张新宇项目团队成功研发出光伏电池片专用自适应图像处理算法

近日，呼和浩特职业技术大学张新宇项目团队宣布，其自主研发的“基于材质感知的自适应图像处理算法”在光伏电池片检测领域取得重大技术突破。该算法通过精准识别不同材质特性并动态调整图像处理参数，将光伏电池片缺陷检测漏检率降至0.3%以下，检测效率提升25%，为光伏产业智能化升级提供关键技术支撑。

张新宇团队针对传统光伏检测中“灰度值相近特征误判”“复杂环境适应性差”等核心痛点，创新提出“材质感知-自适应处理”双引擎架构。算法通过高分辨率工业相机采集电池片表面图像，结合深度学习模型对硅基材料、金属电极等不同材质的光学特性进行实时分析，动态调整图像增强、边缘检测等处理模块的参数。例如，在检测单晶硅电池片时，算法可自动强化微裂纹与背景的对比度；面对多晶硅材料的颗粒感特征，则采用多尺度特征融合技术提升缺陷识别精度。实验数据显示，该算法在光伏板数据集上的全局最佳阈值（ODS）达0.949，单图最佳阈值（OIS）达0.953，显著优于传统Sobel、Canny等边缘检测算法。

该技术的突破不仅推动光伏产业向智能化、柔性化方向转型，更形成“光伏+多领域”AI检测生态。在锂电池、航空复合材料等领域，基于材质感知的自适应算法已实现跨行业迁移应用。该技术有望填补国内空白，生产成本大幅降低。

张新宇团队表示，未来将进一步融合红外与可见光图像特征，拓展热斑检测等新型应用场景，并通过工业互联网平台实现技术成果的全国共享。此次突破标志着我国在光伏智能检测领域从“跟跑”转向“领跑”，为“双碳”目标下的能源革命注入强劲科技动力。