Inspection de l’assemblage des paquets et de la mise en kit
Confirmez la présence ou l’absence des composants des kits médicaux
Produits Connexes
Système de vision In-Sight 2800
Automatisez la détection des erreurs en quelques minutes, même sans expérience préalable
Système de vision In-Sight 3800
Définir le rythme de l’automatisation par vision.
Les applications de mise en kit, ou assemblage de systèmes et nécessaires, doivent vérifier que le bon élément est au bon endroit dans le kit médical ou de vaccin et confirmer la présence ou l’absence des éléments. La réglementation exige également que les cartes d’implant, les instructions et/ou les documents d’avertissement à destination des patients soient inclus dans l’ensemble. Les fabricants de dispositifs médicaux s’appuient généralement sur des inspections visuelles lentes et coûteuses effectuées par des opérateurs humains ou des systèmes de vision industrielle basés sur les règles. Les variations visuelles des produits peuvent compliquer la tâche des systèmes d’inspection manuels ou automatisés, qui doivent être capables d’identifier, de compter et de classer différents éléments avec une orientation de l’emballage variable, des surfaces réfléchissantes et des géométries complexes.
Les capteurs de vision de Cognex comptent les objets à l’intérieur d’un emballage, qui réussit ou échoue à l’inspection selon la valeur programmée. Ils vérifient que tous les dispositifs médicaux et d’autres éléments sont présents, y compris sous un emballage en film rétractable, ce qui permet aux fabricants d’éviter les erreurs lors de leurs activités et d’empêcher les paquets défectueux d’entrer dans la chaîne logistique.
Les systèmes basés sur le Deep Learning automatisent la localisation, l’identification et la classification de plusieurs caractéristiques sur une image unique. Il généralise les caractéristiques distinctives de différents éléments en fonction de leur taille, forme et surface. L’utilisateur peut entraîner l’outil de localisation des pièces et de vérification de l’assemblage pour qu’il repère tous les types d’éléments dont la présence doit être vérifiée. L’image peut ensuite être divisée en différentes zones dans lesquelles l’outil recherchera la présence d’un élément et vérifiera qu’il est du bon type. Par ailleurs, le Deep Learning localise et identifie de façon fiable la notice dans les boîtes, quelles que soient l’orientation et les conditions d’éclairage, afin d’éviter les rappels et d’assurer la sécurité des patients.
