诺威特光伏组件功率检测-电池片EL测试仪
苏州诺威特测控科技有限公司
中国 苏州
产品属性
图文详情
品牌推荐
品牌
novtec
型号
novtec
测量范围
-
测量精度
--
分辨率
-
电源电压
--V
环境温度
-℃
环境湿度
---
用途
光伏组件功率检测
诺威特光伏组件功率检测-电池片EL测试仪
人工智能缺陷检测
诺威特简介
诺威特（NOVTEC） 成立于2003年，总部位于江苏苏州，是专业从事测试解决方案的高科技企业，在光伏领域具有
12年的从业和服务经验，为企业和研究机构提供大量高端的测试仪器设备解决方案。使用人工智能Artificial intelligence
（Ai）深度学习对复杂多变的光伏产品EL或外观缺陷进行有效识别和判断，内建的深度学习建立多层神经网络，特殊的图 像处理方式和复杂的算法，使EL缺陷的漏判率可以达到“零”，解决了多年来人工判别的漏检和错检问题。其极快的判断 速度和高准确性满足在线检测的需求，为光伏行业的“工业4.0”和“中国制造2025”提供了可靠的技术保障。
深度学习
通过算法，使得机器能从大量历史数据中学习规律，从而对新的样本做智能识别，深度学习是机器学习中一种基于对 数据进行特征学习的方法。观测值（例如一幅图像）可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地 表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务（例如，缺陷类型）。
使用人工智能方法能有效的进行光伏电池、组件产品的EL缺陷检测，能快速准确的找出缺陷的位置，并进行标注，较 传统的使用图片灰度扫描方法进行判断，特别是多晶硅组件电池的EL图片干扰因素复杂，具有绝对的技术优势；我们提供 的检测EL的方案使用的是神经网络技术，通过定义单多晶硅组件缺陷产品图片的缺陷类型，软件系统会进行缺陷特征的自 学习和深度学习，建立多层网络，从而找出EL图片的缺陷部分。
人工智能电池片EL测试分选机
利用卓越的判断准确性和高速的检测速度，依据用户的生产工艺和质量管理要求，我们提供 AiC2000系列在线和离线式二种测试机，在线式测试模块可与生产线无缝对接，满足生产的在 线测试速度和分类规则；离线式分选机由上料机械手、测试模块、分选机械手组成，满足客户特 殊的分选要求。
在线或离线分选机可加配AOI测试模块，进行电池片颜色和外观的测试分选。
优势特点
无人值守； 快速准确的缺陷自动判别功能；
内嵌“PFM生产配方管理” 软件模块参数设定； 实现电池生产线在线自动判别和分选； 高可靠性的自动化设计和工作节拍； 生产品质数据统计；
规格参数
备注：
①单机检测速度的瓶颈因素是自动化单元，AiSIP2.0TM判别处理速度可达20-30片/秒
②AiSIP2.0TM是集成人工智能深度学习和判别功能的超级处理硬件包
③准确率是基于建立合理的学习网络并进行了充分的深度学习，计算公式： 准确率= 1 - 漏检数+过检数 x100%
人工智能电池串EL测试模块
为了节约和优化组件生产效率和提升良品率，在组件生产制程中，电池串焊接工艺尤为重要， 我们提出把问题发现在源头，尽早的发现缺陷并进行返修整改，有效的进行测试管理，杜绝因电池 片来料缺陷或焊接不良流入到层压环节，降低层压前返修量，降低质量损失和工时成本。
在线式AIS-ONL测试模块，可依据生产流程，灵活安装在串焊机、流水线或摆串机端。对电 池串进行EL缺陷或AOI缺陷进行有效的自动判别，按照质量控制要求，有效的发现不良产品，并 通过机械手把不良电池串放置在返修料盒内。
优势特点
无人值守； 快速准确的自动判别功能；
内建“PFM生产配方管理”参数设定； 及时发现缺陷电池，降低质量损失； 定制化模块和灵活的安装方式； 适用于串焊机、摆串机、流线线体工位； 生产品质数据统计；
人工智能全自动组件EL测试机
优势特点
