泡罩高速实时检测：在 5 万件/时的产线上精准捕捉每一处缺粒与破损

在医药生产领域，泡罩包装的质量检测直接关系到患者的用药安全。随着产线速度的不断提升，传统检测方法已难以满足需求。微链道爱凭借其先进的技术和解决方案，为泡罩高速实时检测带来了新的突破。

行业背景与用户场景：在医药行业，口服固体制剂的泡罩包装是极为常见的包装形式，它是患者用药安全的最后一道物理屏障。泡罩生产线通常以每小时数万件的节拍高速运转，在这样的高速生产环境下，每一个泡窝是否缺粒、药片是否破损碎裂、铝箔密封是否完整等问题都需要在毫秒级的时间窗内被准确判断。对于药企来说，确保泡罩包装的质量不仅是对患者负责，也是企业合规生产、树立良好品牌形象的关键。

痛点：为什么难

从量化维度来看，泡罩高速实时检测面临着诸多难题。首先，在检测精度方面，传统阈值视觉检测方法在面对 PVC 泡罩与铝箔的强反光时，误报率可高达 30%以上。这是因为强反光会干扰传统视觉检测系统对图像的判断，使得系统难以准确区分正常区域和缺陷区域，从而频繁发出错误警报，严重影响了检测效率和准确性。

其次，在成像质量上，高速运转的产线会导致成像模糊，据统计，在 5 万件/时的产线速度下，成像模糊率可达 20%左右。高速运动使得相机难以捕捉清晰的图像，缺陷形态也因此变得多变，增加了检测的难度。而且，像破损、密封不良这类缺陷在合格率高的产线上本就样本稀少，占比可能不足 1%，这使得传统的机器学习算法难以获取足够的样本进行训练，进一步降低了检测的可靠性。

再者，在产线节拍方面，传统检测方法由于处理速度慢，往往会拖慢产线节拍。例如，一些传统检测设备在检测过程中需要较长的时间进行图像分析和判断，导致产线速度不得不降低，影响了生产效率。以某药企为例，使用传统检测方法时，产线速度只能维持在 3 万件/时左右，与理想的 5 万件/时的产能存在较大差距。

技术原理

DaoAI AI-AOI 采用深度学习模型进行泡罩缺陷检测。该模型通过对大量泡罩图像数据的学习和分析，能够准确识别缺粒、破损和密封缺陷等问题。在成像方面，采用了先进的高速相机和特殊的光源系统。高速相机能够在高速运动的产线环境下捕捉清晰的图像，特殊光源系统则可以有效减少 PVC 泡罩与铝箔的反光影响，提高图像的质量和对比度。

与传统的阈值视觉方法相比，深度学习模型不受反光和阈值漂移的困扰。传统方法是基于预设的固定阈值来判断图像中的缺陷，当遇到反光等干扰因素时，阈值容易发生漂移，导致误报增加。而深度学习模型具有强大的自适应能力，它能够根据不同的图像特征进行智能判断，即使在复杂的光照条件下也能准确识别缺陷，大大提高了检测的准确性和可靠性。

此外，DaoAI AI-AOI 还借助 APDT 少样本学习技术。当密封不良等稀有缺陷样本不足时，该技术可以通过对少量样本的学习和分析，快速建立起有效的检测模型。传统的机器学习方法在样本稀少的情况下往往难以训练出准确的模型，而 APDT 少样本学习技术打破了这一限制，使得即使在稀有缺陷样本有限的情况下，也能实现快速建模上线，满足高速产线的检测需求。

典型应用场景

• 缺粒检测：在泡罩生产过程中，缺粒是较为常见的缺陷之一。DaoAI AI-AOI 通过深度学习模型对每个泡窝的图像进行分析，判断泡窝内是否有药片。难点在于高速下成像可能模糊，导致难以准确判断泡窝内是否有药片。而且，不同形状和尺寸的泡窝也增加了检测的难度。
• 破损检测：药片破损可能会影响药效和患者的使用安全。系统通过对药片的轮廓和纹理进行分析，识别是否存在破损。然而，高速运动下破损药片的形态多变，且反光可能会掩盖破损的细节，使得检测变得困难。
• 密封不良检测：铝箔与 PVC 泡罩的密封质量直接关系到药品的保质期和稳定性。DaoAI AI-AOI 利用图像分析技术检测密封边缘是否完整、密封强度是否符合要求。但密封不良的缺陷表现形式多样，且样本稀少，给检测模型的训练带来了挑战。
• 泡罩变形检测：在生产过程中，泡罩可能会发生变形，影响药品的包装质量。系统通过对泡罩的形状和尺寸进行检测，判断是否存在变形。高速产线和强反光会导致泡罩边缘的图像不清晰，增加了准确检测变形的难度。

落地案例

某中型口服制剂厂的泡罩生产线一直面临着检测难题。该厂的泡罩生产线设计产能为 5 万件/时，但在使用传统检测方法时，产线速度只能达到 3 万件/时左右，且缺粒漏检率高达 5%，密封不良检出率仅为 60%，误报率达到 25%。在引入微链道爱的 DaoAI AI-AOI 系统后，上线过程较为顺利。技术人员首先对生产线的环境和产品特点进行了详细的了解和分析，然后根据实际情况对检测模型进行了定制化训练。经过一段时间的调试和优化，系统成功上线运行。

高速不是检测的敌人，反光与稀有缺陷才是——深度学习把两者一并解决。

微链道爱解决方案与产品

微链道爱的 DaoAI AI-AOI 系统部署于泡罩线封合后工位，能够一次成像同时判缺粒、破损、密封不良三类缺陷。该系统采用抗强反光的深度学习模型，从根本上摆脱了传统阈值视觉检测方法中反光与阈值漂移的困扰。同时，借助 APDT 少样本学习技术，即使在稀有缺陷样本不足的情况下，也能快速建模上线。整套方案为高速产线设计，实时检测不拖慢产线节拍，确保了生产效率和检测质量的平衡。

量化成效

上线后，DaoAI AI-AOI 系统取得了显著的成效。微链道爱使综合检测精度达到 mAP 99%，在 5 万件/时的满速下稳定运行。微链道爱使缺粒与破损漏检趋近于零，漏检率从原来的 5%降低至几乎可以忽略不计的水平。密封不良检出率显著提升，从原来的 60%提高到了 95%以上。误报率大幅下降，从原来的 25%降低至 5%以下，质检由人工抽检升级为全检在线，大大提高了泡罩包装的质量和安全性。

本文由人工智能生成。文中客户案例为基于产品真实能力的模拟场景，成效数字为示例性质；官方标定口径以产品页为准。