In-Sight 2800創新性地將AI技術與基于規則的傳統視覺工具相結合，充分滿足了制造商多元化的應用需求。

無論是進行存在/缺失檢測、字符讀取，還是執行高精度的產品特征分析，用戶都能輕松完成設備的調試并確保其穩定運行。即便在反光、低對比度等復雜環境條件下，以及高速生產線的嚴苛要求中，In-Sight 2800依然能夠展現卓越的適應性和強大性能。

以下為您呈現四個成功應用案例，這些案例展示了In-Sight 2800如何在汽車、電子、醫療及食品行業中顯著提升效率與質量。

電動汽車行業

電驅部件防錯檢測

應用場景及需求

電動汽車電驅部件組裝車間工序繁多，組裝完成后需要對部件進行全檢，確保各類型零件如O型圈、密封墊、軸補償墊片等均組裝到位，及時發現漏裝、錯裝問題，保證產品出廠良率。

應用痛點

電驅部件換型頻繁，換型后檢測程序需重新調試，而調試過程繁瑣且耗時長，降低整體生產效率。傳統檢測方式的穩定性和準確率也有待提升。

解決方案及使用效果

In-Sight 2800集成了AI和基于規則的工具，為多種防錯應用提供了全面的解決方案。其中，ViDi EL Classify作為基于AI的邊緣學習工具，通過少量圖像即可高效完成機器學習訓練，顯著提升調試效率和識別準確率。同時，基于規則的工具支持靈活設置多個興趣區域(ROI)，使得系統能夠自動、高效、穩定地檢測電驅部件上的O型密封圈、密封墊和軸補償墊片等關鍵部件，確保所有部件的正確安裝，為生產線提供了可靠的防錯保障。

電子行業

手機屏字符碼讀取

應用場景及需求

手機屏幕上的標識字符記錄著產品的生產批次、流轉環節等信息，是產品質量控制和問題追溯的關鍵憑據。制造商需要準確讀取并記錄手機屏上的字符碼，以綁定產品質量狀態信息。客戶要求字符識別率達到99.99%，每件產品的識別時間小于200毫秒。

應用痛點

屏幕上的字符內容多樣，字符間距較小，容易產生錯讀。傳統方案為了準確讀取信息，往往犧牲讀取速度。

解決方案及使用效果

In-Sight 2800配備的高速液態鏡頭支持自動對焦功能，結合ViDi EL Read工具的AI字符讀取算法，即使在反光、低對比度和非平整表面上，也能迅速加載字符模型并精準讀取字符內容。該系統實現了高達99.99%的讀取率和200毫秒/件的讀取速度。整個檢測系統僅需少量示例圖像即可完成訓練，并在數分鐘內即可投入使用。目前，該系統已在客戶生產線上穩定運行數月，各項性能指標均達到預期，展現了其卓越的性能和可靠性。

醫療器械行業

包裝袋密封性檢測

應用場景及需求

醫療器械產品對無菌或密封有嚴格要求。在運輸和儲存過程中，包裝袋封口的質量直接影響器械的有效性和安全性。因此，在出廠前，必須100%檢測醫療器械包裝袋的封口是否符合規范。

應用痛點

包裝袋表面易有反光，且不良種類多、差異小，傳統檢測方案存在成像效果不穩定和錯判率高等問題。

解決方案及使用效果

In-Sight 2800內置ViDi EL Classify工具能夠精準檢測包裝袋封口是否存在缺陷，并智能地標記出缺陷的種類。這一特性不僅方便用戶迅速識別問題所在，還促進了問題追溯與及時修正。依托先進的基于AI的邊緣學習技術，In-Sight 2800具有低延遲和快速響應的顯著優勢，能夠支持生產線速度高達20米/分鐘，檢測速度則達到每分鐘2件，確保了生產線的持續穩定運行。更值得一提的是，In-Sight 2800還提供了快速、直觀的訓練設置，使用戶能夠在極短的時間內輕松訓練好檢測系統，極大地提升了工作效率。

食品行業

餅干烘干后餅皮檢測

應用場景及需求

餅皮視覺檢測在食品行業需求日益增長，通過對餅皮顏色、形狀、紋理等特征進行提取和分析，可以確保餅皮外觀質量和完整性符合要求，提升產品品牌形象和競爭力。

應用痛點

生產線上餅干方向不固定，表面奶油等干擾因素多，容易產生錯檢，導致檢測系統無法穩定工作。

解決方案及使用效果

In-Sight 2800提供集成光源和鏡頭的模塊化解決方案，融合了強大的AI視覺工具和傳統視覺工具，為用戶帶來了前所未有的視覺檢測體驗。它能夠精準地過濾干擾內容，確保圖像訓練的順利進行，并高效執行視覺檢測和不良品分類任務。在該項目中，In-Sight 2800展現了其卓越的性能。經過簡單的圖像訓練后，通過ViDi EL Classify工具，系統實現了容錯率控制在萬分之三以內的精準檢測。不僅如此，In-Sight 2800的檢測速度也極為理想，即便在大視野范圍內，也能每秒檢測5-7個產品，確保了生產線的高效運行。

In-Sight 2800已在多個行業中展現出了強大的應用潛力和顯著效果。它不僅能夠降低生產成本，提升工作效率，還能顯著提升產品質量，為制造業帶來全方位的檢測效率優化。