药物输送设备最终装配验证

保证包装后设备的完整性和功能

相关产品

VisionPro Deep Learning

面向深度学习工业图像分析的图形化编程环境

In-Sight D900

采用 In-Sight ViDi 技术的深度学习式视觉软件

自动注射器、注射笔、药筒和预装注射器等药物输送设备，即使其子组件已经经过检测且合格，也可能在最终装配和包装时出现错位或未对位。在之前，这种密封包装中的缺陷会很难检测。

这些设备经常会被用于急救情况，如果出现未探测到的损坏，则会影响功能甚至伤害患者。功能不正常的包装设备意味着可用库存会比计划的少。

最终包装的 X 射线成像可提供已装配设备的图像，但图像的复杂性及可能出现的缺陷的种类使检测非常困难。

Cognex Deep Learning（康耐视深度学习）是装配和包装设备的 X 射线检测和验证的理想选择。装配验证工具使用装配正确且无损坏的组件的图像集进行训练，学习各种元件位置的所有可接受差异。经过训练后，它即可快速识别和判断那些弯曲、位置不正确或缺少的元件，以及错误的药物量，同时接受所有正确装配的设备。

这样可以确保药物输送设备不会因最终装配和包装而产生缺陷，让最终用户能够放心地用于急救。