锂电池正加速迈入大规模智造时代，但同时由于锂电池的制造工艺较为复杂，每道工序都会影响锂电池的性能。而当下，降本是锂电池厂商最为迫切的需求，高效率、低能耗、高精度的自动化锂电池生产是必然趋势，也是动力电池得以跨入TWh时代的前提和基础。

　　在锂电池生产的各个环节，机器视觉+AI的整体解决方案能为生产装上“眼睛”和“大脑”，实现精度高、速度快、可靠性强、信息集成度高的高质量生产，可为锂电业驶向极限制造的未来保驾护航。

图为凌云光技术股份有限公司销售总监陈瑶发表演讲

　　近日，在第八届动力电池应用国际峰会(CBIS2023)上，凌云光技术股份有限公司(简称“凌云光”)销售总监陈瑶发表题为《赋能极限智造，布局行业未来》的主题演讲，同与会嘉宾分享了对TWh时代智能制造新要求的理解，以及凌云光推出的以机器视觉+AI为核心的产品及解决方案，助力锂电制造降本增效。

　　从当前多数机器视觉在线检测应用的现状来看，应用场景越来越丰富，但仍面临缺陷流出风险高、离不开人、服务成本巨大、数据价值难体现等痛点。陈瑶指出，造成这些问题出现的原因在于成像系统设计不规范、生产制造过程不规范、现场服务跟客户持续交流中对需求及要求的理解不规范等。她在深刻分析底层原因的基础上，有针对性地提出了凌云光的解决方案。

01

在线质检标准化锂电极片落地实践

　　追求极限制造的锂电池行业需要生产、检测、管理的全面智能化，要求视觉检测必须更精准、更可靠、更智能。

　　陈瑶介绍，以锂电池极片为例，高反、低反差异大，对光谱响应灵敏度不同。传统的检测方法需采用多工位才能覆盖涂布区和留白区的检测，成本高，且系统复杂。凌云光的成像系统采用高动态成像方案，多工位合二为一，实现虚边缺陷的精准抓取和测量，且检测清晰稳定，单点可靠性提升50%。

　　同时，针对裂纹、气泡、褶皱等成像不明显的缺陷，凌云光则通过紧凑型设计的成像方案将缺陷形态完整呈现，实现精准分级分类。

　　算法系统设计方面，据陈瑶介绍，传统方案中CPU完成定位测量，GPU完成外观检测及缺陷分类，导致GUP负载过重，耗时不可控。凌云光的创新方案则将算法需求分解为三步，结合算法特点综合利用算力：将简单卷积、流式计算放到自研相机的采集卡中做处理——将逻辑及简单特征计算放到CPU中处理——将缺陷的分类、分级放到GPU中做处理。最终实现降低对显卡的依赖。

　　此外，为应对当前锂电制造品质升级及出海战略，凌云光将系统进行模块化设计，通过相机头件和光源一体化设计，实现即插即用，大幅提升设备易用性。

02

两款明星产品

　　基于在机器视觉领域20余年的成长，凌云光也将对智能制造的理解以及在成像系统、算法设计、系统模块化设计等方面积累的深厚经验应用在多款产品上。

　　· 锂电池方形外观检测装备

　　据陈瑶介绍，在成像系统方面，针对方形电池常见的蓝膜检测，凌云光推出自研2.5D成像系统，通过分时频闪多次成像，能使蓝膜下的凹坑、异物、气泡等缺陷明显地显现出来，实现精准分类。

　　此外，通过优化自动化部件、光学检测部件等内部结构，创新使用环形检测路径，设备占地不到7平方米，能节省1/3的空间，支持最高速度33PPM，并可实现过检1.6%及零漏检的精度。

　　· 毛刺在线全检高速系统

　　据陈瑶介绍，凌云光将高速成像技术应用到极片毛刺检测领域，结合自主研发的自适应光学追焦系统，目前可支持150米/分钟的检测速度，检测分辨率是2μm，并已实现批量交付。

　　据了解，聚焦机器视觉领域27年的凌云光，2022年登陆科创板上市，目前已推出近20万套工业视觉系统。“当下新能源行业很卷，我们会用不同的自己拥抱‘新全球化’大时代，持续通过在机器视觉的深耕加上当前的AI智能全面的方案服务好锂电客户，助力工业人工智能真正落地!”陈瑶总结道。