把一片單晶硅棒切成薄如紙片的硅片，再經(jīng)過制絨、擴散、刻蝕、鍍膜、絲網(wǎng)印刷、燒結(jié)等數(shù)十道工序，一塊光伏電池片才最終下線。每一道工序都可能留下傷痕。硅片厚度只有200微米左右，比兩張A4紙疊在一起還薄，質(zhì)脆易碎，任何一次搬運、一次夾取、一次溫度波動，都可能讓它產(chǎn)生隱裂、崩邊、臟污或劃痕。

這些缺陷肉眼幾乎看不見，但一片帶有隱裂的硅片流入后道工序，可能在終檢環(huán)節(jié)造成高達15%的電池片報廢。單次因碎片卡堵導致的產(chǎn)線停機和污染損失，就可能超過數(shù)萬元。

一、硅片缺陷的種類

光伏硅片的缺陷類型比大多數(shù)人想象的要復雜得多。隱裂、破片、缺口、正背崩邊、點黑、圈黑、劃痕、皮帶印、塊黑、手印、吸盤印、翻液、頂齒印、藍齒印、水印、線痕、黑斑、黑邊、黑角、臟污、白斑、斷柵，這個清單可以列得很長。

這些缺陷大致可以分為幾類：

幾何形缺陷：包括崩邊、缺角、裂紋、穿孔，通常由機械損傷引起，特征是在硅片邊緣或表面出現(xiàn)物理缺失。

表面污染：包括臟污、手印、油漬、水印，來源于搬運和加工過程中的接觸。

工藝缺陷：包括線痕、黑斑、斷柵、燒結(jié)不均，與設(shè)備參數(shù)和工藝穩(wěn)定性直接相關(guān)。

隱裂：隱裂是最隱蔽的殺手，可能小到只有一根頭發(fā)絲寬，肉眼完全看不見，但會嚴重影響電池片的光電轉(zhuǎn)換效率和使用壽命。

二、智能機器視覺解決方案

雙翌光電在光伏硅片缺陷檢測的工程實踐，正好針對行業(yè)痛點給出可落地的成套思路。

第一步是成像。 高分辨率工業(yè)相機搭配專業(yè)光學鏡頭，對經(jīng)過檢測工位的硅片進行快速掃描。針對不同類型的缺陷，系統(tǒng)會采用不同的照明策略。對于表面臟污和劃痕，使用明場照明，光線從正面均勻照射，缺陷區(qū)域因反射特性不同而呈現(xiàn)為暗色或亮色斑點。對于隱裂這類藏在表面之”的缺陷，則需要用到短波紅外成像技術(shù)，因為硅在1300nm波長的紅外光下具有特殊的透射特性，隱裂處的透射光強與完好區(qū)域存在差異，在圖像中會清晰呈現(xiàn)。

第二步是定位與分割。 系統(tǒng)通過算法在圖像中找到硅片的精確位置和姿態(tài)，然后從背景中摳出硅片區(qū)域。這一步看似基礎(chǔ)，實則至關(guān)重要，后續(xù)所有的缺陷檢測都是基于這個定位結(jié)果進行的。

第三步是缺陷識別與分類。 這是整個檢測流程中最核心也最難的一步。傳統(tǒng)的做法是設(shè)定固定的灰度閾值和幾何規(guī)則，亮度低于多少算臟污、邊緣缺損超過多少算崩邊。這種方法對缺陷模式固定的場景有效，但面對硅片表面千變?nèi)f化的缺陷形態(tài)，從幾微米的劃痕到幾毫米的崩邊，從高對比度的黑斑到低對比度的隱裂，傳統(tǒng)算法往往顧此失彼。

深度學習算法改變了這一局面。通過在神經(jīng)網(wǎng)絡中添加小目標檢測層和注意力模塊，對硅片斑點型缺陷的檢測查準率可達97.4%，查全率可達97.8%。平均每張圖片的檢測時間僅為21毫秒。

