工业视觉检测场景的算法方案复杂度较高，通常由多个算法和模型组成，以往需通过外部代码或外部软件实现多个AI模型间的逻辑设置，并手动传递图像集，操作复杂难度高，且难以把握整体算法方案的结果。AIDI提供了图形化的算法流程编排工具——算法画布（Algorithm Canvas），帮助用户直观地完成从图像输入到结果输出的整体算法处理流程设计，降低算法方案开发的复杂度

训练集推荐功能，可根据特定的应用场景或需求，基于先前的成功案例、数据集的覆盖度、多样性或特定问题的复杂性等因素，推荐合适的训练数据集给用户。用户无需人工逐个分析数据特征，只需点击按钮，即可智能挑选推荐训练的图片

支持增量训练，允许模型在新数据到来时仅学习新增内容，而不用每次都从头开始训练。仅需学习增加的内容有助于模型快速适应新情况，大幅减少模型迭代时间

提供多维度训练样本管理功能，保障缺陷训练样本在各个维度上的分布均衡。配备多种缺陷标签的筛选方式，用户可通过有序管理多类别的缺陷标签，有针对性地调整样本集，提升训练效果

工业视觉检测场景的算法方案通常由多个模型组成，二次开发集成时，需通过代码实现模型之间的逻辑关系，AIDI可直接导出VisualStudio工程，无需编写代码、配置依赖库，可直接用于视觉检测的算法集成任务，初级工程师即可操作，大幅降低技术门槛与集成时间，提高模型开发效率

提供环境监控工具，用于实时监控系统环境状态，有助于及时发现并解决可能影响程序正常运行的问题