目前，隨著世界人口老齡化及人們對自身健康重視度提升，為醫療器械行業的發展奠定了堅實基礎，尤其在新冠疫情爆發后，醫療行業規模正在持續擴大，同時也面臨著智能化轉型需求。

醫藥行業關系到人類的生命健康，世界各國對藥品生產制造過程都給予了高度重視。醫療數字化、信息化是全球醫療器械技術發展的主要方向，是實現醫療“無損化”、“精確化”最重要的技術保證。

1

醫療行業質檢 

需要AI智能化賦能

伴隨醫藥企業逐漸提升檔次及逐漸完善，企業對機器視覺技術的需求會越來越普遍，而機器視覺公司也緊抓機遇加大對制藥領域機器視覺的研發。在藥品的生產、包裝過程中，無論是藥品的泡罩包裝、液體灌裝，還是后段的壓蓋、貼標、噴碼，以及最后的裝盒檢測，機器視覺技術都可以發揮其強大的功能，以保證零缺陷。目前，我們常常被咨詢的檢測物體，大多數為對其外觀瑕疵進行視覺檢測。如注射器瑕疵檢測、口罩缺陷檢測、西林瓶表面缺陷檢測等。

由于質檢精細度要求高，占到工廠總人力成本的40%。舉例來說，醫療質檢中的西林瓶表面缺陷檢測，可能是個小劃痕，也可能是小缺口。這種情況下，瑕疵視覺感官并不直觀。在整個人力檢測過程中，耗時多、人力投入高。而質檢效率直接影響到企業生產以及交付效率。因此，質檢的智能化賦能已經成為節省成本，提高產能的必然趨勢。

?人力檢測

檢測標準不統一，檢測結果差別較大；勞動強度大，工人易產生視覺疲勞，導致誤檢/漏檢率上升，同時存在工人操作安全隱患；人工質檢培訓成本高，周期長，培訓結果不可復制。

?傳統機器視覺檢測

這種方法只能解決一些特定的問題。如果是在特征裝備場景比較復雜的情況下，或者藥瓶反光零件表面檢測這類情況，傳統機器視覺檢測的漏檢率難以控制。且傳統視覺檢測的整個部署周期比較長，成本也是很多工廠承擔不起的。

?深度學習檢測

可以逐步解決缺陷形態復雜、環境復雜的目標，可解決的范圍更大，覆蓋的場景更多。但深度學習使用門檻較高，在AI開發階段，對原始數據的要求更高，對開發人員的要求也更高。

那么，有沒有一個簡單上手同時確保高效質檢的方法呢？

2

矩視智能低代碼平臺

醫療質檢 案例展示

藥片缺陷檢測是藥片生產過程中的關鍵環節，其檢測結果的好壞直接影響著藥品的質量。以下圖為例，這是一家醫療機械生產商提供的樣本?？梢钥闯?，藥片存在臟污、破損等缺陷，藥片的尺寸較小，且正反面、側面缺陷程度不同，因此如果通過肉眼觀察，很難分辨出哪一個是合格或不合格。藥片表面為弧形，檢測中需要整個視野內光照均勻，并能夠檢測到藥片表面的臟污及缺損。

根據樣本特征進行采集，并使用矩視智能低代碼平臺針對藥片進行AI檢測模型創建，標注缺陷類型。

標注后在矩視低代碼平臺進行訓練并最終部署。如果出現蜂鳴和紅燈提示，說明這個藥片是不合格的，如果綠燈亮起，說明這個零件是合格的。所以在矩視低代碼平臺，操作十分簡單，僅需幾步即可完成。首先是上傳樣本圖片，其次是基于低代碼平臺的深度學習模型訓練、測試，最后再到部署。接下來詳析帶大家拆解步驟：第一步：樣本采集將部分模擬量轉換成可以量化的數字量。比如，這些藥片上的破損、臟污等信息，都需要將這些信息上傳到低代碼平臺。在這里就要提到一個很重要的配件，即樣本采集用的鏡頭，光源等硬件。成功的AI樣本采集是從一張信息準確且直觀的照片開始，它們就相當于矩視低代碼平臺在真實生產流水線上的智能眼睛。采用什么樣的鏡頭，意味著讓AI能看到什么樣的內容。這里有關鍵一點：點擊查看>>>《如何為樣本匹配一個合適的鏡頭》當然，我們的專業技術工程師憑借多年經驗，會針對項目場景及需求進行硬件配置部分指導，面向零算法基礎人群、簡單易上手。由于檢測藥片需要所有表面，因此推薦采用球狀分布式對稱無影光源，此光源采用特制漫射板將光散射到不同方向，形成漸變球狀分布，使得整個球面目標不同坡度的反光強度都一致。

