"星汉AI"由武汉爱疆科技有限公司（以下简称爱疆科技）研制推出，其检测范围覆盖晶硅、钙钛矿叠层 等光伏电池产品，成倍提升太阳能电池检测效率，大幅降低企业检测成本。爱疆科技深耕光伏产品检测 领域近十年，技术成就稳居全国第一方阵。 "星汉AI"助光伏电池检测降本四成 8月1日，长江日报记者来到爱疆科技，工程师现场展示了"星汉AI"，该款大模型是基于全球2000多台检 测设备数据，可以自主发现太阳能电池的边缘针孔等微观缺陷，提升产品质量和研发进程。 近日，一款首次将机器视觉与人工智能技术相结合的高精密度光伏电池检测系统"星汉AI"在武汉发布， 这也是我国首个太阳能电池智能检测大模型，填补了国内光伏电池多模态智能检测领域的空白。 钙钛矿太阳能电池是新能源产业发展的重点方向之一，属于第三代太阳能电池，具有高效率、低成本、 高柔性等优势，是未来光伏、电动汽车移动发电电源领域的明星材料，有望迅速形成新的千亿级市场。 袁五辉介绍，"星汉AI "已成功应用于钙钛矿叠层太阳能电池检测，有效解决了行业客户普遍反映的检 测精度低、效率低、数据不全面等难题。目前，"星汉AI"检测系统已获得高校实验室、科研院所及头部 光伏组件厂商的采用 ...

光伏电池检测技术突破 - 武汉爱疆科技发布"星汉AI"系统，首次将机器视觉与AI结合，填补国内光伏电池多模态智能检测空白 [1] - 该系统覆盖晶硅、钙钛矿叠层等光伏电池产品，检测效率成倍提升，企业检测成本大幅降低 [1] - 基于全球2000多台检测设备数据，可自主识别太阳能电池微观缺陷如边缘针孔，提升产品质量和研发效率 [4] 技术性能与行业影响 - "星汉AI"检测效率提升12倍以上，缺陷识别准确率达98.7%，形成25类钙钛矿材料及38种量子点结构标准数据集 [4] - 技术已应用于柔性光伏组件等六大领域，推动行业检测成本降低40% [4] - 系统获国家发明专利授权，建成国内首个覆盖全光谱响应特性的光电材料智能检测体系 [4] 钙钛矿电池检测应用 - 成功解决钙钛矿叠层电池检测精度低、效率低、数据不全等难题，获高校、科研院所及头部厂商采用 [6] - 钙钛矿电池作为第三代太阳能电池，具有高效率、低成本优势，潜在市场规模达千亿级 [6] - 武汉已形成钙钛矿电池产业链，聚集爱疆科技等多家企业及高校科研机构 [7] 公司发展与合作 - 团队平均年龄<40岁，主导参与多项国际及国家级标准制定，累计获100余项专利授权 [6] - 2023年公司营收增长超200%，业务覆盖国内头部光伏企业及全球23个国家和地区 [7] - 与武汉工程大学等机构长期合作，"星汉AI"对推动光伏产业自动化生产具重要意义 [6] 技术扩展应用 - "星汉AI"可应用于新型光电材料与第三代半导体制备工艺研发 [5] - 系统已部署于Micro-LED显示面板等高精尖领域 [6]

行业规模与政策支持 - 全国智能检测装备产业规模2023年超过2600亿元，2024年将突破3000亿元 [1][4] - 工信部等七部门印发《智能检测装备产业发展行动计划（2023～2025年）》，提出到2025年培育30家以上专精特新"小巨人"企业 [4] - 智能检测装备作为"工业之眼"与"质量大脑"，其发展水平直接影响产业技术水平和制造质量 [2] 技术创新与应用突破 - "星汉AI"系统将机器视觉与AI结合，填补国内光伏电池多模态智能检测空白，检测效率提升12倍以上，缺陷识别准确率达98.7% [2][3] - 该系统创建覆盖25类钙钛矿材料、38种量子点结构的标准数据集，推动光伏电池行业检测成本降低40% [3] - AI技术使检测从"被动发现问题"转向"主动预测风险"，实现从单点工具到系统级解决方案的升级 [4] 光伏电池检测痛点与解决方案 - 钙钛矿电池因材料精密特性，传统检测存在智能化程度低、设备分散、数据割裂等问题，制约产业化进程 [2] - 液体喷涂缺陷原需人工识别，反馈周期长达2-3天，AI技术可实现自动化反馈，提升良品率和产能 [3] - "星汉AI"为晶硅/钙钛矿叠层太阳能电池提供一站式智能检测，已应用于柔性光伏组件等六大领域 [3] 多行业渗透与未来趋势 - 智能检测装备已应用于机械、汽车、航空航天、电子、钢铁、石化、纺织、医药等行业 [4] - 人工智能、5G、大数据、云计算等新技术融合应用，推动高端制造业全链条智能协同闭环场景实现 [4] - 量子技术等"下一代技术"与检测装备融合，加速产业基础高级化进程 [4]

而"星汉 AI"系统能够快速、精准地识别电池内部的缺陷分布、载流子复合等关键性能信息，为电池优 化提供强大数据支撑。例如，系统可协同分析不同模态数据：发现量子效率（QE）长波响应不足，结 合光致发光（PL）排除底层晶硅缺陷，再通过电致发光（EL）定位钙钛矿层边缘针孔导致的光泄露， 最终由电流-电压（IV）特性验证能级失配问题，实现问题的精准溯源。 武汉纺织大学电子电气工程教授艾钊向21世纪经济报道记者表示，学校在与一些钙钛矿生产企业合作过 程中发现，很多企业面临同样的问题，因为钙钛矿电池生产流程中需要液体喷涂，以往喷涂中出现的缺 陷只能通过人工识别，无法做到自动化反馈，这导致检测的反馈周期至少需要两到三天，才能返回产线 进行参数调整，如果通过AI技术赋能解决这种人工判断的问题，对于整个产线的良品率和产能提升都 会有很大的帮助。 在武汉工程大学光能数理学院教授秦力平看来，钙钛矿太阳能电池的性能和工业化前景高度依赖其制备 工业。通过AI系统结合多模态AI与数字孪生技术，能够为实现钙钛矿制备过程的"虚拟中试"提供强大工 具，加速其工艺优化进程。 如今，高端精密光电设备检测已迈入AI时代，这也成为人工智能赋能高端制造 ...