產業新周期下，動力電池正在向“極限制造”邁進，想要實現以極限效率、極限品質、極限成本為核心的極限制造，整個行業需要導入新思路、新角色，從而推動動力電池智能制造的落地。
核心器件自主能力強
AI技術加持
針對鋰電池檢測需求獨創的AI技術具備三大優勢：
小樣本學習能力：能夠利用少量圖像樣本，基于遷移學習、蒸餾技術，實現小樣本的訓練和推理，快速實現穩定檢測和準確分類；
模型自迭代：對新增樣本、錯分樣本迭代學習，達到很好的表現效果；
遷移學習：針對新材料、新產線，將已存在的模型應用于新的任務，避免冷啟動，實現快速適應。
機器視覺底層核心算法自主程度高
儲備自研算法庫，并持續進行更新優化，不斷進行積累和學習。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。
就視覺檢測系統而言，成像、算能、平臺、整機系統等均會影響檢測結果，當某臺設備中一些因素發生變化，或者多臺設備中一些因素不一致，都會導致檢測結果的不一致。針對上述各個因素，凌云光通過一系列的設計規范與監控模塊，保障檢測結果的一致性。
在這些優勢技術的加持下，凌云光可配置視覺系統在鋰電池生產全工序都有廣泛的應用。原材料中，滿足隔膜、鋁塑膜、銅鋁箔檢測需求；前段工序中，極片預涂、涂布檢測，極片輥壓分切檢測、極片激光切檢測；中段工序中，疊片卷繞檢測；后段工序中，裸電芯、包mylar、超聲焊、頂蓋預焊、頂蓋周邊焊、插釘機、密封釘焊接質量檢測以及電芯成品外觀檢測等。
未來，隨著機器視覺加速滲透鋰電領域，凌云光將以更加貼近客戶需求的產品和解決方案幫助客戶降本增效，助力行業智造升級！
2015-05-04
2020-07-31
2020-04-03
2021-08-16
2022-11-03
