件线程调度器可智能指挥操作系统将合适的工作负载分配到合适的内核。而在复杂图像处理需要的 AI 处理性能方面，则可以通过配备合适的高性能显卡解决。随着 AI 在各行各业和各个用例中的广泛应用，第 12 代英特尔酷睿桌面处理器将 GPU 图像分类推理性能提升 2.81 倍，可满足日益增长的需求1。CPU 的设计以英特尔 Xe 架构驱动的英特尔超核芯显卡 770 为基础，集成了多达 32 个图形执行单元(EU)，对比第 10 代英特尔酷睿处理器，显卡性能提升高达 1.94 倍1。高性能显卡架构充分适应 AI 工作负载，通过快速、高效的推理支持更大规模的并行处理。此外，AI 建设者可利用英特尔深度学习加速技术（英特尔 DL Boost）实现基于硬件的 AI 加速，同时利用英特尔发行版OpenVINO工具套件优化推理。1.性能测试结果基于配置信息中显示的日期进行的测试，且可能并未反映所有公开可用的安全更新。关于性能和基准测试程序结果的更多信息，请访问 年中国光伏行业机器视觉系统应用白皮书23三、光伏行业机器视觉系统解决方案（一）硅片、电池片生产流程中的主要机器视觉系统解决方案（图源：上机数控可转债发行募集说明书）1、硅片外观缺陷检测视觉解决方案1.1 应用场景光伏硅片缺陷检测是利用机器视觉技术，对硅片表面进行全面、系统、准确的检测。检测时需要使用高分辨率、高灵敏度的相机和光源，以及专业的图像处理和分析软件。从光伏硅片工艺升级的趋势上来看，由于单晶硅具有更高的晶体质量和较低的电阻，能够提供更高的转换效率，因此其占比在逐渐提高。同时，为了提高光伏发电的效率，光伏硅片的尺寸也在不断增大，以增加单位面积上的光伏转换效率。此外，一些新的硅片技术，如薄膜硅和多结硅等，也在不断发展，以满足更高的光伏转换效率和更低的生产成本的需求。这些因素对视觉检测技术的应用提出了新的挑战。从检测内容上看，硅片外观检测的缺陷内容包括裂片、崩边、缺角、划痕、2023 年中国光伏行业机器视觉系统应用白皮书24亮点、暗点、脏污等数十种。检测需求多，客户对机器视觉检测要求高，需要满足不同尺寸和不同缺陷的检测需求。同时，由于此类需求一般配套适用于硅片导片机、硅片划片机、硅片切片机等设备，对产能有一定的要求，因此对视觉系统也提出了检测速度的需求。对应的解决方案上，业内普遍采用高速、高分辨率面阵和线扫两种方案进行图像采集，采用深度学习软件进行图像处理，同时，可实现一种方案响应多种检测需求，自动匹配不同尺寸硅片，响应大尺寸产能扩张需求，可以与 PLC 直接进行数据交互，将数据写入 PLC 数据存储区。1.2 解决方案解决方案 1：2K16K 分辨率线阵相机+定焦镜头+线光源，相机垂直安装在电池的正上方，当电池快速通过生产线时，工业相机可以逐行扫描其表面。生成精度为0.020.08 毫米/像素的精细图像，结合深度学习软件，可实时检测出硅片表现的缺陷特征，从而确保产品的高质量，实现硅片的分选。解决方案 2：采用 500-2900 万面阵相机，结合落射光源进行图像采集，通过软件进行图像定位+缺陷检查。2023 年中国光伏行业机器视觉系统应用白皮书25（硅片原图 VS 软件处理图）2、电池片生产流程中主要机器视觉系统解决方案应用（电池片生产流程）2.1 电池片 EL/PL 检测视觉解决方案应用场景：电池片 EL/PL 检测是根据硅材料的电致发光/光致发光原理，对隐裂、黑斑、2023 年中国光伏行业机器视觉系统应用白皮书26短路、亮斑、断栅、虚焊、过焊、混档进行缺陷检测，是检查电池片质量的重要评估工具。这种检测方法可以在近红外光谱范围下进行，使用高灵敏度的相机和优秀的软件，以无接触的方式进行检查。类似的检测方式和检测内容在硅片、组件端同样存在。在进行硅片/电池片/组件 EL 或 PL 检测的过程中，最关键的技术因素有以下两点：由于光伏效应的电致发光或光致发光量非常微弱，需要使用灵敏的相机；需要一套软件，用于研究电池的暗色缺陷、均匀性和整体效率。一套电致发光系统，需要在箱体内组装相机以免受环境光影响。将太阳能电池放入该箱体，系统连接到恒定的电源。相机在电池通电的时候捕获图像。借助可靠检测软件的协助，随后对图像进行分析，检查电池的暗色缺陷、均匀性和整体效率。根据缺陷的严重程度，判断电池为合格或不合格。光伏模块检测的过程充满挑战，需要在特定的 8501250nm 波长范围内，能够拍摄清晰图像的相机。解决方案：目前业内广泛采用的解决方案是在 8501250nm 波段量子效率更高的短波红外面阵相机或近红外线扫相机进行成像+基于深度学习的图像处理软件结合传统的图像拼接+预处理技术，共同解决这一问题。2023 年中国光伏行业机器视觉系统应用白皮书272.2 电池片分选检测视觉解决方案应用场景：太阳能电池板外观检测涉及的缺陷有崩边、缺角、硅落、短栅、主栅缺失、主栅