導(dǎo)讀

血糖檢測(cè)試劑盒為人們?cè)诩抑谢蜥t(yī)療保健機(jī)構(gòu)進(jìn)行血糖監(jiān)測(cè)提供了便利，其準(zhǔn)確性依賴于碳電極上均勻涂覆的酶液。若涂覆不均或有污漬、漏涂，會(huì)導(dǎo)致測(cè)量不準(zhǔn)確甚至設(shè)備故障。因此，生產(chǎn)中精確檢測(cè)至關(guān)重要。

本篇文章將介紹案例三：

某血糖檢測(cè)試劑盒制造商（C公司）運(yùn)用友思特深度學(xué)習(xí)視覺(jué)系統(tǒng)，檢測(cè)血糖檢測(cè)試劑盒生產(chǎn)過(guò)程中的溶液涂層不均勻問(wèn)題。這一技術(shù)能夠?qū)?fù)雜圖案從碳電極中分離出來(lái)，提高了檢測(cè)可靠性和生產(chǎn)效率。

案例三：血糖檢測(cè)試劑盒溶液涂層檢測(cè)

現(xiàn)場(chǎng)情況：血糖監(jiān)測(cè)試劑盒組件檢測(cè)的必要性

血糖檢測(cè)試劑盒是一種醫(yī)療耗材，旨在方便人們?cè)诩抑谢蜥t(yī)療保健機(jī)構(gòu)進(jìn)行血糖監(jiān)測(cè)。用戶將少量血樣滴在試劑盒內(nèi)的碳電極上，電極與血液發(fā)生反應(yīng)，從而得出血糖測(cè)量值。涂覆在電極上的化學(xué)溶液（酶液）直接影響測(cè)量的準(zhǔn)確性。

如果溶液沒(méi)有均勻地涂覆在碳電極上，可能會(huì)發(fā)生異常化學(xué)反應(yīng)，導(dǎo)致血糖讀數(shù)不準(zhǔn)確。特別是在涂覆過(guò)程中出現(xiàn)的微小污漬、濃度不均或漏涂區(qū)域，會(huì)在消費(fèi)者使用時(shí)導(dǎo)致設(shè)備故障。因此，在生產(chǎn)過(guò)程中進(jìn)行精確檢測(cè)至關(guān)重要。

具體現(xiàn)場(chǎng)情況：某血糖檢測(cè)試劑盒制造商（C公司）

企業(yè)C在血糖檢測(cè)試劑盒生產(chǎn)過(guò)程中，于溶液涂覆工序之后立即實(shí)施視覺(jué)檢測(cè)，以此加強(qiáng)質(zhì)量控制。該試劑盒的生產(chǎn)方式是通過(guò)自動(dòng)化涂覆設(shè)備將化學(xué)溶液（酶液）精確噴涂在碳電極上。然而，為了準(zhǔn)確檢測(cè)涂覆均勻性問(wèn)題，必須在溶液完全干燥之前進(jìn)行檢測(cè)。

因此，企業(yè)C的生產(chǎn)過(guò)程采用了兩步檢測(cè)系統(tǒng)：第一步是在涂覆后立即進(jìn)行視覺(jué)檢測(cè)，對(duì)涂覆區(qū)域和均勻性進(jìn)行全面檢查；第二步是在溶液完全干燥后進(jìn)行抽樣檢測(cè)，以確保最終產(chǎn)品質(zhì)量。

在一次成像操作中，會(huì)同時(shí)捕捉四組電極及其涂覆區(qū)域的圖像，并且一次會(huì)將四組電極放入檢測(cè)設(shè)備中。這就要求檢測(cè)系統(tǒng)能夠?qū)γ拷M電極進(jìn)行單獨(dú)識(shí)別，并精確識(shí)別其位置。

存在的問(wèn)題

不規(guī)則涂覆圖案導(dǎo)致邊界模糊以及基于規(guī)則的算法存在局限性

在血糖檢測(cè)試劑盒的生產(chǎn)過(guò)程中，酶液的涂覆會(huì)受到生產(chǎn)環(huán)境中的溫度、濕度和液體黏度等多種因素的影響。特別是在涂覆過(guò)程中出現(xiàn)的噴涂偏差、濃度差異和表面張力變化，常常會(huì)導(dǎo)致涂覆邊界擴(kuò)散或模糊。

盡管企業(yè)C進(jìn)行了兩次視覺(jué)檢測(cè)— 一次是在涂覆后立即進(jìn)行（首次檢測(cè)），另一次是在溶液干燥后進(jìn)行（二次檢測(cè)），但干燥過(guò)程會(huì)使溶液的顏色和形狀變淺，這使得檢測(cè)邊界變得更加困難。尤其是基于規(guī)則的算法難以識(shí)別這些細(xì)微的圖案變化和模糊的邊緣，因?yàn)檫@些變化很難進(jìn)行定量定義。

因此，經(jīng)常會(huì)出現(xiàn)過(guò)度檢測(cè)錯(cuò)誤（將正常產(chǎn)品誤判為次品）和漏檢錯(cuò)誤（將次品誤判為正常產(chǎn)品）的情況。這降低了檢測(cè)的可靠性，導(dǎo)致反復(fù)復(fù)檢，降低了生產(chǎn)效率。

同時(shí)檢測(cè)四組電極時(shí)難以識(shí)別每組電極

在企業(yè)C的檢測(cè)環(huán)境中，圖像會(huì)捕捉到排列在同一屏幕上的四組電極及其涂覆區(qū)域。然而，由于生產(chǎn)線的差異，電極片常常會(huì)出現(xiàn)輕微的對(duì)齊偏差或角度偏移。

