友思特案例
医疗设备行业视觉检测案例集锦（二）
前言导读
导管钻孔穿孔检测直接关系医疗场景中患者的生命安全，一旦因检测疏漏导致存在缺陷的导管流入市场，不仅可能引发患者感染、器官功能受损等健康风险，还会让企业遭遇信任危机，严重损害长期建立的品牌声誉。
本篇文章将介绍案例一：
某金属制造企业（B公司）采用友思特深度学习的视觉检测技术，检测此前依靠人工检查的导管微穿孔缺陷。该方案使检测速度与生产速度同步，大幅提升了生产效率，确保了质量控制的稳定性。
案例二：导管钻孔穿孔检测
现场情况—导管穿孔的作用和需求
导管上的穿孔具有至关重要的功能，比如药物输注、液体引流和压力分散等。这些穿孔的数量、大小和位置会根据导管的预期用途而有所不同。因此，每个孔都必须按照设计规格高精度地制作。如果穿孔过大、过小或位置偏差，可能会影响液体流动，降低导管的性能。为避免此类问题，穿孔过程后的质量检查必不可少。
具体现场情况—某金属制造企业（B公司）
在企业B的导管生产线，每月大约生产13000根导管。每根导管需要打五个间隔140度的孔。目前这个过程是半自动化的，工人手动旋转导管，并用针钻钻孔。
穿孔过程完成后，由人工操作员进行手动质量检查。由于这些孔非常小，肉眼无法看见，所以要通过显微镜进行检查。检查员会检查穿孔位置是否正确，以及是否堵塞，以此来判断导管是否符合质量标准。
最近，企业B引进了一台自动针钻打孔机，并且对实现检查过程的自动化也表现出浓厚的兴趣。
存在的问题
企业 B 的导管需要打出直径 0.2 毫米的孔，这些孔小到肉眼看不见。因此，检查员不得不通过显微镜逐个检查每个孔。然而，缺陷判断会因检查员的技能水平和状态而异，这使得很难保证导管质量的一致性。有一次，甚至有有缺陷的导管被发货，引发了医院的投诉。
检测速度慢
企业B每月大约生产13000根导管，平均每天600根。然而，只有一名检查员进行手动检查，每天的检查量仅能达到100根。这在整个流程中形成了瓶颈，因为检查速度跟不上生产速度。结果，发货延误的情况频繁发生，有时产品甚至未经检测就被发出。企业B急需建立一个更高效的检测系统。
解决方案
实施自动化检测解决方案
企业B通过采用一套将自动检查设备与显微镜摄像头集成的硬件系统，彻底改变了其检查流程。该系统会自动旋转每根导管，同时高倍率显微镜摄像头实时捕捉图像。然后，基于友思特Neuro-T平台的深度学习检测模型会对这些图像进行分析，自动判断穿孔是否存在缺陷。
生成高性能的自动深度学习检测模型
（1）根据图像捕捉条件和打孔情况，将穿孔分为三类，分别为“无穿孔（NONE）”“不合格（NG）”和“合格（OK）”。
无穿孔（NONE）：没有打孔。
不合格（NG）：穿孔不完全或打孔位置不在指定区域。
合格（OK）：穿孔在正确位置完美完成。
（2）由于每类只有大约10到20个训练样本，因此使用自动深度学习来开发分类模型。
成果与效益
借助基于友思特Neuro-T自动深度学习平台，开发出了准确率接近99.8%的深度学习模型，能够精确检测出肉眼容易遗漏的微小缺陷。因此，企业B不仅提高了其医疗器械的质量稳定性，还提升了公司的信誉。
随着基于深度学习的自动检查系统的建立，导管穿孔的检查速度提高了六倍多。现在，检查速度与导管生产速度相匹配，显著提高了生产效率，增加了收入。
友思特 方案产品套装介绍
