在无菌注射剂的灯检工位，真正的难题从来不是「看见」，而是「分清」——飘动的玻璃屑与上浮的气泡，在传统机器视觉眼里几乎一模一样。
+70%异物检出
−60%误废率
GMP全程可验证
无菌注射剂直接进入人体血液循环，药典对可见异物近乎零容忍。某无菌注射剂厂采用传统灯检机进行全检，但持续受困于一个根本矛盾：为了不漏掉任何一粒玻璃屑、纤维或金属碎，机器灵敏度被调到极高，结果大量正常的气泡、液面波动被误判为异物，合格品被无情剔除。
这家工厂的灯检线日产数十万支，误废带来的直接损失与复检人力居高不下。更棘手的是，真正的异物缺陷样本极其稀少——一条成熟产线一个月也难凑齐几十个真实异物样本，传统监督学习「喂海量缺陷图」的路子根本走不通。
DaoAI 的解法：复判 + 少样本
我们部署 DaoAI AI-AOI 视觉检测系统作为传统灯检机之后的深度学习复判环节：传统设备负责高灵敏初筛，凡被判异常的瓶子交由 AI-AOI 二次研判，用深度学习区分「上浮气泡」与「飘动异物」的运动轨迹与形态特征。针对缺陷样本稀缺的痛点，采用 APDT 正样本/少样本学习，仅需少量真实异物即可建模。
- 传统灯检高灵敏初筛 + AI-AOI 深度学习复判，双层把关
- APDT 少样本建模：数十个真实异物样本即可上线，无需海量缺陷集
- 气泡/异物运动与形态区分，从根因上压制误判
- 全流程数据留痕，检测参数与判定结果 GMP 可审计追溯
分清异物与气泡，靠的不是更亮的灯，而是更懂运动与形态的模型。
落地三个月后，该厂真实异物检出率较原传统灯检提升约 70%，误废率下降约 60%，复检人力减少近半。每一次判定的图像、模型版本与阈值均完整存档，顺利通过 GMP 验证审计。