对组件EL和外观AOI进行有效的判别，特别是在层压前能找出EL和AOI缺陷并进行返修，能 有效的降低产品损失。我们使用经过特别布局的高清晰的EL相机和AOI相机进行图像采集，使用 高效的人工智能图像超级处理器进行快速运算并智能判断缺陷类型， 判断结果反馈到ERP或 MES系统。
从层压前，我们通过智能判断并标识出组件缺陷的位置，并把标识好的图片存储在本地服务 器系统中，返修时通过扫描组件条码即可调取出标识好缺陷的组件进行直观快速的返修。
无人值守； 快速准确的自动判别功能； 友好的人机界面；
内建“PFM生产配方管理”参数设定； 缺陷图片可视化，方便直观的组件返修； 生产品质数据统计；
产线人工智能判别升级改造DCMS
对于制造厂智能化升级改造的需求，我们在客户现有的主流EL测试仪的基础上进行人工智能自动判别的升级改造，我们提供的DCMS系统，使用“人 工智能超级图像处理器AiSIP2.0TM ”在不改变原有EL机器硬件的情况下实时获取EL测试仪上拍摄的组件EL图片后进行自动判别和分类，判断的结果存储在 本地的数据库系统中，并通过MES系统上传判断结果和图片。
在层压前改造后，客户返修工位可以通过扫码枪从数据库中调取带有标识的缺陷组件图片，方便直观的进行返修。
该方案能在节约客户投入的情况下实现智能化判别改造，通常情况下，我们升级改造只需要停机1-2小时即可完成，大大缩短了设备的停机时间。
OK/NG组件图片 及打标图片 上传数据库
OK组件 进入下道 生产工序
通过扫码从数据中调取打标 的NG组件，方便高效直观 的进行缺陆组件维修
数据库数据库上传MES
组件类型单晶、多晶硅太阳能组件
图片要求格式：清晰度；平整度
EL缺陷类型隐裂、划伤、断栅、虚焊、碎片、黑斑、脏污 缺陆判断时间＜1S/片
DCMS层压前DCMS层压后
返修客户端标配无
分布式联控1-5台
AOI测试模块（选配）
外观检查缺陆类型：色差、条形码错误、方正偏移、玻璃面印痕、玻璃面脏污、异物、划伤、气泡、白斑、焊带偏移、电池片间距、电池片错位
备注：升级改造的方 据用户的生产线、机器、质量 理等要求不同而量 定制。 体 决方 需和我们的技术工程师详细沟通。
人工智能缺陷检测
诺威特简介
诺威特（NOVTEC） 成立于2003年，总部位于江苏苏州，是专业从事测试解决方案的高科技企业，在光伏领域具有
12年的从业和服务经验，为企业和研究机构提供大量高端的测试仪器设备解决方案。使用人工智能Artificial intelligence
（Ai）深度学习对复杂多变的光伏产品EL或外观缺陷进行有效识别和判断，内建的深度学习建立多层神经网络，特殊的图 像处理方式和复杂的算法，使EL缺陷的漏判率可以达到“零”，解决了多年来人工判别的漏检和错检问题。其极快的判断 速度和高准确性满足在线检测的需求，为光伏行业的“工业4.0”和“中国制造2025”提供了可靠的技术保障。
深度学习
通过算法，使得机器能从大量历史数据中学习规律，从而对新的样本做智能识别，深度学习是机器学习中一种基于对 数据进行特征学习的方法。观测值（例如一幅图像）可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地 表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务（例如，缺陷类型）。
使用人工智能方法能有效的进行光伏电池、组件产品的EL缺陷检测，能快速准确的找出缺陷的位置，并进行标注，较 传统的使用图片灰度扫描方法进行判断，特别是多晶硅组件电池的EL图片干扰因素复杂，具有绝对的技术优势；我们提供 的检测EL的方案使用的是神经网络技术，通过定义单多晶硅组件缺陷产品图片的缺陷类型，软件系统会进行缺陷特征的自 学习和深度学习，建立多层网络，从而找出EL图片的缺陷部分。
人工智能电池片EL测试分选机
