近年来，在全球净零碳排目标的驱动下，道路交通领域加速电动化转型，电动汽车动力电池正从GWh制造迈向TWh时代智能制造。据GGII预计，2022年中国新能源汽车销量将超过670万辆，同比增长将超95%，提前完成20%的渗透比例。预计到2025年，中国新能源汽车市场渗透率将突破40%。 
新能源汽车渗透率进一步提升叠加锂电储能市场需求持续增长，动力电池产业大规模扩产驱动上游原材料领域快速扩产跟进，给锂电材料企业和材料装备企业提供良好的发展机会。2022年中国动力电池产量大概率将超过600GWh，2023年预计提前进入TWh时代。
产业新周期下，动力电池企业提出了更高、更严苛的要求：
高速生产：以方形电池为例，生产速度要求向着40PPM迈进；
控制成本：生产成本要降低42%；
精益管理：生产效率要提升50%；
质量要求：缺陷率从ppm级别降低到 ppb级别。
这些要求正是动力电池智能制造的核心所在，行业发展迅速，呼唤智能制造赋能加速。

2000年，凌云光与上海印钞厂合作开发“人民币大张凹印在线质量检测系统”，开启机器视觉研发之路。在二十余年的发展过程中，凌云光不断加大研发投入，逐步积累了算法平台、GMQM质量管理系统等技术能力，并先后获得一项国家技术发明一等奖和两项国家科学技术进步二等奖。
面对锂电行业智能制造新需求，凌云光用自己的实力提交出一份“机器视觉+AI”的解决方案，用更精、更准、更稳、更智的方法解决工业视觉领域缺陷检出不稳定、“省人”战略不明显、数据价值难体现的难题，助力锂电智能制造。

质量检测的前提是视觉系统要把各种缺陷拍出来。
微小缺陷能看清：针孔、亮点检测精度0.05*0.05mm，100%识别。
双面漏喷能识别：业界创新技术，同时识别单双面漏喷缺陷。
立体成像辨缺陷：用2.5D系统拍出带有3D信息的缺陷照片，识别褶皱、鼓包、凹坑等缺陷，分类准确率高于99%。
成像精准无惧抖动：视觉系统多加装在现有设备上，运行速度快，抖动影响大。将相机安装在XYZ三个点位，测试振动幅度及频率后通过抗震仿真设计及验证得到最佳安装点位方案，在模切、卷绕、焊接、电芯外观检测等高度振动环境下检测精度能保证在0.02-0.05mm。

科学的度量是质量管理的保障。分类准确率由成像效果和深度学习共同决定。在二十余年成像和深度学习经验的基础上，凌云光基于AI的智能检测及分类实现缺陷检出、智能分类、干扰分类、过检抑制。

高性能高可靠计算：全表征成像系统需要配合高速嵌入式边缘计算处理平台才能发挥优势，借助自研GBOX平台，兼具嵌入式开发效率、GPU神经网络加速特点利用并行流水计算和深度学习传统算法融合计算，实现超过2GB/s的图像吞吐量。一台GBOX实现4台工控机的数据吞吐量，以低成本投入获得高算力回报。
核心器件国产化：从图像采集到图像处理全流程核心器件全自研，包括CMOS芯片、相机、镜头、处理器、板卡、光源等，实现国产化，并可针对各类应用场景进行快速定制化开发，并能保证稳定的供应链体系。
自主软件算法平台稳定可靠：储备自研算法框架VisionWARE，并持续进行更新优化，不断进行积累和学习。能够根据实际应用场景选择所需模块或定制开发，实现效率的提升。

大数据和云计算技术加持下，实现工业生产的数据化、知识化与智能化，提高生产与品质管理水平。

质量标准机：在人眼定性标准的基础上建立人眼视觉模型，进而为设备制定科学有效的质量标准。以铝件划伤为例，真值信息通过3D 激光显微镜（OLYMPUS OLS4100）测量，结果基本一致。
GMQM质量管理：建立完善的端对端的质量基准管理系统，帮助企业在全产线范围内一键统一标准，并实现质量标准在不同产线上的协同。
基于深度学习与大数据为核心的质量管理系统：视觉检测和质量检测不仅仅应用在QC质量控制环节，更能为客户提供产品质量保证、质量管理、质量改善，优化质量成本。
未来，凌云光将继续坚持 “质量兴业，赢在智能”的理念，通过机器视觉+AI人工智能让锂电智能制造的“眼睛”更明亮、“头脑”更聪明、“手脚”更灵巧，更好地服务锂电行业客户实现零投诉，助力工业人工智能真正落地，奠定锂电行业工业元宇宙时代的基础。