在鋰電、汽車零部件加工等領(lǐng)域，產(chǎn)品缺陷檢測(cè)存在不少繞不過(guò)去的棘手挑戰(zhàn)。特別是在鋰電行業(yè)，箱體檢測(cè)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(hào)復(fù)雜多樣，傳統(tǒng)檢測(cè)方式難以平衡效率與精度，漏檢、過(guò)殺等問(wèn)題時(shí)有發(fā)生，換型耗時(shí)過(guò)長(zhǎng)也會(huì)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(duì)“復(fù)雜特征+少樣本+多型號(hào)”的組合難題。對(duì)此，西門(mén)子X(jué)celerator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(jiǎn)稱“蘇州蘇映視”）基于其先進(jìn)的機(jī)器視覺(jué)軟硬件產(chǎn)品、專業(yè)的解決方案設(shè)計(jì)能力，推出INSWORKS-ESAI零代碼AI開(kāi)發(fā)平臺(tái)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(duì)缺陷特征復(fù)雜的問(wèn)題，INSWORKS-ESAI的AI+2D、AI+3D視覺(jué)檢測(cè)系統(tǒng)與高精度設(shè)備相結(jié)合后能識(shí)別不同尺寸的缺陷，既不錯(cuò)過(guò)微米級(jí)的細(xì)微瑕疵，也能精準(zhǔn)識(shí)別厘米級(jí)的明顯缺陷，完成對(duì)復(fù)雜特征的精準(zhǔn)捕捉，從根本上解決傳統(tǒng)檢測(cè)中因尺度差異導(dǎo)致的漏檢、過(guò)殺問(wèn)題。

針對(duì)少樣本與多型號(hào)的難題，借助INSWORKS-ESAI的缺陷生成工具，無(wú)需大量真實(shí)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(mén)檻、縮短樣本收集周期。此外，面對(duì)頻繁換型，AI模型的自適應(yīng)能力也可有效縮短換型時(shí)間，適配多型號(hào)生產(chǎn)場(chǎng)景。

值得一提的是，整體檢測(cè)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(shí)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(shí)際應(yīng)用中， AI能力的落地常常受限于技術(shù)門(mén)檻，而INSWORKS-ESAI零代碼平臺(tái)打破了這一壁壘——即便是非AI研發(fā)人員，也無(wú)需編程，通過(guò)拖拽操作即可完成檢測(cè)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(jiǎn)化為“搭積木”式操作。

這種“所見(jiàn)即所得”的設(shè)計(jì)，降低了AI應(yīng)用的專業(yè)門(mén)檻。例如在鋰電檢測(cè)中，工程師只需簡(jiǎn)單操作，系統(tǒng)就能通過(guò)自適應(yīng)參數(shù)技術(shù)自動(dòng)優(yōu)化模型，無(wú)需再手動(dòng)調(diào)參，讓AI真正成為服務(wù)生產(chǎn)的實(shí)用工具。

而作為INSWORKS-ESAI零代碼AI開(kāi)發(fā)平臺(tái)的數(shù)據(jù)底座，西門(mén)子X(jué) Data Hub則為AI技術(shù)提供了穩(wěn)定的數(shù)據(jù)支撐，可實(shí)現(xiàn)對(duì)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(hào)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(mén)子與蘇州蘇映視聯(lián)合開(kāi)發(fā)、基于AI視覺(jué)算法+高分辨率相機(jī)+自動(dòng)化設(shè)備的箱體外觀智能檢測(cè)系統(tǒng)后，客戶實(shí)現(xiàn)了對(duì)箱體模組表面缺陷的自動(dòng)、穩(wěn)定、高效識(shí)別，箱體檢測(cè)速度達(dá)到70s/pcs，漏檢率和過(guò)殺率分別降低到了0.01%和0.5%以下，換型時(shí)間也壓縮到了4小時(shí)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(dòng)檢測(cè)”走向“主動(dòng)預(yù)防”，從“經(jīng)驗(yàn)判斷”走向“數(shù)據(jù)決策”。西門(mén)子X(jué)celerator構(gòu)建的開(kāi)放式生態(tài)助力更多工業(yè)AI創(chuàng)新應(yīng)用的誕生，實(shí)現(xiàn)技術(shù)升級(jí)的同時(shí)，重塑著未來(lái)的生產(chǎn)模式。我們相信，開(kāi)放的工業(yè)AI生態(tài)將成為撬動(dòng)智造變革的關(guān)鍵支點(diǎn)，讓各行業(yè)共享智能時(shí)代的紅利。