凌云光解決方案總監姚明儒介紹道，“TWh”時代智能制造的需求是生產智能化、檢測智能化、管理智能化；工業視覺領域的世界級難題是缺陷檢出不穩定、“省人”戰略不明顯、數據價值難體現；“TWh”時代動力電池智造對視覺檢測提出更精準、更可靠、更智能的新要求。未來在大數據和云計算技術加持下，實現工業生產的數據化、知識化與智能化，將極大的提高生產與品質管理水平。

近年來，在全球凈零碳排目標的驅動下，道路交通領域加速電動化轉型，電動汽車動力電池正從GWh制造邁向TWh時代智能制造。產業新周期下，動力電池企業提出了更高的要求：
? 高速生產：以方形電池為例，生產速度要求向著40PPM邁進；

? 控制成本：生產成本要降低42%；

? 精益管理：生產效率要提升50%；

? 質量要求：缺陷率從ppm級別降低到 ppb級別。

這些要求正是動力電池智能制造的核心所在，行業發展迅速，呼喚智能制造賦能加速。

2000年，凌云光與上海印鈔廠合作開發“人民幣大張凹印在線質量檢測系統”，開啟機器視覺研發之路。在二十余年的發展過程中，凌云光不斷加大研發投入，逐步積累了算法平臺、GMQM質量管理系統等技術能力，并先后獲得一項國家技術發明一等獎和兩項國家科學技術進步二等獎。面對鋰電行業智能制造新需求，凌云光用自己的實力提交出一份“機器視覺+AI”的解決方案，用更精、更準、更穩、更智的方法解決工業視覺領域缺陷檢出不穩定、“省人”戰略不明顯、數據價值難體現的難題，助力鋰電智能制造。

更精：精準成像

質量檢測的前提是視覺系統要把各種缺陷拍出來。凌云光視覺檢測系統擁有高精度的缺陷識別能力，能夠精確拍攝針孔、亮點等微小缺陷，檢測精度可達0.05*0.05mm，并能夠100%識別。創新性的雙面漏噴能識別技術，可同時識別單雙面漏噴缺陷。在立體成像方面，用2.5D系統拍出帶有3D信息的缺陷照片，可識別褶皺、鼓包、凹坑等缺陷，分類準確率高于99%。在高度振動的環境下，成像精準無懼抖動，測試振動幅度及頻率后通過抗震仿真設計及驗證得到最佳安裝點位方案，在模切、卷繞、焊接、電芯外觀檢測等高度振動環境下檢測精度能保證在0.02-0.05mm。

更準：缺陷辨識

科學的度量是質量管理的保障。分類準確率由成像效果和深度學習共同決定。為保障質量管理的科學性，凌云光研發出一系列基于AI的智能檢測及分類技術，這些技術能夠實現缺陷的檢出、智能分類、干擾分類以及過檢抑制等功能，并能夠準確地評估分類準確率，為質量管理提供了有力的保障。

更穩：穩定可靠

全表征成像系統需要配合高速嵌入式邊緣計算處理平臺才能發揮優勢，凌云光高速嵌入式邊緣計算處理平臺利用并行流水計算和深度學習傳統算法融合計算，實現了超過2GB/s的圖像吞吐量，相當于4臺傳統工控機的吞吐量，以低成本投入獲得高算力回報。
此外，凌云光從實現了圖像采集到圖像處理全流程核心器件實現了國產化，包括CMOS芯片、相機、鏡頭、處理器、板卡、光源等，還可針對各類應用場景進行快速定制化開發，并能保證穩定的供應鏈體系。

同時，凌云光儲備自研算法框架VisionWARE，并持續進行更新優化，能夠根據實際應用場景選擇所需模塊或定制開發，實現效率的提升。

更智：質量AI賦能

凌云光機器視覺質量體系，利用大數據和云計算技術，實現工業生產的數據化、知識化和智能化，提高生產和品質管理水平。質量標準機，在人眼定性標準的基礎上建立人眼視覺模型，進而為設備制定科學有效的質量標準。GMQM質量管理系統，實現全產線范圍內一鍵統一標準，并實現質量標準在不同產線上的協同。GMQM實時質量監控與分析系統，可應用于視覺檢測和質量檢測，提供產品質量保證、質量管理、質量改善和優化質量成本。

自2012年以來，以深度學習為主的人工智能技術在工業應用場景得到了廣泛應用與再創新，面對鋰電行業智能制造新需求，凌云光全方位助力新能源行業智能制造發展，相關全自主知識產權的視覺系統產品已廣泛應用于鋰電行業上下游產線中。

會上，“2023機器視覺產業鏈TOP30”正式揭曉，凌云光憑借在機器視覺行業的先進技術實力和顯著市場影響力榮登榜單。

面對鋰電行業的新變化、新需求，凌云光將以扎實的技術實力深入挖掘鋰電機器視覺領域客戶需求以創新的產品和解決方案助力客戶實現零投訴目標，助力機器視覺與智能制造行業柔性升級！