凌云光发展历程与经营看点在哪？

深耕算法，拓展行业，内生外延。

创业起步与技术积累（1996 - 2005 年）。1999 年公司将 CCD 棱镜分光技术创新性地应 用于烟草与棉花等行业的颜色检测分选工作中，就此踏入机器视觉领域。2000 年，凌云 光迎来关键发展节点，与上海印钞厂携手合作开发“人民币大张凹印在线质量检测系统”。 2003 年，公司发布人民币凹印在线检测系统；2004 年，彩色人民币大张质量检测系统发布，经专业验收鉴定达到国际先进水平，标志着凌云光在印钞检测领域的技术已达到 国际前沿水准。2005 年，凌云光启动自主研发机器视觉核心算法平台 VisionWARE 的 项目。

业务拓展与技术升级（2006 - 2015 年）。2006 年，凌云光在业务拓展方面取得重大突破， 公司研制成功 LCD 检测设备（ICON）并进行大批量推广，正式进军新型显示领域。2008 年，凌云光的电子标签检查机研制成功，开始为印刷标签行业提供专业服务，进一步丰 富了其在印刷包装领域的产品线。2009 年，公司发布服务于激光加工行业的专业级产品 VisionLASER，在激光打标等应用场景中得到广泛应用。此外，铁路捣固车线路光电检测 系统研发成功，该系统有效提升了铁轨铺设质量，为保障铁路运行安全发挥了重要作用。 2010 年，LCD 点灯产品 TFT2100 在日本夏普公司现场成功应用，实现了批量替代检测 工人的目标，这一成果不仅证明了公司产品的可靠性和高效性，也为其在国际市场上赢 得了良好的口碑。同年，公司发布服务于平台对位/机器人装配行业的专业级产品 VisionALN，进一步拓展了机器视觉技术在工业自动化领域的应用。2012 年，凌云光与 清华大学合作研发 “立体视频重建与显示技术及装置”，并荣获国家发明一等奖。2013 年，公司牵头的 “微米级高速视觉质量检测仪开发和应用” 重大仪器项目获国家科技 部正式立项。2014 年，凌云光敏锐捕捉到锂电市场的发展机遇，为头部客户提供视觉成 像方案，进入新能源领域。2015 年，凌云光凭借其卓越的技术实力和产品质量，成功进 入国际顶尖客户供应商名录，开始为其手机组装提供可配置视觉系统，标志着公司在消 费电子领域的市场地位得到了国际认可。

创新驱动与跨越发展（2016 年至今）。2017 年，凌云光推出全新彩盒单张 PrintMan 系 列包装印刷质量解决方案新品，进一步丰富了其在印刷包装行业的产品矩阵。2020 年公 司发布 SmartFAB 智能印包工厂管理系统，为印刷包装企业实现智能化生产管理提供了 有力工具。2021 年，凌云光发布了手机模组外观、Mini LED 整线检测设备、糊盒连线 质量检测设备等十余款全新产品，充分展示了公司在产品创新方面的强大实力。2023 年， 太湖工业人工智能基地奠基，标志着凌云光在工业人工智能领域的布局进一步深化。2024 年，凌云光战略收购全球知名相机厂商 JAI，通过此次收购，公司在成像技术和产品方 面得到了极大的补充，进一步巩固了其在机器视觉领域的技术领先地位。 此外，公司在产业投融资方面积极布局，投资了 CMOS 传感器芯片设计公司长光辰芯、 红外芯片公司丽恒、以 MEMS 和 SOC 芯片为主营的中科融合感知智能研究院、工业镜 头公司湖南长步道以及 AI 大模型企业智谱华章等，通过产业链上下游的资源整合与协同 创新，不断提升公司的核心竞争力。

在工业视觉检测中，算法能力将决定检测上限。公司 2005 年率先布局自主研发机器视觉 核心算法平台 VisionWARE，历经 20 年技术沉淀，在大场景、复杂工艺项目等大量实践 的基础上持续学习优化，于 2025 年 5 月发布全新版本。本次更新战略聚焦 AI 智能升级， 以 AI+规则创新融合，不仅能适应常见工业应用场景机器视觉任务，还能进一步解决背 景复杂、强噪声、对比度低和随机遮挡等挑战性应用检测难题，在行业头部客户典型应 用场景中发挥重要作用。 工业视觉算法实现跨场景、跨产线通用检测的核心，在于“AI+规则”深度融合，既需规 则算法保持检测精度，又依赖 AI 算法在产品快速迭代时实现场景迁移，这对算法的底层 能力和技术要求更高。最新版本中，VisionWARE 60%的核心工具已经实现了 AI+规则的 融合，支持面向背景干扰、对比度低等复杂工况下的图像处理与分析，将进一步解决以 往难以攻破的行业检测难题。同时，稳定性、易用性进一步提升，在检测速度、运维门槛 及成本等方面优势显著。VisionWARE 核心技术覆盖图像处理、定位、测量、检测、识别、 颜色、3D 预处理、3D 定位、3D 测量、视觉引导 10 大模块，以及近 200 个算法工具， 聚焦场景使用，包括不同场景复用的通用算子，以及面向更加细分场景、直接可用的专 用算子，这能让客户在低成本的前提下检得出、检得准、检得快。

