導讀

醫(yī)用管作為直接輸送體液的醫(yī)療組件，其管壁或表面的微小針孔、裂縫與污染物若在檢測中被遺漏，將直接引發(fā)患者感染、器官功能受損等嚴重安全風險。這類細微缺陷肉眼難以察覺，使得生產(chǎn)過程中的精準視覺檢測成為保障患者生命安全、避免重大醫(yī)療事故的關鍵防線。

本篇文章將介紹案例四：

某醫(yī)用管制造商（D公司）運用友思特深度學習視覺系統(tǒng)，檢測醫(yī)用管側(cè)壁上的微小缺陷。該方案克服了以往檢測系統(tǒng)的局限，建立了一套即使在高速生產(chǎn)線上也能實時響應的自動化檢測流程。

案例四：多角度醫(yī)用管缺陷檢測

一、現(xiàn)場情況：醫(yī)用管檢測的必要性

醫(yī)用管是各類醫(yī)療設備（如靜脈輸液套件、輸液管路、導管和引流管等）的重要組成部分，用于輸送或排出人體體液，并將醫(yī)療設備與人體相連。由于這些管子在臨床環(huán)境中會直接與患者接觸，即使是微小的缺陷，如針孔、裂縫、表面污染（異物顆粒）或擠出缺陷，都可能對患者安全構成重大風險。

特別是管壁內(nèi)的微小孔洞或表面污染物，肉眼難以察覺，因此在生產(chǎn)過程中進行視覺檢測對于全面檢測和早期預防缺陷至關重要。

具體現(xiàn)場情況：某醫(yī)用管制造商（D公司）

D公司是一家大規(guī)模生產(chǎn)醫(yī)用管并向全球醫(yī)療設備公司供貨的制造商。他們正在建立一個新的在線檢測系統(tǒng)，以便在高速生產(chǎn)線生產(chǎn)完成后立即進行全面檢測。具體而言，他們規(guī)劃了一個自動化工藝流程：擠出成型后的管子會立即垂直固定在夾具上，然后輸送到檢測設備進行檢測。

D公司的生產(chǎn)線是高速生產(chǎn)線，每秒生產(chǎn)數(shù)十根管子，依靠人工檢測，在保證生產(chǎn)速度的同時達到質(zhì)量標準幾乎是不可能的。因此，采用基于機器視覺的深度學習檢測系統(tǒng)以應對高速生產(chǎn)對該公司來說至關重要。

二、存在的問題

D公司評估了多家設備和解決方案提供商，并進行了試點測試，以建立新的在線檢測線。然而，大多數(shù)解決方案在管子缺陷清晰可見的頂部檢測中表現(xiàn)尚可，但在側(cè)面檢測中存在局限性，無法準確檢出細微缺陷。

難以將管子與背景分離

在側(cè)面檢測中，保持相機與管子之間的距離很關鍵，這導致管子在圖像中所占比例非常小。由于管子與背景的邊界變得模糊，許多系統(tǒng)無法過濾掉背景噪音，導致頻繁出現(xiàn)誤檢和漏檢。

難以應對高速生產(chǎn)線

D公司的生產(chǎn)線每秒高速移動數(shù)十根管子。許多檢測系統(tǒng)缺乏根據(jù)管子旋轉(zhuǎn)和生產(chǎn)線速度實時處理圖像的能力，導致頻繁錯過檢測時機，從而造成檢測結果不準確。

三、解決方案

在測試了多家供應商的解決方案但未取得滿意效果后，D公司測試了友思特Neuro-T的深度學習視覺檢測解決方案。與現(xiàn)有解決方案相比，基于Neuro-T的深度學習視覺檢測方案在準確性和速度方面表現(xiàn)更優(yōu)，最終被選中。

搭建減少反射的照明環(huán)境

擠出成型后，生產(chǎn)出的管子垂直固定在夾具上，輸送到檢測位置，分別進行頂視和側(cè)視檢測。

頂部檢測：從上方拍攝管口，檢查內(nèi)壁是否存在針孔和裂縫等內(nèi)部缺陷。

側(cè)面檢測：管子固定后進行旋轉(zhuǎn)，拍攝側(cè)面圖像，以檢測外部污染（異物顆粒）、裂縫和擠出缺陷。通過拍攝旋轉(zhuǎn)的管子，可以對整個360度外表面進行全面檢測。

檢測完成后，管子進入自動分揀系統(tǒng)，合格產(chǎn)品和次品將被分開。次品由剔除裝置移除，只有合格的管子才能進入后續(xù)的組裝工序。

利用深度學習模型進行缺陷檢測

1） 側(cè)面實時視頻流—利用目標檢測提取管子區(qū)域

為了解決側(cè)面圖像中管子所占比例小的問題，應用目標檢測模型作為動態(tài)感興趣區(qū)域（ROI），實時僅檢測管子區(qū)域。這樣可以去除非管子區(qū)域，提高缺陷檢測效率。

2）側(cè)面實時視頻流——利用分割進行細微缺陷檢測

將分割模型應用于目標檢測模型提取的管子區(qū)域，以精確檢測擠壓、變形、污染等細微缺陷。這種兩步走的方法即使在管子區(qū)域較小時也能確保準確識別缺陷，最大限度地減少漏檢。

3）針對高速生產(chǎn)線進行模型速度優(yōu)化

為了在高速生產(chǎn)線上實現(xiàn)實時全面檢測，使用Neuro-T平臺的自動深度學習優(yōu)化選項對模型進行簡化，最大限度地提高推理速度。

四、成果與效益

實施基于友思特深度學習的視覺檢測系統(tǒng)后，D公司在側(cè)面檢測中能夠準確檢測出即使是微小的缺陷，實現(xiàn)了質(zhì)量穩(wěn)定，并成功建立了一個能夠在高速生產(chǎn)線上實時響應的自動化檢測流程。

這個項目意義重大，因為這是該公司首次進行全面在線檢測，是系統(tǒng)初步穩(wěn)定和基于深度學習的缺陷檢測驗證的關鍵試驗平臺。友思特Neuro-T平臺方案有效解決了之前解決方案未能解決的側(cè)面缺陷檢測問題，在這條試點生產(chǎn)線上展現(xiàn)出了明顯的差異化優(yōu)勢。

通過這次實踐，D公司不僅為將該系統(tǒng)擴展應用到現(xiàn)有大規(guī)模生產(chǎn)線提供了參考，還建立了內(nèi)部基準，以便未來將深度學習視覺檢測應用于新的生產(chǎn)線和其他產(chǎn)品類型。

Neuro-T：零代碼自動深度學習訓練平臺

友思特 Neuro-T是一個用于深度學習視覺檢測項目的一體化平臺，可用于 項目規(guī)劃→圖像預處理→圖像標注→模型訓練→模型評估 一系列任務。Neuro-T提供了便捷的工具和友好的圖形化界面，只需四個步驟即可創(chuàng)建一個深度學習模型

審核編輯 黃宇