近年來，全球醫療耗材市場規模持續增長，GMP標準不斷提高，用工成本不斷上升。 在藥品生產和包裝環節，傳統的人造燈檢測方式已經不能滿足生產自動化和質量控制的要求。 隨著AI、醫療耗材缺陷視覺檢測等新技術的發展和應用，計算機視覺技術給預澆注注射器等醫療耗材的質量檢測帶來了新的期待和驚喜。

　　某醫療器械廠補貨前注射器質量檢測具有檢測圖像大、缺陷靶小、缺陷種類多( 30多種)等特點，常規視覺檢測方法無法有效識別檢測小靶缺陷。 本系統采用基于神經網絡算法的深度學習缺陷檢測技術，配置了10個高幀率攝像機，采用像素分割、場景分類等方式實現了缺陷的準確分類和識別。 與傳統的視覺圖像比較缺陷檢測技術相比，深度學習缺陷檢測技術具有識別率高、提高性好、可編輯性強的優點。

　　該設備每秒完成50幅圖像的采集、檢測結果的輸出，可以實時監控生產線的生產質量，利用數據挖掘技術可以從海量數據中提取隱含的、有潛在價值的質量信息。 當智能檢測裝備檢測到生產質量發生較大波動時，可及時有效地對前路灌封注射器成型裝備提供生產工藝參數調整建議，從而降低廢品率，提高生產質量。