案例酷 | 正泰新能源:AI质检 让瑕疵一秒现身

简介: 自身能力的提升才能从容应对外界市场环境的波动。正泰新能源多年来,一直是智能制造的最佳实践者。从引进先进的自动化生产线,到自行开发MES系统(生产执行系统),随着大数据、人工智能、云计算等新一代数字技术的产业化落地,正泰嗅到了新的机会。

引言:正泰新能源是正泰集团旗下集清洁能源开发、建设、运营、管理于一体的能源解决方案提供商,致力于光伏组件的的生产和销售,光伏电站、储能、配网售电、微电网、多能互补等综合能源的投资建设,全球累计投资建设光伏电站3500兆瓦,光伏组件产能达到2500兆瓦。

正泰新能源的发展有很强的行业代表性。一方面,光伏发电成本正快速逼近化石能源。一旦成本持平,凭借其在绿色发电上的绝对优势,光伏产业将迎来市场拐点。但现实依然很严峻。正泰新能源副总裁黄海燕女士表示,当前中国光伏产业主要有三大难局。一是利润微薄,光伏企业严重依赖国家补贴。企业市场行为受补贴政策影响巨大。二是经常成为国家间贸易壁垒的受害者。全球60%的硅料,85%的硅片以及70%的电池片都来自中国。欧洲“地板价”、美国“双反税”等地贸易保护政策严重影响到中国光伏企业在国际市场的竞争力。三是客户对产品品质的要求更为“苛刻”,间接增加企业的生产与运营成本。

自身能力的提升才能从容应对外界市场环境的波动。正泰新能源多年来,一直是智能制造的最佳实践者。从引进先进的自动化生产线,到自行开发MES系统(生产执行系统),随着大数据、人工智能、云计算等新一代数字技术的产业化落地,正泰嗅到了新的机会。

借助AI图像质检技术,攻克质检难题

面对新技术,正泰新能源质检经理罗刚表示,公司在选择大数据与AI落地场景上,并不是一上来挑战高难度,而是从复杂度相对较低、数据采集难度较小、数据质量能够得到保证且收益明显的场景入手,这样才能确保项目的成功率,起到示范作用。而对正泰来讲,电池片和组件的质量检测环节正好满足上述条件。

质检素来是生产环节中占用人工多、耗时长、且不产生直接价值,但又无法忽视的环节。在光伏行业,车间质检人员都是通过EL设备对产品进行检测, 再用肉眼寻找瑕疵判定产品等级。辨认每张EL照片一般耗时在2秒以上,遇到难以判断的图片,甚至要花上更多功夫,即低效又低质。而为了控制劳动力成本,正泰同其它多晶电池生产企业一样,不得已采用抽检方式,这就导致出现漏网之鱼,影响客户满意度。正泰新能源寄希望利用AI图像技术,由人工抽检变为机器全检,提升产品出厂合格率。

何为AI图像质检?简单地讲,就是将一块电池片放到一个与计算机相连接的摄像头下面,由计算机来识别产品是否存在缺陷。其实正泰多年前就已经利用该技术代替人力做单晶电池片的自动检测。然而多晶电池片的复杂程度远高于单晶,多晶中每个晶粒的大小和形状都各不相同,即便当前行业中最聪明的算法也难以在密密麻麻的晶粒中,准确捕捉到细小瑕疵。因此,当看到了阿里云工业大脑在协鑫集团、天合光能等光伏企业上的成功, 正泰新能源副总裁黄海燕女士毅然决定与阿里云AI专家合作,借助阿里云ET工业大脑AI图像质检技术,共同攻克多晶电池片及组件瑕疵检测这一难题。

工业大脑四步走

其实AI质检的思考逻辑与人类质检员相似,都是在大脑中形成对缺陷产品的记忆,并通过记忆与所检测产品的比对,判定产品缺陷。而AI的优势在于远超人类的记忆力与推算能力,且不受外界干扰,也毫无疲惫感,毫秒间便能做出判断。以下四个步骤是工业大脑的正确打开方式:

记忆植入 – 记忆是决策的依据。项目首要任务就是要为工业大脑植入记忆。正泰质检部门将过去两三年中收集到的带有产品缺陷的5万多张图片上传到算法服务器中。图片涵盖20余种的缺陷类型,例如隐裂、缺角、黑斑、黑点、黑线、舟印、指纹印、区域发暗、烧结不良等。

智力训练 - 大脑虽然有了记忆,但智力仍处于婴儿水平,并无判断对错的能力。因此,需要在每一张图片中,把不同缺陷类型都清晰地标注出来,再输入到云计算平台,通过深度学习与图像处理技术做算法训练。算法就好比是数学公式,相同的答案可以有多种解题思路。一个聪明的算法可以在EL设备的协助下,每天在几万张图片中,以最优的方式识别出产品缺陷、并清晰描述缺陷类别、缺陷长度、面积、形状等,同时做到实时报警。

