不止于一次性检测， 而是持续保障高品质生产的解决方案
将相机与光源、AI 模型、判定界面、操作员反馈与再训练整合为一体化流程， 从容应对多品种生产与不断变化的质量标准。
AIVEX 的解决方案绝不止步于一次性交付。
来自一线现场的声音是最好的证明。
全线水平推广
为降低成本，我们曾委托中国厂商提供设备，却因完全无法满足严苛的节拍时间与精度要求而以失败告终。能够凭借 1.5 秒内同时运行 10 个 AI 模型的压倒性技术实力，完美解决这一难题的，只有 AIVEX。
G 客户（高端轴承制造商）
检测时间缩短 99%
以往接触式 CMM 扫描同一对象需耗时 20 分钟，引入 AIVEX 的非接触式 3D 传感器解决方案后，节拍时间缩短至 12 秒。凭借 ±20μm 以内的机构重复精度和基于标准样件的精密标定，更实现了设备间的一致性。
F 客户（引入尺寸检测设备）
0.1% 极限环境应对
在不良率低于 0.1% 的环境中，模型的快速更新至关重要。面对众多产品系列与多品种检测，究竟该将统一模型扩展和差异化到何种程度，真正掌握这一专业知识的公司，唯有 AIVEX。
B 客户（半导体后道工序）
实现零缺陷物流拣选
以往的解决方案常常漏抓料箱或抓取角度偏斜，造成大量破损损失。 AIVEX 从夹爪选型方案到视觉解决方案进行了一体化重新设计，如今产线已接近零缺陷，运行稳定可靠。
K 客户（物流自动化）
漏检率 3ppm
在弹体外观检测中实现 3 ppm 的漏检率，是一家真正验证了精密制造业所需极致检测精度的合作伙伴。
L 客户（国防）
从导入到运营，全程严格管理。
AIVEX 提供从兼顾工序环境的拍摄条件设计、数据构建、AI 模型开发、现场应用， 到运营所需流水线在内的 7 个环节、滴水不漏的管理体系。
- 1
光学系统·拍摄 条件设计
分析对象的尺寸、材质、表面特性及产线环境等，设计相机、镜头与光源条件。
- 2
样本数据 构建
在不良样本不足时，运用 Generative AI 补充训练数据。
- 3
AI 模型设计
结合检测目的与缺陷特性，设计能够判定多种不良的 AI 模型结构与标准。
- 4
检测系统 搭建与量产
结合产线速度与设备联动条件安装系统，并依据量产环境进行稳定化。
- 5
实时结果 查询与复检
在运营界面实时查看判定结果与操作员复核记录。
- 6
模型改进与 再部署
结合现场变化与新增缺陷改进模型，并将经过验证的模型重新部署至现场。
- 7
检测记录与 质量分析
按产线、品类、周期累积检测结果，转化为可用于质量趋势分析与工序改进的数据。
即便面对棘手的现场，也能确保稳妥落地。
AIVEX 充分考虑产线、设备、产品系列等因各现场而异的变量， 整理检测结果、筛选需复核的数据，并提供即便在现有设备环境下也能运行的 AI 检测流程。
- 1
按缺陷类型组合模型
根据缺陷形态与检测难度，组合分类、检出、分割、异常检测模型，设计契合现场的检测架构。
- 2
从判定到再训练一气呵成
累积 AI 判定结果与操作员复核记录，筛选误检、过检、漏检案例，并将其衔接为用于模型改进的再训练数据。
- 3
可应用于现有设备
最大限度地利用已在运行的相机、光源、边缘设备及设备联动环境， 依据现场条件灵活部署 AI 检测系统。
超越 AI 外观检测， 迈向融合 3D Metrology 的精密检测。
将 AI 外观检测与 3D Metrology 一体化设计， 把形状、尺寸、段差、平面度纳入量产线上的同一检测流程统一管理。
- 在线全检
将精密计量标准应用于量产线
兼顾与 CMM 标准的一致性，按量产线速度以 μm 为单位 检测孔位、直径、轮廓度、平面度等。
- 质量反馈
与 AIVData 联动的计量记录
将 3D 计量结果积累至 AIVData，用于按品类、产线、周期 开展质量趋势分析与工序反馈。
- 非接触计量
将检测项目扩展至形状·尺寸·段差
根据对象的材质、反射特性与移动速度设计 3D 扫描条件， 获取产品全表面的形状与尺寸数据。
广泛应用于各类产业与产品的 AI 检测产品阵容
AIVEX 以汽车、电池、精密零部件、生物等多种产业的检测对象为基准， 构建各产品专属的 AI 检测解决方案，并依据现场条件应用外观、尺寸、位置及表面缺陷检测。
BearingVis
- 产业
- 汽车
- 检测对象
- 金属 Half Bearing
- 应用内容
- Inner/Outer 表面缺陷检测
ShaftVis
- 产业
- 汽车
- 检测对象
- 金属 Shaft
- 应用内容
- 表面缺陷及尺寸检测
PaintVis
- 产业
- 汽车
- 检测对象
- 汽车喷涂面漆
- 应用内容
- 基于 6 轴机器人的车身喷涂缺陷检测
PlateVis
- 产业
- 汽车/精密
- 检测对象
- 金属 Plate
- 应用内容
- 外观缺陷与尺寸同步检测
TrackVis
- 产业
- 汽车
- 检测对象
- 喷涂线车辆追踪
- 应用内容
- 车辆位置对位及机器人作业基准点
BatteryVis (Cylindrical)
- 产业
- 电池
- 检测对象
- 圆柱形电池罐
- 应用内容
- 曲面·圆形结构表面缺陷检测
BatteryVis (Prismatic)
- 产业
- 电池
- 检测对象
- 方形电池罐
- 应用内容
- 外侧面·内侧面·开口部·底面复合检测
HyperVis/MultiVis
- 产业
- 精密/其他
- 检测对象
- 通用精密零部件
- 应用内容
- 多品种小批量定制检测
BioVis
- 产业
- 生物/其他
- 检测对象
- 生物制品
- 应用内容
- 精密外观检测
检测运营流水线 PoC 流程
优先应用于试点产线，在全公司导入前预先验证运营负荷的降低效果与检出指标。
*标准 PoC 所需周期与范围将在现场数据诊断后通过协商环节确定。
- 1
工序诊断
检查检测对象、现有数据与产线环境， 评估适用的系统方案。
- 2
单产线 PoC
在代表性品类与单一产线上，按标准验证检出率、漏检率与过检率。
- 3
试点运营
在指定产线上训练并部署模型， 在真实检测流程中确认运营适配性。
- 4
多产线扩展
将经过验证的标准扩展至多条产线与多个品类， 并实现运营标准化。
请为 PoC 准备好以下内容！
- 代表性案例已设定明确改进目标的检测课题 1~2 个
