在坐落于杭州市滨江区的新能源科技公司的核心制造单元内，质检人员小李正专注地执行着一系列标准化的操作流程：将一组经过初步筛选的太阳能电池片放置在特定的检测平台上，然后借助自动化机械臂进行精准抓取，并运用红外线检测技术进行细致扫描。小李的目标是在极短的时间内，通过观察屏幕上的图像，准确判断该电池片是否存在缺陷，并在旁边的控制面板上选择相应的颜色按钮进行确认。
小李的旁边，一位搭载了由阿里云公司研发的先进工业人工智能系统的AI质检员也在同步进行着相同的检测任务。自正式投入使用以来，这位智能化的“新同事”已经实现了全天候不间断的工作模式。得益于深度学习与图像识别技术的强大支持，这位AI质检员在部署初期就接触并学习了超过5万张具有各种缺陷的电池片样本。凭借其内置的“工业智能核心”，它能够迅速将红外图像数据转化为机器可读的二进制代码，并对存在瑕疵的电池片进行高效的分类处理，其检测速度比人类操作员快出至少一倍。
“可以说，人工智能技术极大地减轻了人工质检人员的工作负担。”该企业质量管理部门负责人王磊指出，传统的人工质检岗位对操作人员的专业技能要求较高，即使是工作数月的员工，也需要在资深师傅的持续指导下不断学习、接受考核并修正操作。在传统的质检模式下，人工检测的平均效率大约为每张电池片2秒，一个班次需要处理的上万张红外图像要求操作员必须长时间保持高度集中注意力。即便采用两班三倒的工作制度，人为操作失误或判断偏差的情况仍然难以完全避免。
“人工质检的准确率通常在93%到97%之间，而人工智能质检的准确率可以稳定在95%以上。”王磊补充说明，以往的人工质检主要任务是将电池片简单地分为合格与不合格两类，而人工智能质检能够实现更精细化的缺陷分类。这些被系统收集和分析的不良数据分类结果，未来将直接应用于生产工艺的优化环节，从而推动整个生产流程的持续改进。
通过这一创新实践，该企业已经成功成为光伏产业领域中首家实现多晶硅电池片自动化检测的企业。据王磊介绍，一块标准尺寸的电池片规格为156.75毫米×156.75毫米，厚度仅有0.18至0.2毫米，其细微瑕疵的检测必须依赖红外线扫描技术。根据该企业多年的生产经验积累，多晶硅电池片可能出现的缺陷类型多达18种，包括但不限于裂纹、表面划痕、电极断裂、指纹痕迹以及黑斑等。考虑到整个生产体系，人工智能质检系统需要识别的瑕疵种类已超过20种。
“如何确保边缘区域或微小尺寸的瑕疵不被遗漏，以及如何帮助算法系统有效区分电池片本身的正常纹理与实际存在的瑕疵，是该项目实施过程中面临的主要技术挑战。”阿里巴巴集团的技术专家李涛分享道。多晶硅电池片的自动检测技术难度最大，目前，人工智能质检系统已经在单晶硅电池片生产、组件制造等其他生产线上开始了离线测试与验证工作。
“以150兆瓦的产能规模计算，如果电池生产车间的良品率能够提升一个百分点，企业每年可以节省超过百万元的生产成本。”该企业的高级副总裁赵敏强调，企业始终致力于寻找提升生产线整体效能的方法，并努力在各个环节降低运营成本。ET工业大脑的应用使得生产各环节之间的关联性更加清晰可见。
作为国内规模领先的光伏发电投资企业，该公司的这次创新尝试也反映了浙江省在推动数字经济转型升级方面的积极探索。王磊透露，计划在今年8月将人工智能质检技术部署到海宁市新落成的电池生产工厂，未来还将向泰国等海外生产基地复制推广这一先进技术。
随着人工智能质检系统的逐步普及，像小李这样的传统质检人员是否会产生担忧呢？王磊解释说，为了保障人工质检团队的专业能力，公司已经实施了质检岗位的轮岗制度。未来，那些从自动化工作中“解放”出来的人工质检人员将被重新分配到更需要人类判断力和创造力的新岗位上去。