在鋰電、汽車零部件加工等領(lǐng)域，產(chǎn)品缺陷檢測存在不少繞不過去的棘手挑戰(zhàn)。特別是在鋰電行業(yè)，箱體檢測往往面臨多重難題：缺陷特征復(fù)雜，部分關(guān)鍵特征樣本數(shù)量不足，且產(chǎn)品型號復(fù)雜多樣，傳統(tǒng)檢測方式難以平衡效率與精度，漏檢、過殺等問題時有發(fā)生，換型耗時過長也會影響生產(chǎn)節(jié)奏。

這些痛點(diǎn)的核心，在于傳統(tǒng)模式難以應(yīng)對“復(fù)雜特征+少樣本+多型號”的組合難題。對此，西門子Xcelerator生態(tài)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(jìn)的機(jī)器視覺軟硬件產(chǎn)品、專業(yè)的解決方案設(shè)計能力，推出INSWORKS-ESAI零代碼AI開發(fā)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(fù)雜的問題，INSWORKS-ESAI的AI+2D、AI+3D視覺檢測系統(tǒng)與高精度設(shè)備相結(jié)合后能識別不同尺寸的缺陷，既不錯過微米級的細(xì)微瑕疵，也能精準(zhǔn)識別厘米級的明顯缺陷，完成對復(fù)雜特征的精準(zhǔn)捕捉，從根本上解決傳統(tǒng)檢測中因尺度差異導(dǎo)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(biāo)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(yīng)能力也可有效縮短換型時間，適配多型號生產(chǎn)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(shù)概念變?yōu)樯a(chǎn)工具

在工具實際應(yīng)用中， AI能力的落地常常受限于技術(shù)門檻，而INSWORKS-ESAI零代碼平臺打破了這一壁壘——即便是非AI研發(fā)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(shù)據(jù)管理到智能標(biāo)注再到模型訓(xùn)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(shè)計，降低了AI應(yīng)用的專業(yè)門檻。例如在鋰電檢測中，工程師只需簡單操作，系統(tǒng)就能通過自適應(yīng)參數(shù)技術(shù)自動優(yōu)化模型，無需再手動調(diào)參，讓AI真正成為服務(wù)生產(chǎn)的實用工具。

而作為INSWORKS-ESAI零代碼AI開發(fā)平臺的數(shù)據(jù)底座，西門子X Data Hub則為AI技術(shù)提供了穩(wěn)定的數(shù)據(jù)支撐，可實現(xiàn)對圖像、設(shè)備參數(shù)等多源數(shù)據(jù)的高效管理，為模型訓(xùn)練提供高質(zhì)量數(shù)據(jù)。

數(shù)據(jù)加持

釋放工業(yè)AI生態(tài)效能

某頭部鋰電企業(yè)就遇到了質(zhì)檢方面的挑戰(zhàn)——因箱體缺陷特征尺度跨度大，型號復(fù)雜多樣，部分特征數(shù)量嚴(yán)重不足，導(dǎo)致質(zhì)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(lián)合開發(fā)、基于AI視覺算法+高分辨率相機(jī)+自動化設(shè)備的箱體外觀智能檢測系統(tǒng)后，客戶實現(xiàn)了對箱體模組表面缺陷的自動、穩(wěn)定、高效識別，箱體檢測速度達(dá)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(nèi)。隨著更多工業(yè)AI應(yīng)用的深入，工業(yè)質(zhì)檢正從“被動檢測”走向“主動預(yù)防”，從“經(jīng)驗判斷”走向“數(shù)據(jù)決策”。西門子Xcelerator構(gòu)建的開放式生態(tài)助力更多工業(yè)AI創(chuàng)新應(yīng)用的誕生，實現(xiàn)技術(shù)升級的同時，重塑著未來的生產(chǎn)模式。我們相信，開放的工業(yè)AI生態(tài)將成為撬動智造變革的關(guān)鍵支點(diǎn)，讓各行業(yè)共享智能時代的紅利。