- 对象信息质量相关规格书（spec sheet）或检测标准书
- 可接受范围可接受的目标漏检率与过检率标准
- 部署环境根据安全策略的部署环境要求（本地部署、网络隔离等）
从 AI 模型、设备到软件， 将检测所需的一切汇于一体。
AIVision 是 AIVEX 的核心 AI 视觉检测解决方案，提供从光学系统设计、AI 模型开发到现场部署的端到端（End-to-end）服务。 您可根据自身预算与内部能力，从 3 种导入方式中进行选择。
面向基础设施不足或需要 快速导入的客户的交钥匙解决方案
面向需要光学与检测设备（不含控制与物流）的客户的检测运营解决方案
面向自有设备与软件的客户的 以模型为核心的检测运营解决方案
现场应用案例
AIVEX 已在汽车、电池、精密零部件、物流等多种制造现场积累了检测自动化与质量改进的案例。 欢迎基于真实工序条件与运营数据，了解我们的应用成果。
The Heart of Deep Learning Vision Inspection: Building a Platform Environment Where Vision Engineers Can Focus Solely on the Model
AIVEX’s Vision Platform Group built a platform architecture that separates complex hardware control from software logic, enabling vision engineers to focus on deep learning models and inspection logic rather than infrastructure or hardware control code. By separating hardware and algorithms and introducing declarative inspection scenarios and fault tolerance, the platform improves deployment flexibility while maintaining both high performance and system stability.
2026.09.14
Building Prism: Our In-House AI Code Review System
Our AI Platform Team currently uses “Prism,” an in-house code review system developed to ensure the stable operation of the AIVOps platform and maintain the quality of its codebase. In this article, we will share why we decided to build Prism, how the system was developed, and how we are using it today.
2026.09.10
Are You Still Opening Folders on the Inspection PC to Check False Positives and False Negatives?
When we receive a request to reduce the false positive rate or a notification that a false negative has occurred, the usual response is to connect to the inspection PC on site, open File Explorer, and start looking for the relevant images. But across multiple production lines, this was one of the bottlenecks we encountered repeatedly. Finding images one by one and then querying the database again to reconstruct the inspection history for each image took a significant amount of time every time. In the process, the data would gradually become disconnected or inconsistent.
2026.09.08
FAQ
我们整理了客户在导入 AI 检测与 3D 计量解决方案前最常提出的问题。
Q.能够将AI外观检测与3D测量结合应用吗？
可以。AIVEX将AI外观检测与3D Metrology一并设计，把形状、尺寸、段差、平坦度等仅靠2D图像检测不足的项目也纳入同一检测流程进行管理。 必要时还会一并评估与CMM基准的一致性。
Q.对于单一AI难以判别的复合型缺陷类型也能检测吗？
是的，可以通过灵活的流水线（pipeline）配置来解决。对于单一模型难以应对的复杂工序，我们会将多个AI模型与基于规则（Rule-based）的算法进行集成（Ensemble），或将其组合为顺序化的场景，整合为一个庞大的检测流程进行统一运营。
Q.即使不良样本不足也能进行PoC吗？
可以。首先审查已有的正常·不良图像及标注记录，若不良样本不足，则利用类似案例或基于Generative AI的数据增强来补充初期训练与审查范围。但最终判定标准将以实际现场数据进行验证。
Q.需要更换所有现有设备吗？
并非一定需要全面更换。我们会先诊断现有的相机、照明、边缘设备及设备联动环境，保留可利用的设备，仅补充必要的光学系统、传感器和软件，使其符合现场条件后再加以应用。
Q.工序环境（照明、材料等）发生变化时，AI性能不会下降吗？
为减少因工序环境变化导致的性能下降，我们会持续监控检测结果和检收履历。 一旦确认数据分布发生变化或出现误判案例，便会筛选改善数据，经过现场审批流程，仅将经过验证的模型重新部署到产线。