最后在實際產(chǎn)線對接層面，這套視覺方案保留標準工業(yè)接口，能夠無縫對接工廠 MES 系統(tǒng)，檢測過程當中會留存每一片硅片的缺陷位置、缺陷類型、缺陷等級完整數(shù)據(jù)。這一點的價值很現(xiàn)實，以往人工檢測只有簡單的合格或者不合格結(jié)果，沒有過程數(shù)據(jù)；而機器視覺沉淀的海量檢測數(shù)據(jù)，可以反向給到上游切割、工藝工序，幫助工廠定位缺陷高發(fā)的工藝節(jié)點，實現(xiàn)從事后篩選，向前端工藝優(yōu)化延伸，這也是自動化質(zhì)檢超出單純分揀的附加價值。

三、機器視覺技術(shù)邊界

我們也客觀看到，機器視覺硅片檢測依舊存在現(xiàn)實邊界，并非可以解決全部問題。部分極其細微的亞微米級內(nèi)部損傷，現(xiàn)有成像條件下信號微弱，依舊存在識別挑戰(zhàn)；同時產(chǎn)線會不斷迭代新規(guī)格硅片，新的缺陷樣式持續(xù)出現(xiàn)，系統(tǒng)需要持續(xù)補充樣本迭代模型。

不存在一套參數(shù)可以適配所有工廠，每一條產(chǎn)線的設(shè)備狀態(tài)、硅片工藝版本不一樣，都需要做針對性的調(diào)試優(yōu)化，直接照搬標準化方案，很容易出現(xiàn)誤檢率居高不下的窘境。很多項目失敗，并不是算法理論不行，而是忽略了現(xiàn)場適配調(diào)試這部分工作。

站在行業(yè)發(fā)展視角，光伏產(chǎn)業(yè)持續(xù)向著薄片化、大尺寸方向迭代，硅片變得更薄更脆，潛在缺陷的識別難度還會持續(xù)上升。薄片硅片更容易產(chǎn)生應力裂紋，對檢測系統(tǒng)的非接觸屬性、成像靈敏度提出更高要求。

與此同時，產(chǎn)線節(jié)拍不斷拉高，要求單一片硅片檢測耗時進一步壓縮，這就倒逼成像硬件、算法推理效率同步升級。機器視覺不會停留在單純分揀不良品，未來會深度融入全流程制造，把檢測數(shù)據(jù)和工藝閉環(huán)打通，用視覺數(shù)據(jù)驅(qū)動制造工藝持續(xù)優(yōu)化。

四、結(jié)語

綜合來看，基于機器視覺的光伏硅片缺陷檢測，不是概念化的技術(shù)噱頭，而是已經(jīng)經(jīng)過產(chǎn)線驗證的成熟解決方案。它解決的核心矛盾，就是大規(guī)模量產(chǎn)下，人力很難兼顧檢測速度、檢出精度、數(shù)據(jù)留存這三重訴求。

以雙翌光電為代表的國內(nèi)視覺廠商，持續(xù)打磨適配光伏行業(yè)的定制化方案，也在推動光伏質(zhì)檢環(huán)節(jié)的自動化化落地?；貧w制造本質(zhì)，缺陷檢測的終極目標，不只是把壞品挑出來，而是盡可能減少壞品的產(chǎn)生。

機器視覺系統(tǒng)一方面完成硅片質(zhì)量把關(guān)，攔截缺陷工件流入下一道工序，避免后續(xù)投入的物料、工時白白損耗；另一方面輸出完整的質(zhì)量數(shù)據(jù)，幫助工廠反向追溯工藝源頭。技術(shù)終究是服務于生產(chǎn)，能夠扛住工廠復雜工況，兼顧檢出率、誤報率、運行速度，同時具備便捷調(diào)試能力的方案，才是制造業(yè)真正需要的工具。