当机器视觉遇到医疗质检，3分钟带你上手药品缺陷检测全流程方案
目前，随着世界人口老龄化及人们对自身健康重视度提升，为医疗器械行业的发展奠定了坚实基础，尤其在新冠疫情爆发后，医疗行业规模正在持续扩大，同时也面临着智能化转型需求。
医药行业关系到人类的生命健康，世界各国对药品生产制造过程都给予了高度重视。医疗数字化、信息化是全球医疗器械技术发展的主要方向，是实现医疗“无损化”、“精确化”最重要的技术保证。
1
医疗行业质检?
需要AI智能化赋能
伴随医药企业逐渐提升档次及逐渐完善，企业对机器视觉技术的需求会越来越普遍，而机器视觉公司也紧抓机遇加大对制药领域机器视觉的研发。在药品的生产、包装过程中，无论是药品的泡罩包装、液体灌装，还是后段的压盖、贴标、喷码，以及最后的装盒检测，机器视觉技术都可以发挥其强大的功能，以保证零缺陷。目前，我们常常被咨询的检测物体，大多数为对其外观瑕疵进行视觉检测。如注射器瑕疵检测、口罩缺陷检测、西林瓶表面缺陷检测等。
由于质检精细度要求高，占到工厂总人力成本的40%。举例来说，医疗质检中的西林瓶表面缺陷检测，可能是个小划痕，也可能是小缺口。这种情况下，瑕疵视觉感官并不直观。在整个人力检测过程中，耗时多、人力投入高。而质检效率直接影响到企业生产以及交付效率。因此，质检的智能化赋能已经成为节省成本，提高产能的必然趋势。
?人力检测
检测标准不统一，检测结果差别较大；劳动强度大，工人易产生视觉疲劳，导致误检/漏检率上升，同时存在工人操作安全隐患；人工质检培训成本高，周期长，培训结果不可复制。
?传统机器视觉检测
这种方法只能解决一些特定的问题。如果是在特征装备场景比较复杂的情况下，或者药瓶反光零件表面检测这类情况，传统机器视觉检测的漏检率难以控制。且传统视觉检测的整个部署周期比较长，成本也是很多工厂承担不起的。
?深度学习检测
可以逐步解决缺陷形态复杂、环境复杂的目标，可解决的范围更大，覆盖的场景更多。但深度学习使用门槛较高，在AI开发阶段，对原始数据的要求更高，对开发人员的要求也更高。
那么，有没有一个简单上手同时确保高效质检的方法呢？
2
矩视智能低代码平台
医疗质检 案例展示
药片缺陷检测是药片生产过程中的关键环节，其检测结果的好坏直接影响着药品的质量。以下图为例，这是一家医疗机械生产商提供的样本。可以看出，药片存在脏污、破损等缺陷，药片的尺寸较小，且正反面、侧面缺陷程度不同，因此如果通过肉眼观察，很难分辨出哪一个是合格或不合格。药片表面为弧形，检测中需要整个视野内光照均匀，并能够检测到药片表面的脏污及缺损。
根据样本特征进行采集，并使用矩视智能低代码平台针对药片进行AI检测模型创建，标注缺陷类型。
标注后在矩视低代码平台进行训练并最终部署。如果出现蜂鸣和红灯提示，说明这个药片是不合格的，如果绿灯亮起，说明这个零件是合格的。所以在矩视低代码平台，操作十分简单，仅需几步即可完成。首先是上传样本图片，其次是基于低代码平台的深度学习模型训练、测试，最后再到部署。接下来详析带大家拆解步骤：第一步：样本采集将部分模拟量转换成可以量化的数字量。比如，这些药片上的破损、脏污等信息，都需要将这些信息上传到低代码平台。在这里就要提到一个很重要的配件，即样本采集用的镜头，光源等硬件。成功的AI样本采集是从一张信息准确且直观的照片开始，它们就相当于矩视低代码平台在真实生产流水线上的智能眼睛。