公司持续强化 AI 的能力建设，2022 年公司发布 F.Brain（Fabrication & Factory Brain，工 厂大脑、制造大脑）深度学习平台，在算法的通用能力及应用效率等方面持续提升。F.Brain 是基于凌云光多年在工业领域的经验积累，针对工业质检场景碎片化、快交付、高迭代、 低要求等特点，专门研发了多种算法，实现浅、弱和小缺陷的像素级检测，通过轻量化、 流程化模型设计实现快速部署，通过数据增强、模型预训练和元学习等，解决 NG 缺陷 有限、训练样本较少的“冷启动场景”。 公司在 F.Brain 通用视觉大模型中分别建立通用检测、缺陷分割、缺陷生成三个层面的基 础模型：（1）通用检测模型针对新场景/新缺陷，仅需 1 张缺陷样本即可快速完成模型适 配，1 分钟实现缺陷检测，检测精度和效率等同于经深度训练模型 90%以上的精度，能够 有效应对新产品、新工艺及新需求下的短时限、高精度应用的要求，适应新周期下的新 趋势和新变化；（2）缺陷分割模型经过 2025 年上半年的提升，可以在保证模型检测精度 的同时提升检测效率，其中样本标注的效率经过迭代，相较传统的手动标注提升了 7 倍； （3）缺陷生成模型可有效解决工业小样本的困难，目前已做到 1 分钟、1 张缺陷样本生 成 1 万个仿真样本，在工业缺陷形态、位置、背景多样化的条件下，实现模拟生成样本 的背景和区域可控，为零样本检测提供可能性。为应对垂直应用行业低成本、低延迟、 低功耗等要求，公司在 F.Brain 大模型的基础上，经过蒸馏剪枝技术形成专用垂直行业/场 景的小模型，建立“大模型通用+小模型深耕”的应用方式，可做到在环境复杂、缺陷种 类复杂、缺陷数据稀缺等复杂场景精度保持在 95%+的同时，训练和推理效率提升＞70%， 满足客户对精度和效率的双向要求。公司的算法能力在国内外得到广泛的认可，F.Brain 图像大模型在 2023 年和 2024 年分别获得美国 CVPR 国际挑战赛“VisionTrack1”冠军和 欧洲 ECCV 国际挑战赛“单例工业缺陷分割”冠军。

2024 年公司发布 LusterLVM-2B，是 F.Brain 平台的工业视觉大模型，参数量达 20 亿， 能使 F.Brain 平台上模型的训练效率、推理效率提升超过 30%，检测精度也大幅提高。

公司持续致力于深化 AI 算法能力，在智能器件、视觉系统、智能装备、智能工厂等方面 广泛应用。在视觉器件方面，公司将算法应用与相机嵌入结合，研发出集图像抓取、成 像、分析等多功能于一体的高集成型智能相机，适用于即插即用、分布式多节点的应用 领域，对应用人员和环境包容性强，有较强的扩展性，目前已在印刷智能检测设备中应 用落地；在视觉系统方面，进一步突破了视觉系统应用环节，实现复杂场景和复杂识别 定位高达 99%以上的检测精度，更是进一步突破了传统像素可变码、透明 3D 胶检等深 水区难题，加速在多领域的国产替代进度；在智能装备方面，AI 能力提升带动检测设备 的检测增效，在消费电子、新型显示、新能源等多个领域提出集几十道检测为一体的高 紧凑型的检测设备，有效提升产品良率，公司以“视觉+AI+自动化”能力在各个工业下 游辅助客户改善工艺，提升产品质量，提高产品良率；在智能工厂方面，公司将 AI 算法 与大数据分析融合，并深度整合至工厂的决策管理流程中，以此增强客户的生产效率和 产品质量，助力无人工厂、极限制造的发展。 锂电行业。在毛刺检测场景中，为了保证毛刺缺陷零漏检，检测系统需要严格设置检测 参数。但在极片分切、生产过程中还会遇到碎屑、波浪边等干扰类缺陷。只有将毛刺与 干扰类缺陷准确分类识别与过滤，才能在保障零漏检的同时降低误检率，避免材料浪费。 其次，即使同为毛刺，也有长度的差异，要通过 AI 识别出毛刺长度，进行分级管控和处 理。因此先由传统算法结合 AI 对缺陷进行初筛，再由深度学习 AI 算法对检出缺陷进行 区分，精准识别，最终实现零漏检，误报率低于十万分之一。

