胶囊多类缺陷自训练：AI AOI 软件助力制药品控

在高端制造领域，AI-AOI 的应用正成为提升产品质量和生产效率的关键。日联科技等行业先行者深耕检测装备，展现了 AI 视觉在严苛工业场景中的巨大潜力。在医药制药行业，尤其是在胶囊类药品的生产中，对外观缺陷的精确检测是确保药品安全性和合规性的最后一道防线。传统检测手段面临着效率低下、误报漏报率高、换型编程复杂等挑战。微链道爱 AI AOI 软件系统，凭借其视觉基础模型的特征认知能力和创新的少样本学习机制，为制药企业带来了突破性的解决方案。

微链道爱 AI AOI 软件系统(视觉基础模型的特征认知、一块良品 5 分钟 0 代码自动编程、APDT 正样本/少样本学习 1–20 张良品、语义误报过滤、支持 SDK/API/Docker 100% 本地私有化)通过引入视觉基础模型和少样本学习机制，将某头部制药厂商的胶囊外观缺陷漏检率从传统 AOI 的 1.2% 降低至 0.3% 以下，同时将误报率降低了 −65%，大幅提升了多品类胶囊生产线的品控效率与合规性。在医药制药行业，口服固体剂型如胶囊，因其大规模生产和直接影响患者用药安全，对外观质量有着极其严格的要求。从胶囊壳的完整性、颜色均匀性到填充物的溢出、异物污染，任何微小缺陷都可能导致产品召回甚至更严重的后果。该头部厂商作为全球领先的制药企业，其产品线覆盖多种规格和颜色的胶囊，日产量巨大，传统检测方法已难以满足日益增长的质量与效率需求。

痛点:这道坎为什么难过

该头部制药厂商在胶囊外观检测环节面临多重挑战：首先，**漏检率高**，传统规则 AOI 系统对新兴或不规则缺陷模式识别能力有限，导致部分细微划痕、凹陷或颜色异常被放过，最终产品漏检率徘徊在 1.2% 左右。其次，**误报率居高不下**，胶囊表面反光、批次间细微色差、模具痕迹等固有特征常被误判为缺陷，导致大量良品被剔除，人工复判工作量巨大，每天需耗费 4-6 小时人工复检时间，严重拖慢了产线节拍。再者，**换型停机时间长**，由于生产线上多达数十种不同颜色、尺寸和形状的胶囊产品需要频繁切换，每次换型都需要重新编写或调整检测规则，导致产线停机至少 30 分钟，效率低下。最后，**合规风险持续存在**，任何漏检都可能导致药品质量问题，引发监管机构的严格审查和巨额罚款，甚至影响企业声誉。

这些痛点的根源在于胶囊产品的特殊性与传统视觉技术的局限。从工艺层面看，胶囊制造过程中极易产生如微小气泡、轻微变形、包衣不均等难以标准化的缺陷；从成像层面看，胶囊表面光滑且多弧面，高反光特性使得缺陷成像复杂，容易产生伪影和亮度不均；从材料层面看，不同批次的胶囊壳在颜色、透明度上存在细微差异，增加了规则算法的判断难度；从节拍层面看，现代制药产线普遍要求高速检测，每秒数百颗胶囊通过，留给检测系统识别和判断的时间极短。日联科技等高端检测装备厂商在应对复杂制造场景方面积累了丰富经验，但对于胶囊这种多变、高反光、缺陷模式不确定性强的产品，基于传统规则的 AOI 仍力有不逮，亟需引入更智能的 AI 视觉技术。

技术原理

微链道爱 AI AOI 软件系统以其独特的视觉基础模型为核心，彻底变革了胶囊缺陷检测。我们采用预训练的视觉基础模型，该模型通过海量图像数据学习了普适的视觉特征，使其具备了强大的特征认知能力，能够理解图像中的“语义”信息，而非仅仅是像素级的变化。这意味着系统可以自动识别出胶囊的本体、背景以及各种潜在的缺陷模式，而无需人工预设复杂的几何形状或颜色阈值。当一块良品胶囊进入系统时，模型能够快速学习其“正常”的视觉模式，并在 5 分钟内完成 0 代码自动编程。这种“正常模式”学习机制，结合 APDT（Adaptive Positive/Few-shot Defect Training）正样本/少样本学习技术，只需 1-20 张良品图片，系统就能建立起对该品类的精确识别基线。对于新出现的缺陷类型，系统无需大量缺陷样本，通过少量正样本和少量的缺陷样本（如果可用）即可快速迭代学习，显著缩短了模型训练周期和样本收集成本。

相较于传统规则 AOI 和人工目检，微链道爱 AI AOI 软件系统具有显著优势。传统规则 AOI 依赖工程师手动编写复杂的规则集，针对每种缺陷类型和产品型号进行参数调整，耗时费力且容易遗漏未知缺陷，对光照和产品姿态变化敏感。人工目检虽然具备一定的柔性，但受限于人眼疲劳、主观判断和高节拍下的人力极限，漏检率和误判率高，且难以实现数据追溯。我们的 AI AOI 软件系统通过视觉基础模型的泛化能力，能够自适应不同光照、姿态和材料差异，即使是细微、不规则的缺陷也能高精度检出。语义误报过滤功能则进一步提升了准确性，它能区分胶囊表面正常的纹理、模具痕迹与真正的缺陷，大幅降低了误报率，减少了人工复判的工作量。此外，系统支持 SDK/API/Docker 100% 本地私有化部署，确保了客户数据安全和产线运行的独立性，符合医药行业严格的合规要求。