采用什么样的镜头，意味着让AI能看到什么样的内容。这里有关键一点：点击查看>>>《如何为样本匹配一个合适的镜头》当然，我们的专业技术工程师凭借多年经验，会针对项目场景及需求进行硬件配置部分指导，面向零算法基础人群、简单易上手。由于检测药片需要所有表面，因此推荐采用球状分布式对称无影光源，此光源采用特制漫射板将光散射到不同方向，形成渐变球状分布，使得整个球面目标不同坡度的反光强度都一致。
因需检测药片所有表面，实验中采用棱镜模组进行配合打光，通过分次曝光来分别检测正面与侧面的缺陷，从而获取药片360°全方位的图像信息。
药片缺陷检测正、侧面效果图第二步：样本标注在样本图片准备完成，并上传矩视低代码平台后，开始进行标注，在这里需要注意标签和标注的重点。标签标签是围绕着样本要表达的信息和实际部署场景展开的。例如，药品生产厂要求一旦检测出药片破损、脏污即检测为不合格。所以，在创建标签的时候，一定要按照实际的检测需求进行设定。
标注标注是训练前非常重要的环节，需要将图像中涉及的瑕疵全部准确框定标注。
第三步：模型部署训练好的AI模型需要导出下载后进行本地部署。
最终，基于矩视低代码平台的机器学习检测算法，使用工业相机对产线上的药片进行图片拍摄，生产现场的服务器进行图像分类和检测，判断药片的外观质量是否符合要求，可检测药片的缺损、裂缝、脏污、大小等瑕疵。
3
机器视觉
在医疗行业的广泛应用
1. 缺药或者缺瓶检测
由于医药行业的严格规范，对制药包装的质量也越来越苛刻，当药粒被包装进泡罩后，生产商必须保证所有泡罩内的药粒都是完好无损。或者，在药品出厂时，一般瓶装药都是若干瓶药装在一个较大的包装内，生产商必须保证每个包装内不缺少药瓶，以避免因此而造成的对药品生产厂家信誉的影响。
利用机器视觉的方法，可以快速、准确地检测到对象是否完好无缺，通过设定图像传感器，获取包装后的对象图片信息，通过预先设定的面积参数对每个药粒或者药瓶进行检测对比，这样，破损的药粒或者缺瓶的包装都将被检测出来，正确的正常通过。
2. 瓶口破损检测
液态药瓶，经罐装后，要判断瓶口是否有破损，这关系到药液中是否会混入玻璃碎屑。将图像传感器安装在药液罐装工序后，通过图形匹配工具来判断瓶口是否有破损。
在检测之前，图像传感器记录下正常的瓶口特征，当罐装好的药瓶经过传感器镜头前面时，传感器会捕捉当前的瓶口特征，与其所记忆的原瓶口特征进行比较，看是否一致，如果不同，传感器会发出信号以剔除机构将此瓶剔除。3. 灌封质量检测在药品罐装生产线上，另一个需要关心的问题是压盖后盖子是否压装到位？药液灌装的是否够量？以确保瓶子封闭完好，保证瓶内的真空度，以及药量是否正确。通过测量瓶盖与瓶口之间的缝隙来判断瓶盖是否安装到位；通过测量液面与瓶口的距离来判断液位的高低。
均是相对位置的测量，因而不会受瓶子在传送带上的微弱跳动的影响。经过此道检测，能确保瓶盖未安装到位和药液不够的药瓶全部被剔除出去。4. 液体药品的杂质和异物检测液态药瓶，经罐装后，要判断药液中是否会混入杂质。利用工业相机采集图像，基于相关软件和算法，对液体药品的杂质实现实时在线检测，确保药品的纯净度。
上面仅仅列出了在食品药品行业中的部分应用，机器视觉检测能否广泛应用，首先要使食药品企业更多的了解机器视觉。
