目標檢測入門系列手冊七：目標檢測的產品應用實踐【工業視覺篇】

，學習全套目標檢測演算法&模型

目標檢測的產業應用實踐

前三章節，具體講解了目標檢測的技術應用，技術如何和產業相結合，發揮出最大的價值，也是我們最為關注的。

在經濟穩預期的形勢下，國內製造業企業正在加快轉型升級的步伐。阿里作為一家有情懷和使命感的科技公司，我們希望透過技術手段來幫助傳統企業實現轉型升級。正泰新能源與阿里合作引入人工智慧影像技術進入生產車間，其無人質檢生產線目前已使用將近一年時間，成為了生產製造的重要力量。

在光伏行業，質檢環節長期面臨專業度高、招工難、人力不足等問題。

工業自動化水平較高的德國曾推出過元件EL 質檢技術，但只針對典型缺陷，僅能做到輔助人工（無法替代人工）。在國內，光伏企業在智慧AI 識別技術領域做了近10 年的嘗試，但多晶電池和元件的自動質檢遠未達到工業生產水平。

阿里巴巴利用AI 技術，實現了 全球第一個 可代替人工的多晶電池和元件EL 質檢產品。

在應用AI 檢測之前，這個質檢環節需要熟練員工一片一片地對著螢幕去判斷電池片好還是不好，同時要拿手柄去確認，視覺疲勞、會導致準確率的下降，同時要培養這樣一個 熟練員工，基本上要3 個月 的時間。

多晶電池片之所以難，是因為電池片本身有很多暗紋，這些暗紋和某些瑕疵在影像特徵上比較相似，而且瑕疵本身的大小、長寬比、類間距等也很大，因此在演算法上有著非常大的挑戰。

在單晶、多晶電池片質檢線上上穩定執行半年後，阿里推出單晶、多晶元件EL質檢功能，目前已在產線執行且精度穩定在95% 以上。元件由6×10/6×12 塊電池組成，因此只要有一個地方識別錯誤，整張元件便識別錯誤，因此其識別難度遠大於電池片。元件95% 以上的精度意味著單張電池片的識別精度要求遠遠超過99%。

正泰新能源在應用阿里的AI 檢測之後，在“降本增效”上已經有了非常明顯的優勢。

阿里雲未來將與更多的企業聯合，書寫智慧製造新篇章。

文章來源：阿里雲-機器智慧技術