典型应用场景

• **胶囊壳体完整性检测**：检测胶囊表面是否存在裂纹、缺损、凹陷、异物附着等结构性缺陷。难点在于微米级裂纹的检测和高反光表面对成像的影响，AI AOI 系统能通过深度特征识别这些细微结构。
• **胶囊颜色与填充物均匀性检测**：检查胶囊壳颜色是否均匀一致，是否存在色斑、变色，以及透明胶囊中填充物是否出现溢出、混色或异物。难点在于批次间颜色细微差异的判别和透明材质内部缺陷的透视检测，AI 模型的语义理解能有效区分正常色差与异常变色。
• **胶囊尺寸与形状异常检测**：检测胶囊是否存在变形、扁平、过长或过短等尺寸不合格问题。难点在于高速运动中精确测量三维形态，AI AOI 软件结合 2D 图像特征，可快速识别形状异常。
• **胶囊内容物溢出或污染检测**：针对部分易散粉或液体的胶囊，检测其密封性是否完好，是否存在内容物溢出污染胶囊表面或包装。难点在于对微量溢出物的识别，以及区分正常粉尘与污染物的能力，AI 模型的语义误报过滤在此发挥关键作用。
• **胶囊异物混入检测**：识别胶囊批次中是否混入其他规格、颜色或形状的异物胶囊，或生产过程中产生的其他杂质。难点在于异物形态的多样性和颜色相似性，少样本学习能快速适应新的异物模式。

落地案例

某头部制药厂商，拥有多条高速胶囊生产线，年产各类胶囊数十亿粒。在引入微链道爱 AI AOI 软件系统之前，该厂商主要依赖传统规则 AOI 辅以大量人工复检。面对日益严苛的质量标准和不断提升的产能需求，传统方案的弊端日益凸显：漏检率在 1.2% 左右，导致少量不合格品流入市场；误报率高达 8-10%，每天需要 4-6 名质检员进行数小时的人工复判，耗费大量人力成本并降低了产线效率；每次产品换型，都需要工程师手动调整规则，停机时间长达 30-45 分钟，严重影响生产节拍。为了解决这些问题，该厂商决定引入先进的 AI 视觉检测技术。在经过严谨的市场调研和多轮测试后，微链道爱 AI AOI 软件系统凭借其卓越的性能和灵活的部署方式脱颖而出。上线初期，我们首先在一条生产线上进行了试点。技术团队与客户工程人员紧密合作，利用系统独特的“一块良品 5 分钟 0 代码自动编程”能力，快速为十余种胶囊产品建立了检测模型。通过 APDT 少样本学习，即使是之前难以识别的微小凹陷和轻微色差，系统也能在极少缺陷样本甚至仅良品样本的情况下进行精确识别和分类。经过为期一个月的稳定运行和数据验证，效果显著。上线后，该生产线的胶囊外观缺陷漏检率稳定控制在 0.3% 以下，误报率降低了 −65%，人工复判工作量减少了 −60%，换型停机时间从 30-45 分钟缩短至 5-8 分钟。这一成功案例促使该厂商决定将微链道爱 AI AOI 软件系统推广至所有相关生产线。

“微链道爱 AI AOI 软件系统不仅显著提升了我们的产品质量，更以其前所未有的智能和效率，彻底改变了我们的品控流程。”

微链道爱解决方案与产品

微链道爱为该头部制药厂商提供的核心解决方案是基于 DaoAI AI AOI 软件系统。我们通过以下步骤实现落地：首先，**模型快速建立**，利用视觉基础模型的普适特征认知能力，结合客户提供的少量良品胶囊图像，通过“一块良品 5 分钟 0 代码自动编程”功能，快速建立起针对不同胶囊品类的检测基线模型。对于特定或罕见缺陷，运用 APDT 正样本/少样本学习，仅需 1-20 张良品图片（或少量缺陷图片），即可实现高精度识别。其次，**高效换型与部署**，系统将不同胶囊型号的检测模型参数化存储，当生产线切换产品时，操作员只需在界面选择对应型号，系统即可在 5 分钟内完成模型加载和参数调整，无需重新编程。系统以 SDK/API/Docker 形式部署在客户本地服务器，确保所有敏感数据不出厂，完全符合医药行业的 GxP 合规要求。再次，**持续优化与迭代**，通过语义误报过滤技术，系统能够自主学习并区分正常工艺痕迹与真实缺陷，进一步降低误报。我们还提供了 DaoAI World 世界模型作为统一底座，未来可实现跨场景泛化和从产线反馈的持续学习，让系统能力不断提升。虽然本文主角是软件系统，但若客户有更高精度或特定需求，我们的 DaoAI 2D / 3D AI AOI 设备或 DaoAI 机器人视觉解决方案也可提供补充，例如用于更复杂的胶囊三维形貌检测或无序抓取等，形成更全面的智能制造生态。

通过上述解决方案，微链道爱 AI AOI 软件系统为客户带来了显著的量化成效和业务价值。在质量方面，缺陷漏检率显著降低，有效提升了产品批次合格率，降低了召回风险。在效率方面，人工复判工作量和换型停机时间大幅减少，使得产线整体效率提升，单件产品检测成本降低。在合规性方面，系统提供的详细检测报告和数据追溯能力，有力支撑了 GxP 审计要求。更重要的是，通过引入先进的 AI 视觉技术，该厂商在智能制造转型中迈出了坚实一步，为其在全球市场的竞争力奠定了基础。