锂电池正在加速进入大规模智能制造时代，但同时，由于锂电池制造工艺的复杂性，每一道工序都会影响锂电池的性能。 目前，降低成本是锂电池制造商最迫切的需求高效率、低能耗、高精度的锂电池自动化生产是必然趋势，也是动力电池进入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的整体解决方案都可以配备“眼睛”和“大脑”进行生产精度高、速度快、可靠性强、信息集成度高锂电池行业的高质量生产，可以为锂电池行业的未来极致制造保驾护航。
图为凌云光科技有限公司销售总监陈耀致辞。
近日，在第八届动力电池应用国际峰会（CBIS2023）上，凌云光科技有限公司 ***（简称“凌云光”）。陈瑶，销售总监发表题为《赋能极致智造，布局行业未来》的主题演讲，与会嘉宾分享他分享了自己对TWH时代智能制造新需求的理解，以及凌云光推出的以机器视觉+AI为核心的产品和解决方案，助力锂电池制造降本增效。
从大多数机器视觉检测应用的现状来看，应用场景越来越丰富，但仍然面临缺陷外流风险高、离不开人、服务成本巨大、数据价值难以体现等痛点。 陈耀指出，造成这些问题的原因，是成像系统设计不规范，生产制造工艺不规范，在现场服务与客户的持续沟通中对需求和要求的理解不规范。 在深入分析深层次原因的基础上，她为凌云光提出了有针对性的解决方案。
**标准化锂电极质量检验实践
追求极致制造的锂电池行业，在生产、检测、管理等方面需要全面的智能化，要求视觉检测更加准确、可靠、智能。
陈瑶介绍，以锂电池极片为例，高反射和低反射的区别很大，对光谱响应的敏感度也不同。 传统的检测方法需要多个工位来覆盖涂层区域和空白区域，成本高且复杂。 凌云光的成像系统采用高动态成像方案多工位合二为一，实现了假想边缘缺陷的准确抓取和测量，检测清晰稳定，单点可靠性提升50%。
同时，反对裂缝、气泡、皱纹对于成像中不明显的缺陷，凌云光通过紧凑设计的成像方案，将缺陷形态完整呈现，实现精准分类和分类。
算法系统设计的各个方面据陈瑶介绍，在传统方案中，CPU完成定位测量，GPU完成外观检测和缺陷分类，导致GUP负载过大，耗时不可控。 凌云光的创新解决方案将算法需求分解为三个步骤，并结合算法的特点综合利用算力将简单的卷积和流计算放入自研相机的采集卡中进行处理，将逻辑和简单的特征计算放入CPU进行处理，将缺陷的分类和分类放入GPU进行处理。 其结果是减少了对显卡的依赖。
此外，为应对当前锂电池制造品质升级和海外战略，凌云光对系统进行了模块化设计，通过摄像头和光源的一体化设计，实现了即插即用，大大提高了设备的易用性。
两大明星产品
基于在机器视觉领域20多年的成长，凌云光还将对智能制造的理解和在成像系统、算法设计、系统模块化设计方面的深厚经验应用到多款产品中。
·锂电池方形外观检测设备
据陈瑶介绍，在成像系统方面，棱柱形电池很常见蓝膜检测，凌云光启动自主研发2.5D成像系统通过分时频闪成像可以使蓝膜下的凹坑、异物、气泡等缺陷清晰可见，并实现准确分类。
此外，通过优化自动化部件、光学检测部件等内部结构，创新采用环形检测路径，设备占地面积小于7平方米可节省1 3个空间，支持最高速度33ppm，可实现过检16% 和零遗漏精度。
·毛刺**全检高速系统
据陈瑶介绍，凌云光将高速成像技术应用于极片毛刺检测领域，结合自主研发的自适应光学聚焦系统，目前可支持最小 150 m检测速度和检测分辨率分别为2μm并已批量交付。
据了解，专注机器视觉领域27年的凌云光将于2024年在科创板上市，目前已推出近20万套工业视觉系统。 “目前，新能源行业波动很大，我们将以不同的自我拥抱'新全球化'时代，通过对机器视觉的深耕和当前的AI智能综合解决方案，持续服务锂电池客户，助力工业人工智能真正落地！陈瑶总结道。