在鋰電池制造過程中，傳統檢測主要關注表面缺陷，難以捕捉工藝變化。隨著鋰電池能量密度突破300Wh/kg、材料快速迭代、工藝窗口收窄，制造精度極限不斷被刷新，微米級工藝波動對性能影響顯著，單純靠這些指標已無法評估和控制整體制造質量。真正的問題轉向：如何讓檢測系統理解真實的工藝場景，推動生產的優化?

　　近日，在第十屆動力電池應用國際峰會(CBIS2025)上，凌云光鋰電事業部行業總監陳瑤圍繞《新一代Vision+AI技術助力鋰電質檢上臺階》作專題報告，分享公司在鋰電檢測領域的實踐積累與前沿技術布局。

01

讓檢測看得準、看得穩

從“成像”到“成像智能”

　　圍繞材料、極片、毛刺、極耳到方形外觀等關鍵工序，凌云光基于“Vision+AI”構建了全流程智能檢測體系，能夠在高速擾動、強反光、多層結構等復雜場景中穩定輸出高質量圖像數據。

　　外觀檢測：既能識別方形電池膜下異物，也能捕捉三維缺陷，整機體積較傳統方案縮小50%、速度提升至500mm/s。

　　極耳檢測：針對多層極耳粘連、成像不勻易導致誤檢行業難題，50ms融圖，實現100層極耳精準計數，準確率>99.5%，過檢率<0.5%。

　　薄膜檢測：基于智能相機的隔膜在線檢測系統，依托200kHz行頻高速鏈路，能夠在高速放卷條件下，穩定檢出30μm針孔及≥10DN淺缺陷，單卷可持續處理10萬+缺陷不堵塞，解決隔膜高缺陷密度工況下易卡頓、漏檢的行業難題。

02

下通工藝，上連決策

工業AI已成為工藝級理解引擎

　　傳統檢測能發現缺陷，卻難以解釋“缺陷為什么產生”。而在制造復雜度不斷提升的今天，僅給出缺陷結果已無法支撐產線的快速優化。當視覺圖像(缺陷/形貌)、工藝參數(溫度、線速、壓力等)、電池物性(致密度、界面接觸)這三類信息實現數據化并融合， AI才能真正跨模態地理解制造過程，給出從“是什么缺陷”到“為什么出現”的解釋，讓檢測真正參與生產。

　　凌云光GMQM+ LUSTERLVM大模型方案，已在鋰電、光伏、3C等頭部客戶中實現規?；涞?，幫助客戶有效管理檢測數據和提升過漏檢指標。例如，在全球隔膜行業客戶中，該方案能夠將缺陷細分至27/32類，并自動映射到工藝問題(張力/壓力波動、干燥、涂布穩定性、壓實一致性等)，實現單條產線節省2.5人力、整體良率提升0.3%，整體投資回報周期(ROI)約1年。

03

下一代固態電池 質量檢測躍遷

多模態感知+AI智能決策

　　固態電池的制造不僅改變了材料結構，還改變了檢測的核心維度。從傳統液態體系的表面缺陷，轉向孔隙率(材料級)、界面接觸(結構級)、固化程度(工藝級)三大決定性能的關鍵物性。為此，凌云光圍繞“多模態感知×AI智能決策”持續布局創新能力，以多源傳感與工業大模型的深度融合，構建從材料到電芯的全流程質量優化體系，應對固態時代的檢測挑戰。

　　多模態感知看得更深

　　從單一表面觀測向多模態感知演進，適應固態電池更高速、更薄材料、更高反光性趨勢。 采用視覺、光譜、紅外等成像技術協同，不僅能夠檢測表層、膜下與界面微結構信息，多源數據統一標定，使固化度、致密度、界面均勻性等關鍵物性可觀測、可量化。

　　工業AI智能生產

　　自研LUSTERLVM工業模型構建“檢測→決策→工藝→反饋→再學習”閉環框架，實現對涂布 → 固化 → 干燥 → 輥壓 → 分切全工藝鏈的實時控制，使固態電池的質量管理從“被動響應”轉變為“主動檢測”：

　　· 實時調節工藝參數

　　· 提前預警異常，并識別工藝趨勢

　　· 實時控制工藝波動，優化生產穩定性

　　新一代 Vision+AI 的價值，在于將檢測深度融入工藝控制。新能源產業正處于關鍵技術躍遷期，凌云光將持續提供創新的質量管理方案，推動鋰電制造向智能化、精細化演進。