消费电子行业。公司 VisionWARE 融合基于深度学习关键特征检测技术和传统规则算法， 在产品来料存在偏差、成像效果波动的情况下，依然可以实现模板、直线以及二维码的 100%高精度定位和识别，在精密模组以及可穿戴设备高精度组装等场景得到广泛应用落 地。

1） 点胶工艺。 以客户 2024 年发布的耳机可穿戴设备为例，制造商利用庞大数据集和先进建模工具绘制 和分析数千个耳朵形状，并生成了 5000 万个数据点，帮助其精细打磨设计而成。它的三 围仅为 30mm x 18mm x 18mm，却堆叠组装了数百个精密零部件，随人耳形状不规则排 布。异型设计和紧凑空间使组装变得复杂。除了必要的焊接工艺外，约 80%的组装过程 涉及点胶工艺，这对确保部件牢固和设备防水至关重要。需要对点胶位置、点胶精度、 胶型形貌等逐一进行精确检测。 胶水检测领域一直面临两大难题：一方面，胶水存在反光、颜色不均和低对比度等复杂 情况，一旦胶检超出胶水预定的固化时间，将导致生产失败。另一方面，可穿戴设备通 常采用异型设计，点胶路径的不规则性和点胶形貌的复杂性进一步增加了胶检作业的难 度，使得检测精度和效率难以兼顾。 凌云光在深入理解产品质量工艺和制程工艺后，采用了 VisionGLUE 胶水点检一体系统， 将边缘分割胶检技术创新性地整合到生产流程中。这不仅能够精准识别路径规划上的胶 水缺陷，还实现了同步闭环反馈，确保了产品良率和生产效能。 不仅限于可穿戴类产品，公司还重点布局了后摄潜望式摄像头的胶水点检领域。通过在 复合型广角镜头、超景深变焦能力和过亿像素等方向融合创新，VisionGLUE 成功解决了 点胶精度低的问题，最终实现了 0.05mm 的异形点胶精度，为组装提供坚实而高效的技 术方案。

2） 手机滑键。 手机按键新的玻璃工艺就对视觉、AI、自动化技术的单项能力及其协同性提出了极高的 要求。首先，玻璃外观缺陷种类多，包括划伤、异色、脏污、压痕、砂崩等多种不良，且 缺陷尺寸极小，最小缺陷不到 0.01mm²，仅有细小缝衣针头大小，人眼无法分辨，特有的 磨砂材质也使得成像难度极大。需要 AI 算法要能够对这些图像进行快速而准确的分析。 同时，对于细小且纤薄的玻璃材质结构，检测过程要通过机械手臂完成上下料和清洁， 既要求精确无误，又不能损坏薄片，还要避免产生位移，影响传送过程的定位精度和稳 定性而导致设备误报和停机。 凌云光通过视觉+AI 技术对玻璃按键进行 360°全覆盖的高精度外观检测，有效解决了玻 璃材质按键异色和喷砂不均导致的微弱缺陷问题，能够识别出仅 10 微米的微小缺陷，检 出率超过 98%，过检率低于 5%。此外，团队通过将颜色检测与外观检测一体化设计，克 服了传统方法中需要多套设备和操作不一致的问题，不仅提升了检测效率和准确性，还 缩短了生产线上的处理时间。 通过微米级的精确控制，结合了机械手的灵活性、视觉系统的敏锐观察力、精确的力度 控制和智能算法的决策能力，凌云光的技术方案实现在不到 0.5 秒的时间内即可完成对 每片按键的 60 多项检测，1 台设备的效率可媲美 150 名人工操作，既确保产品品质的一 致性和可靠性，同时满足了高质量和高速度生产线的要求。

3） 玻璃盖板。 从一块玻璃变成一块屏，会经过蒸镀、封装、切割、磨边、贴合、键合（bonding）、组装、 点灯及老化等上百道加工和检测程序。显示屏功能越多、品质越高，制程就越复杂。有 些缺陷人眼难以察觉，一个 0.05mm 异物可能导致贴合不均，引发画面畸变或触摸不灵 敏。一个 5um 裂纹可能在后续加工中扩展，引发破碎最终导致整块屏幕报废。 凌云光能够为某国际玻璃盖板龙头提供中小尺寸显示屏一站式质量检测解决方案，该方 案覆盖了从 Cell（成盒）到 Module（模组）制程多检测工序，包括外观检测、点灯检测、 老化测试等关键环节，精准检出及分类各种微小缺陷，漏检率、过检率和稼动率均达到 了先进水平。