凌云光：以多模态感知+AI助力电池制造智能进化

在锂电池生产线上，一根几微米的毛刺或一处未被察觉的涂层异常，都可能成为影响电池寿命与安全的“隐形风险”。当产线以秒为节拍、参数控制点超过6000个、材料体系不断演进，检测已从“质量终点”转变为贯穿全流程的感知与反馈中枢。

近日，在2025固态电池智造与产业链创新论坛上，凌云光围绕《赋能电池进化：基于多模态+AI的全流程质量检测体系》作专题报告，分享公司在电池检测领域的实践与探索。

看清缺陷，理解工艺
液态时代的技术深耕

过去十年，电池能量密度从200Wh/kg迈向300Wh/kg，制造精度极限不断被刷新。

凌云光深耕锂电制造一线，以“Vision+AI”为核心，针对关键工艺痛点推出多款落地设备：

• 在电极材料检测中，采用多光场、多光谱融合成像技术，在400–1000nm波段、0°–30°角度、2–200μm多尺度下实现穿透成像，识别厚度不均与面密度异常，帮助客户降低报废率、提升一致性。
• 在毛刺检测环节，团队自研高速自适应追焦系统，在150m/min线速下仍能保持2μm分辨率成像，实现边缘毛刺全检，有效预防极片刺穿隔膜风险。
• 针对多层卷曲、粘连容易导致误检行业难题，采用AI递进算法，实现100层极耳精准计数，准确率>99.5%，过检率<0.5%。
• 面对包膜、喷涂等高反光干扰，运用2.5D成像结合AI识别技术，精准识别腐蚀、残液、划痕、气泡、异物等复杂缺陷，实现六面全检。

这些方案已在多家头部客户量产部署落地。每一次迭代与突破，都是对工艺与品质的再认知，让检测从“看见问题”迈向“理解工艺”进化。

多维感知，智能决策
固态时代的质量跃迁

随着电池技术向固态体系跃迁，检测维度不止尺寸与表面，更要深入材料组织、界面状态与工艺一致性。传统抽检与单一视觉手段难以穿透内部结构，也无法实现工艺级的实时反馈。

“我们不仅要‘看到问题’，更要‘理解问题成因’。”凌云光锂电产品负责人表示。

为此，凌云光推出“多模态感知 × AI智能决策”架构，通过多源传感与工业大模型的深度融合，构建覆盖材料到电芯的全流程质量优化体系，应对固态时代的检测挑战。

多模态感知“看得更深”

通过视觉、光谱等多模态传感协同，构建覆盖表层、内部与装配关键环节的全方位检测能力与质量数据视角；多源数据统一标定，使检测不再局限于表面观察，而能精准刻画结构特征与工艺差异。

工业AI让检测“学会思考”

当制造复杂度超越人眼感知极限，检测必须具备“理解力”——这将成为智能制造的关键竞争力。以自研LusterLVM工业大模型为核心，构建“检测—决策—工艺—反馈—再学习”闭环体系。模型融合千万级工业数据与AIGC生成样本，具备跨材料体系、跨工艺路线的迁移与自适应能力，将检测反馈从“小时级”压缩至“分钟级”，推动质量管理从“被动响应”走向“主动诊疗”。

在AI驱动的工业变革中，检测不再是生产的终点，而是连接材料科学、工艺控制与产品性能的中枢，这一转变，正重塑电池制造的质量体系。
未来，凌云光将持续以“为机器植入眼睛和大脑”为使命，为新一代电池制造提供更智能、更安全、更可靠的质量保障，让每一颗电芯，都拥有可追溯、可预测、可优化的“数据指纹”。