药品缺陷检测中的机器视觉技术

简介:

众所周知,食品药品关系到人类的生命健康,已经不允许哪怕是0.1%的缺陷存在。如果因为药品的质量问题而对人的生命造成威胁,这将是一个大的灾难。有些时候,如微小尺寸的精确快速测量、形状匹配、颜色辨识等,用人眼根本无法连续稳定地进行,其他物理量传感器也难有用武之地。因而各药品生产厂家,尤其是世界知名大厂对药品的整个生产过程甚至后段的包装都给予了非常大的重视。
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的;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。解决方案: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。
机器视觉
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。解决方案:装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。用户可通过视觉软件根据瓶口的特征来设定相似程度,假设设定为90%,也就是说当被检测瓶口的特征与传感器记忆的特征相似度达90%及以上时,传感器才认定这个瓶子的瓶口是完好的。经过这道检测,就可以把所有瓶口破损的药瓶剔除出去。
机器视觉检测
在药品制造生产环节中,是不允许出现一丝一毫差错的。因此制药企业不断发展日益成熟的机器视觉系统,以避免出现品质问题。面对药品和医疗器械安全性问题重要性的不断提升,越来越多的生产厂商将机器视觉技术引入实际生产中来,以达到提高生产效率,加强产品品质保障的目的。

相关文章
|
10月前
|
存储 项目管理 数据库
临床检验信息系统:实现检验结果数据的自动采集、自动控制及综合统计分析
一个能实现检验信息电子化、检验信息管理自动化的网络系统,其主要功能是将检验的实验仪器传出的检验数据经分析后,生成检验报告,通过网络存储在数据库中,使医生能够方便、及时的看到患者的检验结果。
|
2月前
|
机器学习/深度学习 算法 计算机视觉
ython打造智能车牌识别系统,实现快速准确的车辆识别与追踪技术
ython打造智能车牌识别系统,实现快速准确的车辆识别与追踪技术
|
4月前
|
安全
ADR药物不良反应智能监测预警系统源码:辅助医务人员发现不良反应
ADR是英文Adverse Drug Reaction的缩写,意为药物不良反应。是指按规定剂量正常应用药品的过程中产生的有害、而非所期望的与药品应用有因果关系的反应。
16 1
|
5月前
|
监控 安全
针对化工材料的分析以及检测服务
化工材料分析检测是确保化工产品质量和安全的重要环节。通过科学的分析检测手段,可以对化工材料的成分、结构、性能等进行全面评估,为产品研发、生产和使用提供有力支持。 在化工材料分析检测过程中,我们采用先进的仪器设备和严格的检测标准,确保检测结果的准确性和可靠性。我们的专业团队具备丰富的经验和专业知识,能够为客户提供全方位的技术支持和服务。 无论是原材料的质量控制、产品研发的配方优化,还是生产过程的质量监控,我们都能够为您提供准确、快速的分析检测服务。我们致力于为客户提供高质量的检测报告,帮助客户解决技术难题,提高产品质量和竞争力。 选择我们的化工材料分析检测服务,您将获得专业、可靠的技术支持,为您
|
传感器 编解码 人工智能
2022最新!更面向工业场景:基于视觉方案不同挑战下的车道检测与跟踪(上)
本文作者提出了一种鲁棒的车道检测和跟踪方法来检测车道线,该方法主要介绍了三个关键技术。首先,应用双边滤波器来平滑和保留边缘,引入了一个优化的强度阈值范围(OITR)来提高canny算子的性能,该算子检测低强度(有色、腐蚀或模糊)车道标记的边缘。第二,提出了一种稳健的车道验证技术,即基于角度和长度的几何约束(ALGC)算法,然后进行霍夫变换,以验证车道线的特征并防止不正确的车道线检测。最后,提出了一种新的车道线跟踪技术,即水平可调车道重新定位范围(HALRR)算法,该算法可以在左、右或两条车道标记在短时间内部分和完全不可见时跟踪车道位置。
2022最新!更面向工业场景:基于视觉方案不同挑战下的车道检测与跟踪(上)
|
编解码 人工智能 算法
2022最新!更面向工业场景:基于视觉方案不同挑战下的车道检测与跟踪(下)
本文作者提出了一种鲁棒的车道检测和跟踪方法来检测车道线,该方法主要介绍了三个关键技术。首先,应用双边滤波器来平滑和保留边缘,引入了一个优化的强度阈值范围(OITR)来提高canny算子的性能,该算子检测低强度(有色、腐蚀或模糊)车道标记的边缘。第二,提出了一种稳健的车道验证技术,即基于角度和长度的几何约束(ALGC)算法,然后进行霍夫变换,以验证车道线的特征并防止不正确的车道线检测。最后,提出了一种新的车道线跟踪技术,即水平可调车道重新定位范围(HALRR)算法,该算法可以在左、右或两条车道标记在短时间内部分和完全不可见时跟踪车道位置。
2022最新!更面向工业场景:基于视觉方案不同挑战下的车道检测与跟踪(下)
|
机器学习/深度学习 敏捷开发 数据采集
经历工业自动化行业的磨炼让我了解到的工业缺陷检测,今天就细说工业缺陷检测
经历工业自动化行业的磨炼让我了解到的工业缺陷检测,今天就细说工业缺陷检测
860 0
经历工业自动化行业的磨炼让我了解到的工业缺陷检测,今天就细说工业缺陷检测
|
机器学习/深度学习 人工智能 算法
口罩检测算法研究现状
近年来,随着人工智能的快速发展,基于深度学习的目标检测算法有着越来越广泛的应用,由于深度学习算法在真实环境中的鲁棒性远超过传统视觉算法,更适合应对现实环境中的各种复杂情况。
1614 0
口罩检测算法研究现状