热成像用于检测药品袋中的密封缺陷,使用时网络

科学领域:

• 制药包装技术 制药包装技术
• 非破坏性测试 不破坏性测试
• 机器视觉 机器视觉 机器视觉

背景情况:

• 药品塑料袋的密封缺陷对药品安全构成重大风险,并可能导致重大经济损失.
• 目前的检查方法 (手动和自动化) 缺乏效率,对微妙缺陷的敏感性,并且由于罕见的缺陷事件而与不平衡的数据集作斗争.

研究的目的:

• 开发一个高效和灵敏的框架,用于检测药品塑料袋密封的微泄漏.
• 为了应对缺陷检测数据集中的类不平衡的挑战.
• 提高药品包装的整体安全性和质量控制.

主要方法:

• 热成像集成用于缺陷可视化,识别局部温度升高.
• 开发一种以物理为导向的数据增强技术,以合成现实的缺陷并克服数据稀缺.
• 提出了一种新的时间多功能融合网络 (TMFFNet),使用双分支时间处理和全球-本地融合模块.

主要成果:

• 物理引导增强成功扩展了数据集,从28个真实样本中合成了2104个缺陷.
• TMFFNet实现了0.9809的高测试准确度,超过了传统的深度学习网络.
• 提出的方法表现出对小缺陷的优越敏感性和有效的噪声抑制,减少了错误报警.

结论:

• 开发的框架为药品包装检查提供了一种高效,非破坏性和高度准确的解决方案.
• 热成像,物理引导增强和TMFFNet的整合显著提高了关键密封缺陷的检测.
• 这种方法有助于提高药物安全性,减少经济损失,提高制药行业的生产效率.