Los sistemas electromecánicos construidos por Simulink o Ptolemy han sido ampliamente utilizados en campos industriales, como sistemas autónomos y robótica. Es una necesidad urgente garantizar la seguridad de esos sistemas. Las tecnologías de generación de casos de prueba son ampliamente utilizadas para garantizar la seguridad. Las herramientas de prueba de vanguardia emplean técnicas de verificación de modelos o métodos basados en búsqueda para generar casos de prueba. Las técnicas tradicionales basadas en búsqueda y basadas en simulación de Simulink están plagadas de problemas como baja velocidad y alto costo. Las técnicas tradicionales de verificación de modelos, como la ejecución simbólica, tienen un rendimiento limitado al tratar con elementos no lineales y bucles complejos. Recientemente, se sabe que las tecnologías de fuzzing guiado por cobertura son efectivas para la generación de casos de prueba, debido a su alta eficiencia e impresionantes efectos sobre ramas complejas de bucles. En este artículo, aplicamos métodos de fuzzing para mejorar la prueba de modelos y demostrar la efectividad. Los métodos de fuzzing tienen como objetivo cubrir más ramas del programa mediante la mutación de semillas valiosas. Inspirados en esta característica, proponemos una nueva tecnología de integración SPsCGF, que aprovecha la verificación de modelos acotada para la ejecución simbólica para generar casos de prueba como semillas iniciales y luego realizar fuzzing basado en estas semillas valiosas. En los casos industriales evaluados, SPsCGF pudo lograr una cobertura de modelo un 8% a un 38% mayor y una eficiencia temporal de 3 a 10 veces mayor en comparación con los trabajos de vanguardia.