近日，一款首次將機器視覺與人工智能技術相結合的高精密度光伏電池檢測系統“星漢AI”在武漢發布，填補了國內光伏電池多模態智能檢測領域的空白。

在工業制造的生產過程中，一個重要的環節就是對零部件是否標準進行測量和檢測。智能檢測裝備是智能制造的核心裝備，也是“工業六基”的重要組成和產業基礎高級化的重要領域。

“隨著AI技術向認知智能躍遷，高端制造業對AI的需求已從單點工具升級為全鏈條智能協同，即將AI融入工藝邏輯，實現從設計、生產到運維的閉環場景。”7月29日，武漢愛疆科技有限公司CEO袁五輝在接受21世紀經濟報道記者采訪時表示。

以光伏電池檢測為例，在過去，為保證光伏電池的高精度測試，需要獨立多步驟、多人次、長時間操作，數據采集較為繁瑣，檢測分析單一化且成本高昂，使光伏組件廠商難以一次性全面評估電池性能。如今，基于機器視覺與深度學習的光電檢測系統問世，為光伏電池作一站式全面“智能體檢”，對其性能及缺陷作智能化數據分析，以及對電池狀態與功能配方作預測與評估，為電池研發及制備工藝廠商提供了可解釋、可追溯的數據支撐。

據介紹，愛疆科技發布的“星漢AI”創建了光電材料檢測數據集和基于多模態AI大模型的智能檢測系統，可應用于包括晶硅太陽能電池、鈣鈦礦疊層太陽能電池等新型光電材料檢測場景中。該系統達到98.7%的缺陷識別準確率，實現了光伏電池設備檢測效率提升12倍、成本降低40%的突破，并同時創建全球最大光電材料數據庫，含25類鈣鈦礦材料標準數據。

作為第三代太陽能電池，鈣鈦礦電池具備光電損失小、帶隙可調節等特點，應用場景廣闊，目前其研發和產業化進程不斷加速。然而，鈣鈦礦材料的精密特性對其質量檢測提出了更高的要求，需要極高的精度、極快的速度和全面的數據支撐。傳統檢測手段普遍存在智能化程度低、設備分散、數據割裂等問題，難以滿足鈣鈦礦產業化高速發展對檢測精度、效率、數據整合與應用的嚴苛需求，這也成為了行業亟待突破的瓶頸。

而“星漢 AI”系統能夠快速、精準地識別電池內部的缺陷分布、載流子復合等關鍵性能信息，為電池優化提供強大數據支撐。例如，系統可協同分析不同模態數據：發現量子效率（QE）長波響應不足，結合光致發光（PL）排除底層晶硅缺陷，再通過電致發光（EL）定位鈣鈦礦層邊緣針孔導致的光泄露，最終由電流-電壓（IV）特性驗證能級失配問題，實現問題的精準溯源。

武漢紡織大學電子電氣工程教授艾釗向21世紀經濟報道記者表示，學校在與一些鈣鈦礦生產企業合作過程中發現，很多企業面臨同樣的問題，因為鈣鈦礦電池生產流程中需要液體噴涂，以往噴涂中出現的缺陷只能通過人工識別，無法做到自動化反饋，這導致檢測的反饋周期至少需要兩到三天，才能返回產線進行參數調整，如果通過AI技術賦能解決這種人工判斷的問題，對于整個產線的良品率和產能提升都會有很大的幫助。

在武漢工程大學光能數理學院教授秦平力看來，鈣鈦礦太陽能電池的性能和工業化前景高度依賴其制備工業。通過AI系統結合多模態AI與數字孿生技術，能夠為實現鈣鈦礦制備過程的“虛擬中試”提供強大工具，加速其工藝優化進程。

如今，高端精密光電設備檢測已邁入AI時代，這也成為人工智能賦能高端制造業場景的重要探索和突破。根據賽迪顧問數據，自2023年2月工信部等七部門印發《智能檢測裝備產業發展行動計劃（2023—2025年）》，明確產業發展目標以來，智能檢測裝備產業規模及年增長率均逐年攀升，今年整體產業規模將突破3000億元。

袁五輝表示，除光伏領域的智能檢測外，公司未來還將向新型光電材料、第三代半導體工業等垂直領域延伸，完成從實驗室驗證到規?；逃玫目缭桨l展，為產業升級提供核心驅動力。