Tablettenprüfung
Automatische Erfassung beschädigter Tabletten und von Fremdkörpern auf einem vollen Förderband
Ähnliche Produkte
Grafische Programmierumgebung für Deep Learning-basierte industrielle Bildanalyse
Ausgestattet mit der In-Sight ViDi Deep-Learning-basierten Bildverarbeitungssoftware
Feste orale Dosierungseinheiten von Medikamenten werden meistens in Form von Tabletten dargeboten. Tabletten werden in einer Tablettenpresse hergestellt und nach dem Verlassen der Presse möglicherweise beschichtet.
Tabletten sind die gängigste Form von festen oralen Dosierungseinheiten von Medikamenten. Bevor sie in Flaschen, Blisterverpackungen oder andere Verpackungen kommen, werden sie einer visuellen Defekterkennung unterzogen, um sicherzustellen, dass verschiedene Merkmale die Spezifikationen erfüllen, wie zum Beispiel Abmessungen, Oberflächentextur, Form, Farbe, Abwesenheit von Oberflächenfehlern sowie geprägte oder gedruckte Kennzeichnungen. Ist ein Merkmal davon inkorrekt, oder sind Fremdkörper vorhanden, die den Behälter möglicherweise verunreinigen könnten, muss die beschädigte Tablette oder der verunreinigende Gegenstand entfernt werden.
Wenn Fremdkörper, beschädigte oder sogar falsche Tabletten in einen Behälter gelangen, kann dies zu einem Rückruf sowie zu Umsatzverlusten und Rufschädigungen führen.
Tabletten werden über ein Förderband zugeführt. Es müssen beide Tablettenseiten geprüft werden. Auf Grund der visuellen Komplexität erfolgt die Tablettenprüfung oft händisch, obwohl Menschen im Erkennen solcher Fehler relativ schlecht sind. Es gibt viele mögliche Fehler sowie Arten von Fremdkörpern. Reflektierende Beschichtungen können dazu führen, dass das Produkt beschädigt aussieht, obwohl es das nicht ist. Infolgedessen ist es unmöglich, konventionelle Bildverarbeitung für die Inspektion effektiv einzusetzen, weshalb die manuelle Inspektion beibehalten wurde.
Die KI-basierte Technologie von Cognex bewältigt die Aufgabe der Prüfung vieler Tabletten mit hoher Genauigkeit. Das Tool wird anhand der aus verschiedenen Winkeln aufgenommenen Bilder von zulässigen Tabletten trainiert. Anschließend erkennt das Defekterkennungstool alle abweichenden Tabletten, sogar wenn sie nicht im ursprünglichen Trainingsset enthalten waren, während alle zulässigen Tabletten zur Primärverpackung weiterbefördert werden.
So kommen die Tabletten unbeschädigt bei den Endverbraucher*innen an, was den Ruf der Marke verbessert und das Rückrufrisiko minimiert.
