应用案例丨拍张照片，就知道零件多少钱？ 从7天到1小时：用视觉AI加速零件成本预测

靠经验：不同专家给出的价格可能差距很大，缺乏标准。

慢：一个零件的成本评估，往往要几天甚至一周。

不可规模化：当需要同时评估上百个零件时，根本忙不过来。

设计初期没参考：影响预算、采购节奏，拖慢项目进度。

通过 ResNet18 图像识别模型，AI 能自动识别齿轮的关键元数据：齿数、外径、齿形、是否有键槽。

相当于工程师扫一眼零件，先记下几个关键指标。

在 AI Studio 里，基于梯度提升树模型（GBT），我们把这些元数据和历史成本结合起来，训练出一个零件成本预测模型。

新的齿轮数据一输入，系统就能给出一个稳定的成本区间。

训练完成后，模型被部署到 AI Hub，生成两个 API：

• 齿轮元数据预测 API

• 成本预测 API

工程师只需上传一张新齿轮的正面照片，就能直接获得预测成本。

至少需要1000张不同齿轮的正面照片（统一机位拍摄，避免误差）。

每张照片都要配套完整的元数据（齿数、外径、齿形、成本等）。

训练过程需要 GPU 支持，否则训练相对较慢。

速度提升：从过去一周的人力评估，到现在一小时内自动出结果。

预算更精准：在设计阶段就能获得参考成本，提高与供应商谈判的底气。

释放专家精力：把专家从“算价格”的工作中解放出来，让他们专注于更高价值的设计和优化。

流程标准化：企业形成自己的“智能成本数据库”，经验不再只依赖个人。