AI 驱动的机器视觉助力制药行业实现质量检测自动化

MVTec HALCON 在自动化检测过程中解决了哪些挑战？

新的自动化检测流程使用了 12 台符合 GigE Vision 行业标准的工业相机。由于异物往往难以察觉，可能沉积在安瓿瓶的侧壁或底部，并且很容易与阴影、气泡或反射混淆，因此每个安瓿瓶会从不同角度拍摄多达 14 幅图像。多角度成像显著提升了检测的鲁棒性和准确性。

图像处理在一台运行 MVTec HALCON 的工业电脑上完成。MVTec HALCON 是一款标准机器视觉软件，提供超过 2,100 个算子。Aspen 使用 HALCON 的深度学习语义分割（Semantic Segmentation）功能，可靠地区分无害气泡和真正的异物污染。

除了异物检测之外，机器视觉系统还会分析外观缺陷、检测灌装液位、识别颜色偏差，并检查封口质量。对于这些任务，系统采用了匹配（Matching）和斑点分析（Blob Analysis）等基于规则的方法。它们与深度学习技术相互补充，在提供高鲁棒性的同时也满足日常质量检测所需的高速性能——这为制药行业的生产自动化迈出了重要一步。

为什么 MVTec 的软件和技术专长对项目成功至关重要？

如果没有 MVTec 客户服务团队在技术和方案层面的专业支持，这一高要求的应用根本无法成功实现。鉴于任务的高度复杂性，Aspen 与 MVTec 的专家紧密合作。

“MVTec 在这个项目中面临的任务无疑是我们迄今为止遇到的最具挑战性的之一，尤其是在为训练准备图像这一环节上。我们 MVTec 主要负责方案构思、流程实施以及文档编制方面的支持。”
MVTec 项目经理 Patrick Ratzinger 解释道。

他的专家团队对标注过的图像进行了分析、优化和合并，从而开发出一款高性能的神经网络，精准契合 Aspen 的需求。借助 MVTec Deep Learning Tool，他们构建了由无缺陷安瓿瓶和刻意制造缺陷的安瓿瓶组成的数据集。通过多轮训练，对不同模型进行比较并持续提高网络的鲁棒性。

“很明显，这样一项任务只有依靠深度学习技术才能实现自动化。对于这种需要大量专业知识的实现过程，我们依托了 MVTec 提供的咨询服务。”
Aspen 自动视觉检测专家 Vincent Trombetta 补充道。

这次合作不仅为 Aspen 提供了一套先进的机器视觉应用方案，还带来了关于数据准备、标注流程以及深度学习结果正确解读方面的关键知识。将 MVTec HALCON 与 MVTec 的技术咨询服务相结合，充分展示了将高性能机器视觉软件与实践型行业支持相融合所能创造的价值。