Vérification de la mise en kit des vaccins
Vérifiez le bon assemblage des kits médicaux et de vaccins, même lorsque leurs composants varient
Les kits de vaccins peuvent contenir différentes pièces, et si l’une d’elles est manquante, endommagée ou incorrecte, le kit dans son intégralité devient inutile en plus de constituer un risque de rappel important. Les kits de vaccins étant aujourd’hui encore largement assemblés manuellement, ils nécessitent de la main-d’œuvre et sont sujets aux erreurs. Les fabricants se tournent de plus en plus vers des processus robotiques automatisés pour la manutention et le conditionnement, car ils assurent un assemblage et une inspection plus rapides et précis des kits, ce qui permet d’optimiser la qualité et d’éviter les rappels coûteux.
Les flacons, ampoules et seringues préremplies étant en verre ou en plastique rigide, ils doivent être bien emballés pour éviter qu’ils ne se cassent ou ne se fissurent pendant l’expédition, mais un emballage trop serré peut également endommager le contenant ou l’emballage en cas de mauvais alignement ou d’autre erreur.
La vision industrielle classique a besoin de toute une série d’algorithmes, avec des règles programmées par un expert en vision, pour reconnaître le large éventail de produits possibles et leur emplacement. Les changements dans la composition des kits nécessitent une reprogrammation coûteuse et fastidieuse.
Cognex Deep Learning est une solution extrêmement efficace pour répondre aux besoins de ce type d’application. L’outil de localisation des pièces traite facilement les nombreuses difficultés inhérentes à l’inspection des kits de vaccins, telles que les pièces placées dans plusieurs sens, les pièces qui se chevauchent, les pièces manquantes ou encore les différentes combinaisons de kit. Il est facile d’entraîner un système basé sur le Deep Learning à identifier les composants d’un kit sous différents angles et à identifier et distinguer les nouvelles pièces, y compris celles dont l’apparence est similaire.
Pour chaque kit, l’outil de localisation est capable de créer une bibliothèque de composants à partir d’un ensemble de données d’apprentissage. La configuration souhaitée peut être définie, puis mise à jour et modifiée pour chaque série de production impliquant des composants différents.