因需檢測藥片所有表面，實驗中采用棱鏡模組進行配合打光，通過分次曝光來分別檢測正面與側面的缺陷，從而獲取藥片360°全方位的圖像信息。

藥片缺陷檢測正、側面效果圖第二步：樣本標注在樣本圖片準備完成，并上傳矩視低代碼平臺后，開始進行標注，在這里需要注意標簽和標注的重點。標簽標簽是圍繞著樣本要表達的信息和實際部署場景展開的。例如，藥品生產廠要求一旦檢測出藥片破損、臟污即檢測為不合格。所以，在創建標簽的時候，一定要按照實際的檢測需求進行設定。

標注標注是訓練前非常重要的環節，需要將圖像中涉及的瑕疵全部準確框定標注。

第三步：模型部署訓練好的AI模型需要導出下載后進行本地部署。

最終，基于矩視低代碼平臺的機器學習檢測算法，使用工業相機對產線上的藥片進行圖片拍攝，生產現場的服務器進行圖像分類和檢測，判斷藥片的外觀質量是否符合要求，可檢測藥片的缺損、裂縫、臟污、大小等瑕疵。

3

機器視覺

在醫療行業的廣泛應用

1. 缺藥或者缺瓶檢測

由于醫藥行業的嚴格規范，對制藥包裝的質量也越來越苛刻，當藥粒被包裝進泡罩后，生產商必須保證所有泡罩內的藥粒都是完好無損。或者，在藥品出廠時，一般瓶裝藥都是若干瓶藥裝在一個較大的包裝內，生產商必須保證每個包裝內不缺少藥瓶，以避免因此而造成的對藥品生產廠家信譽的影響。

利用機器視覺的方法，可以快速、準確地檢測到對象是否完好無缺，通過設定圖像傳感器，獲取包裝后的對象圖片信息，通過預先設定的面積參數對每個藥粒或者藥瓶進行檢測對比，這樣，破損的藥?；蛘呷逼康陌b都將被檢測出來，正確的正常通過。

2. 瓶口破損檢測

液態藥瓶，經罐裝后，要判斷瓶口是否有破損，這關系到藥液中是否會混入玻璃碎屑。將圖像傳感器安裝在藥液罐裝工序后，通過圖形匹配工具來判斷瓶口是否有破損。

在檢測之前，圖像傳感器記錄下正常的瓶口特征，當罐裝好的藥瓶經過傳感器鏡頭前面時，傳感器會捕捉當前的瓶口特征，與其所記憶的原瓶口特征進行比較，看是否一致，如果不同，傳感器會發出信號以剔除機構將此瓶剔除。3. 灌封質量檢測在藥品罐裝生產線上，另一個需要關心的問題是壓蓋后蓋子是否壓裝到位？藥液灌裝的是否夠量？以確保瓶子封閉完好，保證瓶內的真空度，以及藥量是否正確。通過測量瓶蓋與瓶口之間的縫隙來判斷瓶蓋是否安裝到位；通過測量液面與瓶口的距離來判斷液位的高低。

均是相對位置的測量，因而不會受瓶子在傳送帶上的微弱跳動的影響。經過此道檢測，能確保瓶蓋未安裝到位和藥液不夠的藥瓶全部被剔除出去。4. 液體藥品的雜質和異物檢測液態藥瓶，經罐裝后，要判斷藥液中是否會混入雜質。利用工業相機采集圖像，基于相關軟件和算法，對液體藥品的雜質實現實時在線檢測，確保藥品的純凈度。

上面僅僅列出了在食品藥品行業中的部分應用，機器視覺檢測能否廣泛應用，首先要使食藥品企業更多的了解機器視覺。