摘要：在锂电池制造过程中，传统检测主要关注表面缺陷，难以捕捉工艺变化。随着锂电池能量密度突破300Wh/kg、材料快速迭代、工艺窗口收窄，制造精度极限不断被刷新，微米级工艺波动对性能影响显著，单纯靠这些指标已无法评估和控制整体制造质量。真正的问题转向：如何让检测系统

在锂电池制造过程中，传统检测主要关注表面缺陷，难以捕捉工艺变化。随着锂电池能量密度突破300Wh/kg、材料快速迭代、工艺窗口收窄，制造精度极限不断被刷新，微米级工艺波动对性能影响显著，单纯靠这些指标已无法评估和控制整体制造质量。真正的问题转向：如何让检测系统理解真实的工艺场景，推动生产的优化?

近日，在第十届动力电池应用国际峰会(CBIS2025)上，凌云光锂电事业部行业总监陈瑶围绕《新一代Vision+AI技术助力锂电质检上台阶》作专题报告，分享公司在锂电检测领域的实践积累与前沿技术布局。

让检测看得准、看得稳

从“成像”到“成像智能”

围绕材料、极片、毛刺、极耳到方形外观等关键工序，凌云光基于“Vision+AI”构建了全流程智能检测体系，能够在高速扰动、强反光、多层结构等复杂场景中稳定输出高质量图像数据。

外观检测：既能识别方形电池膜下异物，也能捕捉三维缺陷，整机体积较传统方案缩小50%、速度提升至500mm/s。

极耳检测：针对多层极耳粘连、成像不匀易导致误检行业难题，50ms融图，实现100层极耳精准计数，准确率>99.5%，过检率

薄膜检测：基于智能相机的隔膜在线检测系统，依托200kHz行频高速链路，能够在高速放卷条件下，稳定检出30μm针孔及≥10DN浅缺陷，单卷可持续处理10万+缺陷不堵塞，解决隔膜高缺陷密度工况下易卡顿、漏检的行业难题。

下通工艺，上连决策

工业AI已成为工艺级理解引擎

传统检测能发现缺陷，却难以解释“缺陷为什么产生”。而在制造复杂度不断提升的今天，仅给出缺陷结果已无法支撑产线的快速优化。当视觉图像(缺陷/形貌)、工艺参数(温度、线速、压力等)、电池物性(致密度、界面接触)这三类信息实现数据化并融合， AI才能真正跨模态地理解制造过程，给出从“是什么缺陷”到“为什么出现”的解释，让检测真正参与生产。

凌云光GMQM+ LUSTERLVM大模型方案，已在锂电、光伏、3C等头部客户中实现规模化落地，帮助客户有效管理检测数据和提升过漏检指标。例如，在全球隔膜行业客户中，该方案能够将缺陷细分至27/32类，并自动映射到工艺问题(张力/压力波动、干燥、涂布稳定性、压实一致性等)，实现单条产线节省2.5人力、整体良率提升0.3%，整体投资回报周期约1年。

下一代固态电池 质量检测跃迁

多模态感知+AI智能决策

固态电池的制造不仅改变了材料结构，还改变了检测的核心维度。从传统液态体系的表面缺陷，转向孔隙率(材料级)、界面接触(结构级)、固化程度(工艺级)三大决定性能的关键物性。为此，凌云光围绕“多模态感知×AI智能决策”持续布局创新能力，以多源传感与工业大模型的深度融合，构建从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

从单一表面观测向多模态感知演进，适应固态电池更高速、更薄材料、更高反光性趋势。 采用视觉、光谱、红外等成像技术协同，不仅能够检测表层、膜下与界面微结构信息，多源数据统一标定，使固化度、致密度、界面均匀性等关键物性可观测、可量化。

| 工业AI智能生产

自研LUSTERLVM工业模型构建“检测→决策→工艺→反馈→再学习”闭环框架，实现对涂布 → 固化 → 干燥 → 辊压 → 分切全工艺链的实时控制，使固态电池的质量管理从“被动响应”转变为“主动检测”：

实时调节工艺参数

提前预警异常，并识别工艺趋势

实时控制工艺波动，优化生产稳定性

新一代 Vision+AI 的价值，在于将检测深度融入工艺控制。新能源产业正处于关键技术跃迁期，凌云光将持续提供创新的质量管理方案，推动锂电制造向智能化、精细化演进。

来源：中经互联