現(xiàn)有的基于規(guī)則的系統(tǒng)無(wú)法適應(yīng)這些位置或角度的變化，經(jīng)常會(huì)出現(xiàn)諸如感興趣區(qū)域（ROI）對(duì)齊錯(cuò)誤或電極組分割不正確等問(wèn)題。特別是當(dāng)涂覆區(qū)域偏離預(yù)先定義的ROI時(shí)，系統(tǒng)往往無(wú)法正確識(shí)別電極組，從而導(dǎo)致漏檢。

因此，企業(yè)C需要一個(gè)基于深度學(xué)習(xí)的檢測(cè)系統(tǒng)，能夠靈活應(yīng)對(duì)涂覆圖案中位置和形狀的變化。

解決方案

C 公司通過(guò)采用友思特Neuro-T自動(dòng)深度學(xué)習(xí)平臺(tái)的視覺(jué)檢測(cè)解決方案解決了這些問(wèn)題。值得注意的是，Neuro-T的深度學(xué)習(xí)模型旨在準(zhǔn)確識(shí)別單個(gè)血糖檢測(cè)試劑盒組，即使在同一幀中出現(xiàn)多組試劑盒時(shí)也能做到。它還能清晰區(qū)分每組試劑盒內(nèi)的涂覆區(qū)域和碳電極區(qū)域。

這一過(guò)程的關(guān)鍵在于通過(guò)Neuro-T的流程圖功能，無(wú)代碼化依次應(yīng)用目標(biāo)檢測(cè)模型和分割模型。

采用面陣相機(jī)進(jìn)行高分辨率圖像采集

1）利用目標(biāo)檢測(cè)進(jìn)行動(dòng)態(tài)感興趣區(qū)域（ROI）設(shè)置

將目標(biāo)檢測(cè)模型應(yīng)用于所捕獲的圖像，它能自動(dòng)檢測(cè)并分離出四組電極及其涂覆區(qū)域。即使這些組的位置或角度存在輕微偏差，該模型也會(huì)自動(dòng)調(diào)整動(dòng)態(tài) ROI，以準(zhǔn)確提取正確位置。

2）利用分割模型區(qū)分涂覆區(qū)域和電極區(qū)域

在目標(biāo)檢測(cè)模型檢測(cè)出的每組區(qū)域內(nèi)，應(yīng)用分割模型來(lái)清晰區(qū)分涂覆區(qū)域和碳電極。即使在涂覆邊界不清晰的情況下（傳統(tǒng)基于規(guī)則的檢測(cè)方法難以準(zhǔn)確檢測(cè)），深度學(xué)習(xí)模型也能可靠地識(shí)別這些區(qū)域。

3）涂覆缺陷檢測(cè)與預(yù)警

基于分割結(jié)果，系統(tǒng)計(jì)算涂覆區(qū)域與碳電極的重疊比例，以確定產(chǎn)品是否有缺陷。例如，如果重疊率超過(guò) 95%，則判定為無(wú)缺陷產(chǎn)品；否則，標(biāo)記為有缺陷產(chǎn)品。通過(guò)利用像素級(jí)定量分析，系統(tǒng)能夠高精度地檢測(cè)出哪怕是微小的缺陷。一旦識(shí)別出缺陷，系統(tǒng)會(huì)立即觸發(fā)實(shí)時(shí)警報(bào)，以便及時(shí)做出響應(yīng)。

成果與效益

借助基于深度學(xué)習(xí)的檢測(cè)系統(tǒng)，即便在涂覆不均勻的情況下，也建立了一個(gè)穩(wěn)定的框架來(lái)評(píng)估溶液涂覆質(zhì)量。一項(xiàng)關(guān)鍵成就是清晰分離并檢測(cè)出溶液涂覆區(qū)域和碳電極，而這在以前使用基于規(guī)則的方法很難做到。

C公司評(píng)估了多家解決方案提供商，但只有友思特Neuro-T平臺(tái)展示了能夠從碳電極中準(zhǔn)確分離復(fù)雜涂覆圖案的能力。這既保證了檢測(cè)的高可靠性，又提高了生產(chǎn)流程效率。

自該系統(tǒng)實(shí)施以來(lái)，缺陷產(chǎn)品的發(fā)貨量顯著減少，質(zhì)量投訴也大幅降低。檢測(cè)人員的工作量也有所減輕，從而提高了整體生產(chǎn)效率。

在對(duì)精確質(zhì)量檢測(cè)要求極高的醫(yī)療器械制造行業(yè)，這個(gè)案例堪稱典范，展示了基于深度學(xué)習(xí)的視覺(jué)檢測(cè)如何克服傳統(tǒng)基于規(guī)則系統(tǒng)的局限性，并有效應(yīng)用于醫(yī)療器械質(zhì)量控制。

Neuro-T：零代碼自動(dòng)深度學(xué)習(xí)訓(xùn)練平臺(tái)

友思特 Neuro-T是一個(gè)用于深度學(xué)習(xí)視覺(jué)檢測(cè)項(xiàng)目的一體化平臺(tái)，可用于 項(xiàng)目規(guī)劃→圖像預(yù)處理→圖像標(biāo)注→模型訓(xùn)練→模型評(píng)估 一系列任務(wù)。Neuro-T提供了便捷的工具和友好的圖形化界面，只需四個(gè)步驟即可創(chuàng)建一個(gè)深度學(xué)習(xí)模型

歡迎訪問(wèn)官網(wǎng)，探索豐富案例：

https://viewsitec.com/neurocle/

關(guān)注友思特機(jī)器視覺(jué)與光電公眾號(hào)、加入行業(yè)交流群或直接聯(lián)系我們，輕松收獲更多技術(shù)干貨

審核編輯 黃宇