在光伏组件的生产中，“汇流带焊接机”是把每块电池片的引线焊接到汇流带上的设备，而引线焊接检测位于“汇流带焊接机”之后，是针对“汇流带焊接机”生产结果的闭环实现。

以往的生产实践，因为汇流带焊接普遍合格率高，之后的检测部署便常常被忽视，常见的解决方式是人工肉眼检测，人眼看板子上的180个焊点，每块板则至少需要1分钟。

然而低坏品率依然不是小问题。引线和汇流带是电池板的神经系统，引线和汇流带之间的焊接工艺，直接影响到电池片能否正常使用：如漏焊，虽概率较低，但问题较致命，出现一个点就是一起重大质量事故；少锡，会影响电池板的使用寿命，使电池板未到报废时间前发生问题等。引线焊接不良将**收到产品质量问题投诉，靠赔偿解决将不断为企业带来经济损失、人物力浪费和品牌声誉损耗。

                                          （电池片上的引线与汇流带）

目前所有光伏生产工厂都在向“工业4.0”方向发展。其核心要求就是保证质量的前提下，尽可能降本，这直接关系清洁能源的电费定价。光伏生产的降本首先要求“减人”，就是机器代人；其次是追溯，任何质量问题必须要能追溯到相应的生产环节。其中引线焊接作为较关键的“汇流”工艺，是必须要实时全检且留存“工艺数据”的。

近日，维视智造研发团队再次发布光伏行业机器视觉新成果——汇流带“引线焊接质量”检测解决方案，该方案可保证在“0漏检”的前提下，使“误检率”低至0.01%。

首先，维视团队深度优化了一套**光学成像方案，使焊锡部分的特征均清晰可见，焊锡特征较大化，较终成像效果OK、少锡、漏焊特征清晰明显，相机拼图可保证每个单元中心是锡丝的中心，图像上不会出现非检锡丝。

          （引线尺寸检测）                           （少锡）                             （漏焊）

其次，基于该项目检测的特征随机多样、干扰因素繁杂的痛点，采用了“传统算法+深度学习+深度学习”的三嵌套方式进行方案实施，即：

（1）采用通用传统算法获取焊点粗略所在位置，准确率**；

（2）基于粗定位坐标系，再使用深度学习定位引线位置；

（3）基于深度学习算法检测焊点是否合格，使用较严检测标准，确保“0漏检”，允许10%左右的“误检率”；

（4）根据上一步的“误检数据”，训练深度学习过滤模型，进行“过检”过滤。较终实现“0漏检”的前提下，“误检率”控制在0.01%以下。

               （粗定位——深度学习“精”定位——深度学习&深度学习过滤嵌套）

除达到2秒1板，误检较低的技术突破之外，面对各产线新旧不同的机器设备、产品、厂内环境，此套解决方案更具有简单易部署、兼容性强的特点，将进一步为厂商的设备升级、产线提效增速。

维视智造20余年来，一直专注于机器视觉产品和解决方案的研发、应用，如今针对具体行业已搭建了专门的研发团队，深入其中为产业链上各层级的厂商提供*、专业、系统、定制化、高性价比的技术支持。做大浪淘沙中的洞见者，维视将携手每一位客户，共赴智造时代。