离线测试 - 模拟环境中训练出的算法,需要在离线环境中进行测试、优化。从最初的几千张到上万张,通过向算法不断输入新的图片进行训练,并对产品缺陷做进一步精细化标注,让算法可以从容应对所有可能出现的产品缺陷。

线上实测 - 实际生产过程中的质检环境与离线环境相比更为复杂,AI算法要经过实际产线上的考验。实测中出现的新问题需要反馈到算法模型中,把算法打磨得更聪明,判断问题更全面。

image.png

最终, 经过多轮的线上实测,AI算法的识别准确度可达到97%,不仅如此,从图像拍摄到数据接收、处理,然后到数据上传MES系统做缺陷判定,再到最后MES系统下达指令给机械手臂抓取缺陷产品, 整个流程耗时不到一秒,仅为原先的一半,且检测过程无需人工参与。这一结果意味着质检效率增加了一倍的同时,还可以腾出更多人工从事更为有价值的工作。

工业大脑在多晶电池片积累的know-how,正快速复制到单晶电池片与电池组件的质检环节。未来,工业大脑在跨工厂、跨价值流与跨产品三个层面都将有更大的发挥空间,工业大脑将复制、推广到正泰海宁、泰国等全球各个工厂。通过对产品瑕疵的分析,工业大脑还可以进一步做产品质量溯源,识别上游的问题工序,并通过关键因子识别与参数调优,对生产工艺进行改善。

文章来源:阿里研究院

相关文章
|
2月前
|
人工智能 JSON 数据格式
GEE、PIE和AI Earth平台进行案例评测:NDVI计算,结果差异蛮大
GEE、PIE和AI Earth平台进行案例评测:NDVI计算,结果差异蛮大
52 0
|
2月前
|
人工智能 算法 数据可视化
AI Earth ——开发者模式案例6:决策树模型实现冬小麦提取
AI Earth ——开发者模式案例6:决策树模型实现冬小麦提取
36 2
|
27天前
|
人工智能 安全 数据安全/隐私保护
一个案例,看懂AI Agent厂商的商业落地路径
随着大语言模型技术的进步,国内科技巨头正加速在AI Agent领域的布局,利用自身技术和应用场景推动AI Agent在各行业的深度融合。百度、飞书、钉钉等已推出相关产品,其中实在智能的Agent智能体结合AI和RPA技术,提供高度自主和交互性的软件实体,已在多个场景实现商用并即将公测。企业选择AI Agent时关注点包括与现有自动化解决方案的融合、易用性、数据安全和新业务自动化能力。实在智能的Agent解决方案因其灵活性、安全性及广泛的应用潜力受到青睐。
56 1
|
2月前
|
人工智能 开发者
AI Earth ——开发者模式案例9:OpenAPI调用AI识别能力
AI Earth ——开发者模式案例9:OpenAPI调用AI识别能力
40 0
|
21天前
|
机器学习/深度学习 人工智能 自然语言处理
AI案例研究与项目实战
探索AI实践:从智能客服到图像识别、推荐系统、语音助手,再到智能仓储和金融风控,这些案例展示AI如何解决实际问题。通过NLP、深度学习、机器学习等技术,企业如阿里巴巴、京东等改善客户服务,医疗、安防领域利用图像识别创新,而个性化推荐提升用户体验。AI不仅改变交互方式,还优化仓储物流、保障金融安全,实操项目助力技术应用能力提升。
35 3
|
2月前
|
人工智能 开发者
AI Earth ——开发者模式案例8:利用Landsat-8数据进行地表温度反演
AI Earth ——开发者模式案例8:利用Landsat-8数据进行地表温度反演
29 0
|
2月前
|
人工智能 开发者
AI Earth ——开发者模式案例5:鄱阳湖水体区域识别
AI Earth ——开发者模式案例5:鄱阳湖水体区域识别
35 6
|
机器学习/深度学习 人工智能 自然语言处理
搜狗翻宝Pro机再次开挂,智能翻译硬件成中国人工智能的新风口
第五届世界互联网大会正在如火如荼的举行。
搜狗翻宝Pro机再次开挂,智能翻译硬件成中国人工智能的新风口
|
机器学习/深度学习 人工智能 自然语言处理
与世界同行 2017中国人工智能大会有感
与世界同行 2017中国人工智能大会有感
1540 0
与世界同行 2017中国人工智能大会有感
|
人工智能 自动驾驶
2019年上半年收集到的中国人工智能发展详情文章
2019年上半年收集到的中国人工智能发展详情文章

热门文章

最新文章