医疗器械零件检查
通过机器视觉和深度学习减少召回和返工费用德国必威
医疗器械有许多复杂的形状,尺寸和表面,从闪亮的金属膝盖更换到一支支架的小织带。添加剂制造的使用使几何形状更加复杂地用于某些程序。由于医疗设备在人体或内部使用,因此部分的质量检测至关重要。起搏器,导管,手术刀和其他医疗设备和手术设备可以具有显微表面缺陷,划痕,毛刺,凹痕或污染,这可能对患者有害。
许多医疗设备制造商依靠人工操作或基于规则的机器视觉系统来确保零部件和塑料组件符合质量和安全标准。德国必威依靠人的质量检查可能是昂贵的,有时会让缺陷溜走。德国必威机器视觉系统在受控环境中具有已知的变量集,但医疗设备形状和表面的可变性使一些检查不可能仅靠机器视觉解决。
在一些应用中,如测量,基于规则的机器视觉仍将是首选和性价比高的选择。德国必威对于涉及大偏差和不可预测缺陷的复杂检查,基于深度学习的工具提供了一个很好的选择。康耐视深度学习解决方案对复杂的检测问题进行定位、分析和分类,以阻止不良产品进入供应链。深度学习将类人检测能力与计算机系统的自动化和可重复性相结合。机器人技术的使用可以增强这一点,以确保机器处理和视觉工具协同工作,检查最复杂的异常情况,有时会被操作员遗漏。最终的结果是更少的召回事件、更低的返工成本以及完整的图像捕获和可跟踪性。