檢驗工作人員入崗前進行專業培訓，在實測過程中依靠按壓操作過程中的主觀感受和經驗判斷是否為合格品。收集多個檢測閾值，在實測過程中通過與這些閾值進行比較，判斷是否為合格品。

　　其典型特點為：試錯周期較長，需要在實測過程中反復修正閾值;閾值設置過程繁瑣，隨著產品和缺陷種類的增加，需要增加閾值的個數來進行判斷;典型的收集數據時間一般在1周甚至1月以上，在以往的多個應用中，容易出現發現預期外的異常需要重新收集分析數據的情況，重新訂制閾值，重新投入生產數據驗證，項目周期長。

　　AI算法檢測手感曲線數據AI神經網絡卷積算法自動計算曲線數據的特征，判斷是否產品是否合格。無工作人員參與檢驗，無閾值修正過程

　　圖2 基于AI的開關測試分選應用方案

　　AI的基本模型為：

　　圖3 AI基本模型

　　近日，深圳市磐石測控儀器有限公司與寧波人工智能產業研究院協作開發了針對開關行業的AI分選測試應用研究，并成功導入行業頭部企業寧波公牛開關使用，取得了快速建模、快速分選測試，不需要人工設定閾值，基于數據曲線特征的多種測試應用。

　　圖4 基于AI的開關測試分選應用方案

　　計算單條數據量超2000組的數據特征信息，然后選擇適合的AI模型對進行數據學習識別，常規異常識別率超過99.9%，特殊異常的，特別是通過閾值設定難以分辨的異常特征，識別率也超過99%，成功實現了基于AI的開關彈力手感測試分選應用。