在無菌注射剂的燈檢工位，真正的難題從來不是「看見」，而是「分清」——飘動的玻璃屑與上浮的氣泡，在傳統機器視覺眼里幾乎一模一樣。
+70%異物檢出
−60%誤废率
GMP全程可驗證
無菌注射剂直接進入人體血液循環，藥典對可見異物近乎零容忍。某無菌注射剂廠采用傳統燈檢機進行全檢，但持續受困于一個根本矛盾：為了不漏掉任何一粒玻璃屑、纤維或金屬碎，機器靈敏度被調到極高，結果大量正常的氣泡、液面波動被誤判為異物，合格品被無情剔除。
這家工廠的燈檢線日產數十萬支，誤废帶來的直接損失與複檢人力居高不下。更棘手的是，真正的異物缺陷樣本極其稀少——一條成熟產線一個月也難凑齊幾十個真實異物樣本，傳統監督學習「餵海量缺陷圖」的路子根本走不通。
DaoAI 的解法：複判 + 少樣本
我們部署 DaoAI AI-AOI 視覺檢測系統作為傳統燈檢機之後的深度學習複判環節：傳統設備負責高靈敏初篩，凡被判異常的瓶子交由 AI-AOI 二次研判，用深度學習區分「上浮氣泡」與「飘動異物」的運動軌跡與形態特征。針對缺陷樣本稀缺的痛點，采用 APDT 正樣本/少樣本學習，僅需少量真實異物即可建模。
- 傳統燈檢高靈敏初篩 + AI-AOI 深度學習複判，雙層把關
- APDT 少樣本建模：數十個真實異物樣本即可上線，無需海量缺陷集
- 氣泡/異物運動與形態區分，從根因上壓製誤判
- 全流程數據留痕，檢測參數與判定結果 GMP 可審計追溯
分清異物與氣泡，靠的不是更亮的燈，而是更懂運動與形態的模型。
落地三個月後，該廠真實異物檢出率較原傳統燈檢提升約 70%，誤废率下降約 60%，複檢人力減少近半。每一次判定的圖像、模型版本與閾值均完整存檔，順利通過 GMP 驗證審計。