小瓶和安瓿计数
在包装之前将个体小瓶或安瓿计数
![在瓶子托盘上检测到的缺陷](http://m.czl106.com/library/media/industry/pharmaceutical-medical/vial-vaccines/vial-and-ampoule-counting.jpg?sc_lang=en&h=250&w=350&la=en&hash=0BE499636466D6444C806FE862748E96)
灌装的小瓶和安瓿必须准确计数,以确保在它们进入二次包装之前完全责任制。人为错误可能导致召回事件,而自动化解决方案可以减少此类错误。虽然存在精确的机械计数过程,但目视计数可以提供许多好处,包括发现掉落或放错的瓶子,以及用错误的颜色或形状的瓶盖标识错误的产品。计数时检查小瓶和安瓿,确认正确产品的正确数量。
但是,由于必要的宽视场的鱼眼效应(或图像失真),在填充托盘中发现问题可能是困难的。在视野外边缘的部分与直接在相机下的部分看起来是不同的。特别是安瓿瓶会产生反射和内部折射,因此很难确定正确的位置。
一个标准的机器视觉系统德国必威能够成功数瓶和安瓶,然而,Cognex深度学习更灵活和能够更好地识别non-counting瓶中的错误或安瓶,如下降,发生了天翻地覆的变化,从容器或产品组合问题错误的帽子颜色,提高整体运营效率(OEE)。零件定位工具对每个方向的容器进行训练,然后成功地从所有可能的角度识别它们,从而产生了更可重复和可靠的计数方法。在进行识别时,还考虑了视野远边缘的畸变。
配备了深度学习的相机康耐视高动态范围+ (HDR+)技术在单一的采集中产生统一的图像,即使在广泛的视野中,也减少了由小瓶的反射引起的混淆,特别是在安瓿周围结束。HDR +与标准HDR不同,因为它可以在移动部件上的高速以高速采集完成,而标准HDR需要静止并捕获多个图像以获得相同的结果。
基于深度学习的计数消除了与数量相关的偏差,即使是大量的小瓶或安瓿同时,可以防止可能由MISCOUNTS产生的耗时和昂贵的返工。