在鋰電、汽車零部件加工等領域，產品缺陷檢測存在不少繞不過去的棘手挑戰。特別是在鋰電行業，箱體檢測往往面臨多重難題：缺陷特征復雜，部分關鍵特征樣本數量不足，且產品型號復雜多樣，傳統檢測方式難以平衡效率與精度，漏檢、過殺等問題時有發生，換型耗時過長也會影響生產節奏。

這些痛點的核心，在于傳統模式難以應對“復雜特征+少樣本+多型號”的組合難題。對此，西門子Xcelerator生態合作伙伴蘇州蘇映視圖像軟件科技有限公司（以下簡稱“蘇州蘇映視”）基于其先進的機器視覺軟硬件產品、專業的解決方案設計能力，推出INSWORKS-ESAI零代碼AI開發平臺解決方案，為這一難題的解決提供了一種新的選擇。

AI破局

從肉眼判斷到智慧決策的跨越

面對缺陷特征復雜的問題，INSWORKS-ESAI的AI+2D、AI+3D視覺檢測系統與高精度設備相結合后能識別不同尺寸的缺陷，既不錯過微米級的細微瑕疵，也能精準識別厘米級的明顯缺陷，完成對復雜特征的精準捕捉，從根本上解決傳統檢測中因尺度差異導致的漏檢、過殺問題。

針對少樣本與多型號的難題，借助INSWORKS-ESAI的缺陷生成工具，無需大量真實樣本，用戶借助智能標注功能即可快速生成缺陷模擬，從而降低使用門檻、縮短樣本收集周期。此外，面對頻繁換型，AI模型的自適應能力也可有效縮短換型時間，適配多型號生產場景。

值得一提的是，整體檢測效率的提升還得益于AI的快速推理能力，特別是在特定分辨率下的分割模型推理耗時顯著減少，讓“高效率”與“高精度”得以兼顧。

零代碼賦能

讓AI從技術概念變為生產工具

在工具實際應用中， AI能力的落地常常受限于技術門檻，而INSWORKS-ESAI零代碼平臺打破了這一壁壘——即便是非AI研發人員，也無需編程，通過拖拽操作即可完成檢測模型搭建，完成從數據管理到智能標注再到模型訓練的全流程部署，將搭建模型簡化為“搭積木”式操作。

這種“所見即所得”的設計，降低了AI應用的專業門檻。例如在鋰電檢測中，工程師只需簡單操作，系統就能通過自適應參數技術自動優化模型，無需再手動調參，讓AI真正成為服務生產的實用工具。

而作為INSWORKS-ESAI零代碼AI開發平臺的數據底座，西門子X Data Hub則為AI技術提供了穩定的數據支撐，可實現對圖像、設備參數等多源數據的高效管理，為模型訓練提供高質量數據。

數據加持

釋放工業AI生態效能

某頭部鋰電企業就遇到了質檢方面的挑戰——因箱體缺陷特征尺度跨度大，型號復雜多樣，部分特征數量嚴重不足，導致質檢效率不高，漏檢率居高不下。

在采用西門子與蘇州蘇映視聯合開發、基于AI視覺算法+高分辨率相機+自動化設備的箱體外觀智能檢測系統后，客戶實現了對箱體模組表面缺陷的自動、穩定、高效識別，箱體檢測速度達到70s/pcs，漏檢率和過殺率分別降低到了0.01%和0.5%以下，換型時間也壓縮到了4小時以內。隨著更多工業AI應用的深入，工業質檢正從“被動檢測”走向“主動預防”，從“經驗判斷”走向“數據決策”。西門子Xcelerator構建的開放式生態助力更多工業AI創新應用的誕生，實現技術升級的同時，重塑著未來的生產模式。我們相信，開放的工業AI生態將成為撬動智造變革的關鍵支點，讓各行業共享智能時代的紅利。