Kiểm Tra Sản Phẩm Y Tế

​Vấn đề:

• Giấy hướng dẫn sử dụng thuốc không có trong hộp thuốc

Quy trình:

Kiểm tra sản phẩm y tế

• Sản phẩm di chuyển trên băng tải
• Camera thực hiện chụp và dùng tool classify để xác định sự hiện diện, vắng mặt của giấy hướng dẫn

Lợi ích:

• Đảm bảo chất lượng sản phẩm
• Tăng năng suất
• Tạo sự hài lòng cho khách hàng

Ngành nghề:

• Dược phẩm
• Y tế

Sản phẩm

Thông số trạm

1. Sản lượng: 3 sp/s
2. Điều kiện ánh sáng: 300-1000 lux
3. Kích thước sản phẩm: 100mm*100mm

Thiết bị

1. Camera 2D

2. Băng tải

3. Cáp nguồn

4. Cáp Ethernet

Thông số thiết bị

In sight 2800:

1. Độ phân giải: 2MP
2. Tần số chụp: 45 Hz
3. Lens: liquid lens, manual focus lens
4. Truyền thông Ethernet

Kiểm tra sản phẩm y tế – Xác nhận sự hiện diện hay vắng mặt của các vật phẩm trong bộ dụng cụ y tế

Các ứng dụng gói bộ dụng cụ hoặc hệ thống, quy trình phải xác minh rằng vật phẩm đó nằm ở đúng vị trí của bộ dụng cụ y tế hoặc vắc xin và xác nhận sự hiện diện hay vắng mặt của vật phẩm đó. Các quy định cũng yêu cầu thẻ cấy ghép bệnh nhân, hướng dẫn, tài liệu cảnh báo phải được đưa vào bộ phận lắp ráp. Các nhà sản xuất thiết bị y tế thường dựa vào việc kiểm tra trực quan chậm và tốn kém được thực hiện bởi con người hoặc hệ thống thị giác máy dựa trên quy tắc. Các biến thể trực quan của sản phẩm có thể gây ra sự phức tạp cho hệ thống kiểm tra thủ công và tự động, nơi hệ thống phải có khả năng xác định, đếm và phân loại các mặt hàng khác nhau với các hướng đóng gói, bề mặt phản chiếu và hình dạng phức tạp khác nhau.

Cảm biến thị giác Cognex thực hiện đếm đơn giản các đối tượng trong một gói, các gói đạt hoặc không đạt dựa trên giá trị được lập trình. Họ xác minh rằng tất cả các thiết bị y tế và các mặt hàng khác đều có mặt ngay cả trong bao bì bọc màng co, giúp nhà sản xuất ngăn ngừa lỗi trong hoạt động của họ và ngăn chặn các gói bị lỗi xâm nhập vào chuỗi cung ứng.

Hệ thống Deep learning tự động hóa nhiệm vụ định vị, xác định và phân loại nhiều tính năng trong một hình ảnh. Nó khái quát hóa các đặc điểm phân biệt của các vật phẩm khác nhau dựa trên kích thước, hình dạng và đặc điểm bề mặt của chúng. Người dùng có thể đào tạo công cụ xác minh vị trí bộ phận và lắp ráp để xác định từng loại mặt hàng cần tìm. Sau khi được đào tạo, hình ảnh có thể được chia thành các vùng khác nhau trong đó công cụ sẽ kiểm tra sự hiện diện của một mục cũng như xác minh rằng nó có đúng loại hay không. Deep learning cũng định vị và xác định các phần chèn trong hộp một cách đáng tin cậy bất kể điều kiện định hướng và ánh sáng như thế nào để ngăn chặn việc thu hồi và đảm bảo an toàn cho bệnh nhân.

​