在“双碳”战略与光伏产业智能化转型背景下，英利能源联合河北工业大学陈海永博士团队共建博士创新站，成功研发并应用“光伏组件可靠性检测视觉大模型”。该模型融合时序分析、图像识别与多模态理解，通过一体化流水线检测实现端到端缺陷识别，显著提升检测速度与准确性，降低人工依赖，助力企业降本增效与生产智能化升级。

开展技术攻关

传统光伏检测多依赖人工目视或简单图像分析，存在误判率高、效率低下等问题。面对复杂多变的缺陷识别场景，博士创新站围绕“光伏组件可靠性检测视觉大模型”核心需求，开展技术攻关。

针对工业产品视觉检测场景中干扰多、小样本、背景复杂、分布变化及难以定制化检测任务等问题，团队研究基于灵活堆叠Transformer架构的多模态基础网络以适配复杂多变的缺陷识别场景，采用Transformer多级框架进行大规模自监督预训练，通过人工参数调优、置信度阈值设置，搭配细粒度特征自编码和伪边界框对比学习组成的两阶段预训练框架，同时基于大模型框架完成语言类和视觉类模型增量训练，提出基于扩散模型生成带感知注释数据的方案，构建光伏行业首个全流程数据标注工作流，形成从生产到运维覆盖数据“采集—清洗—增强—标注—优化—生成”的完整闭环。

实现多重突破

博士创新站合作攻关的项目不仅在技术层面实现多重突破，更在经济、社会及可推广价值上取得丰硕成果。

在技术方面，该项目有效提升了光伏电池组件的缺陷细节感知、纹理特征理解、区域特征融合及端到端缺陷感知能力，丰富的无监督伪边界框优化了检测头的局部表示和定位性能，部署于工业边缘设备的轻量化引擎（1.2GB 显存/50ms时延）可实时输出带空间坐标的标注图；同时模型的行业术语理解等能力得到优化，扩散模型借助GPT-4o等大型语言模型产生的无限多样引导语句，成功生成多样化合成图像，全流程数据标注工作流不仅支撑了多模态质检模型研发，还规范化了行业大规模数据标注流程，为复杂工业产品缺陷检测提供了高效通用的技术方案。基于项目合作，共发表SCI论文6篇，申请发明专利2件、软件著作权2件，培养研究生3名。

在经济方面，该技术在英利能源产线应用后，每天可筛选6000块组件、84万张光伏电池图像，缺陷识别率超99.91%，产能提升15%，A级品率提升0.5%，缺陷检测成本降低30.2%。

在效率方面，质检效率提升3倍以上，建模效率提升10倍以上，打破了人机信息与知识鸿沟。

在社会效益方面，团队构建了行业内五个数据集，共计600多万张图像（约34TB，分辨率0.5k-2k），覆盖从生产到发电环节的光伏电池片、光伏组件、光伏电站多场景，已被清华大学、美国宾夕法尼亚大学等500多个团队使用。相关产品不仅在河北、天津、河南等全国十余个省份推广应用，更广泛应用于德国、阿尔及利亚、葡萄牙等十余个国家的国际工程，为稳定生产运行、保障产品质量、提升制造效率、确保服役安全等提供了强有力的技术保障。

三方协同攻坚

2024年4月，英利能源发布了“光伏组件可靠性检测视觉大模型”应用场景。经过深入沟通和对接，公司与河北工业大学陈海永教授团队孵化成立的河工宁安（天津）工业智能科技有限公司达成合作意向，三方构建了“企业场景支撑—高校技术攻关—企业转化落地”的协同模式。2024年8月，三方合作申报河北省重大科技支撑计划项目—创新应用场景专项，设立专项工作组，由英利能源技术骨干、河北工业大学青年教师及河工宁安工程师组成，负责日常技术攻关与数据采集分析，极大地缩短了技术落地周期。

回顾创新历程，团队深刻体会到跨学科融合与产学研协同的价值。面对光伏检测领域长期存在的“卡脖子”技术难题，创新站以自主创新打破国际垄断，不仅填补了国内光伏质检领域的技术空白，更推动中国光伏产业从“规模领先”向“技术引领”跨越。未来，团队将继续通过产学研协同攻克技术壁垒，持续为光伏领域新质生产力的培育与壮大注入强劲动能，推动新能源产业高质量发展。