導讀

醫用管作為直接輸送體液的醫療組件，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、避免重大醫療事故的關鍵防線。

本篇文章將介紹案例四：

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

案例四：多角度醫用管缺陷檢測

一、現場情況：醫用管檢測的必要性

醫用管是各類醫療設備（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，并將醫療設備與人體相連。由于這些管子在臨床環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。

特別是管壁內的微小孔洞或表面污染物，肉眼難以察覺，因此在生產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。

具體現場情況：某醫用管制造商（D公司）

D公司是一家大規模生產醫用管并向全球醫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，以便在高速生產線生產完成后立即進行全面檢測。具體而言，他們規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公司的生產線是高速生產線，每秒生產數十根管子，依靠人工檢測，在保證生產速度的同時達到質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以應對高速生產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，大多數解決方案在管子缺陷清晰可見的頂部檢測中表現尚可，但在側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，許多系統無法過濾掉背景噪音，導致頻繁出現誤檢和漏檢。

難以應對高速生產線

D公司的生產線每秒高速移動數十根管子。許多檢測系統缺乏根據管子旋轉和生產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更優，最終被選中。

搭建減少反射的照明環境

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

頂部檢測：從上方拍攝管口，檢查內壁是否存在針孔和裂縫等內部缺陷。

側面檢測：管子固定后進行旋轉，拍攝側面圖像，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，合格產品和次品將被分開。次品由剔除裝置移除，只有合格的管子才能進入后續的組裝工序。

利用深度學習模型進行缺陷檢測

1） 側面實時視頻流—利用目標檢測提取管子區域

為了解決側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感興趣區域（ROI），實時僅檢測管子區域。這樣可以去除非管子區域，提高缺陷檢測效率。

2）側面實時視頻流——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）針對高速生產線進行模型速度優化

為了在高速生產線上實現實時全面檢測，使用Neuro-T平臺的自動深度學習優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后，D公司在側面檢測中能夠準確檢測出即使是微小的缺陷，實現了質量穩定，并成功建立了一個能夠在高速生產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，是系統初步穩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面缺陷檢測問題，在這條試點生產線上展現出了明顯的差異化優勢。

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

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建一個深度學習模型

審核編輯 黃宇