機器視覺+AI | 賦能極限智造，布局行業未來

11月28日-30日，由中國化學與物理電源行業協會、電池中國網主辦的第八屆動力電池應用國際峰會（CBIS2023）在上海盛大舉辦。此次峰會主題為“服務·合作·共贏——擁抱‘新全球化’大時代”，來自國內外的產業鏈多個領域的眾多專家、業界代表等齊聚一堂，共話動力/儲能電池“新全球化”發展。

峰會現場

在29日下午的“數智賦能新能源電池產業”專場主題論壇上，凌云光技術股份有限公司銷售總監陳瑤發表題為《賦能極限智造，布局行業未來》的主題演講，同與會嘉賓分享了對“TWh”時代智能制造新要求的理解以及凌云光推出的以機器視覺+AI為核心的產品及解決方案。

凌云光銷售總監 陳瑤《賦能極限智造，布局行業未來》

縱觀機器視覺在線質檢應用現狀，機器視覺在線質檢的應用場景越來越豐富，但仍面臨缺陷流出風險高、省人效果不明顯、數據價值難體現等困難，原因就在于成像系統設計不規范、生產管理不規范以及服務不規范。

追求極限制造的鋰電池行業，需要生產智能化、檢測智能化、管理智能化，那視覺檢測必須更精準、更可靠、更智能。結合過往二十余年深耕機器視覺的經驗，凌云光給出了自己的答案。

在線質檢標準化鋰電極片落地實踐

成像系統：高低動態成像，精準檢測虛邊

真正好用的視覺檢測方案，需要在充分研究檢測對象的基礎上進行成像系統設計。

以鋰電池極片為例，高反、低反差異大，對光譜響應靈敏度不同。傳統的檢測方案為了同時完成極片涂布區和留白區的檢測需要增加新工位，硬件成本增加，系統也更復雜。凌云光創新推出高低動態成像方案，實現虛邊缺陷的精準抓取和測量，有效提升效率，單點可靠性提升50%。

虛邊檢測

同時，針對氣泡、褶皺等成像不明顯的缺陷，凌云光通過緊湊型設計，用成像方案完整地呈現缺陷形態，實現缺陷準確分類分級。

算法系統：三步分流為GPU“減負”

傳統的在線質檢過程一般先通過CPU完成定位測量，再通過GPU完成外觀檢測及缺陷分類，這就導致GPU負載過重，再加上深度學習的需求，GPU更加“不堪重負”。

凌云光則通過三步分流充分利用原有采集卡的算力，顯著降低對顯卡的依賴，為GPU減負。

三步分流：將簡單卷積、流式計算放到自研相機的采集卡中做處理——將邏輯計算和簡單的特征計算放到CPU中處理——將缺陷的分類、分級放到GPU中做處理。

系統模塊化：高易用，低成本

隨著客戶對產品品質要求的提升以及出海大環境下人力成本的飛升，設備的易用性變得尤為重要。

基于此，我們將檢測設備進行了規范化設計和模塊化設計。通過相機頭件和光源的一體化設計實現即插即用，顯著改善成像系統一致性，降低維護成本。

明星產品有靈魂

鋰電池方形外觀檢測裝備

——小巧強悍，放心選擇

鋰電池方形外觀檢測裝備對鋁殼電芯、包膜后的電芯進行全面的質量檢測和缺陷剔除。

在成像系統方面，針對方形電池常見的藍膜檢測，凌云光推出自研2.5D成像系統，通過分時頻閃多次成像，精準識別藍膜下異物和氣泡，對缺陷產品排出復檢，防患于未然。

此外，通過優化自動化部件、光學檢測部件等內部結構，方形外觀檢測裝備一改常見的“一字型”路線，創新使用環形檢測路徑，成功將整機占地面積“瘦身”至不到7平米。

未來，凌云光希望為行業搭建整套的質量體系，從端側獲取到更多視覺的質量數據，讓質量基準更標準化、一致化；在邊端做模型的統一及缺陷學習的持續統一分發（比如產線上某一臺涂布機的缺陷一經發現，其他涂布機都可以從服務器中獲取統一模型。）；最后在云端架構整個質量分析和決策系統。實現端、邊、云整體協同，讓工業生產的數據數據化、工業化、智能化。