近年來，全球醫(yī)療耗材市場規(guī)模持續(xù)擴(kuò)張，GMP標(biāo)準(zhǔn)逐步提升，用工成本也節(jié)節(jié)攀升。在藥品生產(chǎn)和包裝環(huán)節(jié)，傳統(tǒng)的人工檢測方式已經(jīng)難以滿足生產(chǎn)自動化和質(zhì)量控制的需求。隨著AI技術(shù)的不斷發(fā)展，醫(yī)療產(chǎn)品生產(chǎn)缺陷視覺檢測的新技術(shù)應(yīng)運(yùn)而生，為各類醫(yī)用產(chǎn)品的生產(chǎn)質(zhì)量檢測帶來了新的希望和驚喜。

作為人工智能領(lǐng)域的核心技術(shù)之一，AI視覺是機(jī)器視覺系統(tǒng)的最直接信息源。它利用視覺傳感器和計算機(jī)代替人眼，賦予機(jī)器分割、分類、識別、跟蹤、判別等決定人眼目標(biāo)的功能，從而使系統(tǒng)具備模擬人的“思維導(dǎo)圖”即人的思維邏輯的能力。采用深度學(xué)習(xí)技術(shù)可以有效應(yīng)對工業(yè)復(fù)雜應(yīng)用場景中傳統(tǒng)算法難以解決的問題。

傳統(tǒng)的圖像處理依賴于人工分析圖像的特征，通過圖像處理算法提取特征，再通過特征的關(guān)鍵參數(shù)來區(qū)分對象。特征提取主要依賴人工設(shè)計的特征提取器，需要專業(yè)知識和復(fù)雜的調(diào)制過程，同時這兩種方法都適合于特定應(yīng)用，泛化能力和魯棒性較差。傳統(tǒng)的圖像算法可以解決某些特定場景的人工定義、設(shè)計和理解的圖像任務(wù)，但不能滿足多產(chǎn)品生產(chǎn)、多規(guī)格、材料動態(tài)運(yùn)行、材料姿態(tài)多樣化、缺陷類型多樣化的應(yīng)用需求。

智能視覺檢測系統(tǒng)則通過采集大量的圖像，對圖像數(shù)據(jù)進(jìn)行標(biāo)注并訓(xùn)練神經(jīng)網(wǎng)絡(luò)，訓(xùn)練出的神經(jīng)網(wǎng)絡(luò)能夠進(jìn)行對象型推理。其智能主要基于深度學(xué)習(xí)的數(shù)據(jù)驅(qū)動進(jìn)行特征提取，對數(shù)據(jù)集的表示更加高效準(zhǔn)確，提取出的抽象特征魯棒性強(qiáng)，泛化能力強(qiáng)，可以是端到端的。智能視覺檢測系統(tǒng)可以解決只能更高級抽象地記述的圖像識別、檢查等問題，具有更好的通用性，不需要復(fù)雜的調(diào)配。在產(chǎn)品的生產(chǎn)過程中可以有效地檢測各類瑕疵和缺陷，提高產(chǎn)品質(zhì)量。

深圳市虛數(shù)科技有限公司一直專注于從事機(jī)器視覺行業(yè)，在機(jī)器視覺系統(tǒng)及機(jī)器視覺軟件領(lǐng)域不斷探索與研發(fā)。應(yīng)用范圍涉及包裝印刷、電子、紡織、汽車制造、半導(dǎo)體等領(lǐng)域，為各行各業(yè)提供機(jī)器視覺產(chǎn)品、視覺自動檢測技術(shù)、視覺檢測設(shè)備、視覺定位、視覺對位、視覺測量、缺陷檢測、非標(biāo)檢測、標(biāo)簽檢測、印刷檢測、機(jī)器視覺軟件、標(biāo)簽品檢機(jī)等全套視覺解決方案。