机器视觉+AI | 赋能极限智造，布局行业未来

11月28日-30日，由中国化学与物理电源行业协会、电池中国网主办的第八届动力电池应用国际峰会（CBIS2023）在上海盛大举办。此次峰会主题为“服务·合作·共赢——拥抱‘新全球化’大时代”，来自国内外的产业链多个领域的众多专家、业界代表等齐聚一堂，共话动力/储能电池“新全球化”发展。

峰会现场

在29日下午的“数智赋能新能源电池产业”专场主题论坛上，凌云光技术股份有限公司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。

凌云光销售总监 陈瑶《赋能极限智造，布局行业未来》

纵观机器视觉在线质检应用现状，机器视觉在线质检的应用场景越来越丰富，但仍面临缺陷流出风险高、省人效果不明显、数据价值难体现等困难，原因就在于成像系统设计不规范、生产管理不规范以及服务不规范。

追求极限制造的锂电池行业，需要生产智能化、检测智能化、管理智能化，那视觉检测必须更精准、更可靠、更智能。结合过往二十余年深耕机器视觉的经验，凌云光给出了自己的答案。

在线质检标准化锂电极片落地实践

成像系统：高低动态成像，精准检测虚边

真正好用的视觉检测方案，需要在充分研究检测对象的基础上进行成像系统设计。

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。传统的检测方案为了同时完成极片涂布区和留白区的检测需要增加新工位，硬件成本增加，系统也更复杂。凌云光创新推出高低动态成像方案，实现虚边缺陷的精准抓取和测量，有效提升效率，单点可靠性提升50%。

虚边检测

同时，针对气泡、褶皱等成像不明显的缺陷，凌云光通过紧凑型设计，用Z优的成像方案完整地呈现缺陷形态，实现缺陷准确分类分级。

算法系统：三步分流为GPU“减负”

传统的在线质检过程一般先通过CPU完成定位测量，再通过GPU完成外观检测及缺陷分类，这就导致GPU负载过重，再加上深度学习的需求，GPU更加“不堪重负”。

凌云光则通过三步分流充分利用原有采集卡的算力，显著降低对显卡的依赖，为GPU减负。

三步分流：将简单卷积、流式计算放到自研相机的采集卡中做处理——将逻辑计算和简单的特征计算放到CPU中处理——将缺陷的分类、分级放到GPU中做处理。

系统模块化：高易用，低成本

随着客户对产品品质要求的提升以及出海大环境下人力成本的飞升，设备的易用性变得尤为重要。

基于此，我们将检测设备进行了规范化设计和模块化设计。通过相机头件和光源的一体化设计实现即插即用，显著改善成像系统一致性，降低维护成本。

明星产品有灵魂

锂电池方形外观检测装备

——小巧强悍，放心首选

锂电池方形外观检测装备对铝壳电芯、包膜后的电芯进行全面的质量检测和缺陷剔除。

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，精准识别蓝膜下异物和气泡，对缺陷产品排出复检，防患于未然。

此外，通过优化自动化部件、光学检测部件等内部结构，方形外观检测装备颠覆常见的“一字型”路线，创新使用环形检测路径，成功将整机占地面积“瘦身”至不到7平米。

未来，凌云光希望为行业搭建整套的质量体系，从端侧获取到更多视觉的质量数据，让质量基准更标准化、一致化；在边端做模型的统一及缺陷学习的持续统一分发（比如产线上某一台涂布机的缺陷一经发现，其他涂布机都可以从服务器中获取统一模型。）；Z后在云端架构整个质量分析和决策系统。实现端、边、云整体协同，让工业生产的数据数据化、工业化、智能化。