利用卓越的判断准确性和高速的检测速度，依据用户的生产工艺和质量管理要求，我们提供 AiC2000系列在线和离线式二种测试机，在线式测试模块可与生产线无缝对接，满足生产的在 线测试速度和分类规则；离线式分选机由上料机械手、测试模块、分选机械手组成，满足客户特 殊的分选要求。
在线或离线分选机可加配AOI测试模块，进行电池片颜色和外观的测试分选。
优势特点
无人值守； 快速准确的缺陷自动判别功能；
内嵌“PFM生产配方管理” 软件模块参数设定； 实现电池生产线在线自动判别和分选； 高可靠性的自动化设计和工作节拍； 生产品质数据统计；
规格参数
备注：
①单机检测速度的瓶颈因素是自动化单元，AiSIP2.0TM判别处理速度可达20-30片/秒
②AiSIP2.0TM是集成人工智能深度学习和判别功能的超级处理硬件包
③准确率是基于建立合理的学习网络并进行了充分的深度学习，计算公式： 准确率= 1 - 漏检数+过检数 x100%
人工智能电池串EL测试模块
为了节约和优化组件生产效率和提升良品率，在组件生产制程中，电池串焊接工艺尤为重要， 我们提出把问题发现在源头，尽早的发现缺陷并进行返修整改，有效的进行测试管理，杜绝因电池 片来料缺陷或焊接不良流入到层压环节，降低层压前返修量，降低质量损失和工时成本。
在线式AIS-ONL测试模块，可依据生产流程，灵活安装在串焊机、流水线或摆串机端。对电 池串进行EL缺陷或AOI缺陷进行有效的自动判别，按照质量控制要求，有效的发现不良产品，并 通过机械手把不良电池串放置在返修料盒内。
优势特点
无人值守； 快速准确的自动判别功能；
内建“PFM生产配方管理”参数设定； 及时发现缺陷电池，降低质量损失； 定制化模块和灵活的安装方式； 适用于串焊机、摆串机、流线线体工位； 生产品质数据统计；
人工智能全自动组件EL测试机
优势特点
对组件EL和外观AOI进行有效的判别，特别是在层压前能找出EL和AOI缺陷并进行返修，能 有效的降低产品损失。我们使用经过特别布局的高清晰的EL相机和AOI相机进行图像采集，使用 高效的人工智能图像超级处理器进行快速运算并智能判断缺陷类型， 判断结果反馈到ERP或 MES系统。
从层压前，我们通过智能判断并标识出组件缺陷的位置，并把标识好的图片存储在本地服务 器系统中，返修时通过扫描组件条码即可调取出标识好缺陷的组件进行直观快速的返修。
无人值守； 快速准确的自动判别功能； 友好的人机界面；
内建“PFM生产配方管理”参数设定； 缺陷图片可视化，方便直观的组件返修； 生产品质数据统计；
产线人工智能判别升级改造DCMS
对于制造厂智能化升级改造的需求，我们在客户现有的主流EL测试仪的基础上进行人工智能自动判别的升级改造，我们提供的DCMS系统，使用“人 工智能超级图像处理器AiSIP2.0TM ”在不改变原有EL机器硬件的情况下实时获取EL测试仪上拍摄的组件EL图片后进行自动判别和分类，判断的结果存储在 本地的数据库系统中，并通过MES系统上传判断结果和图片。
在层压前改造后，客户返修工位可以通过扫码枪从数据库中调取带有标识的缺陷组件图片，方便直观的进行返修。
该方案能在节约客户投入的情况下实现智能化判别改造，通常情况下，我们升级改造只需要停机1-2小时即可完成，大大缩短了设备的停机时间。
OK/NG组件图片 及打标图片 上传数据库
OK组件 进入下道 生产工序
通过扫码从数据中调取打标 的NG组件，方便高效直观 的进行缺陆组件维修
数据库数据库上传MES
组件类型单晶、多晶硅太阳能组件
图片要求格式：清晰度；平整度
EL缺陷类型隐裂、划伤、断栅、虚焊、碎片、黑斑、脏污 缺陆判断时间＜1S/片
DCMS层压前DCMS层压后
返修客户端标配无
分布式联控1-5台
AOI测试模块（选配）
外观检查缺陆类型：色差、条形码错误、方正偏移、玻璃面印痕、玻璃面脏污、异物、划伤、气泡、白斑、焊带偏移、电池片间距、电池片错位
备注：升级改造的方 据用户的生产线、机器、质量 理等要求不同而量 定制。 体 决方 需和我们的技术工程师详细沟通。
