Ispezione di kitting e assemblaggi di confezioni
Conferma la presenza o l'assenza di articoli all'interno di kit medici
Prodotti Correlati
Sistema di visione In-Sight 2800
Automatizza il rilevamento di errori in pochi minuti: non è richiesta alcuna esperienza
Sistema di visione In-Sight 3800
Definire il percorso dell'automazione della visione.
Le applicazioni di kitting ovvero le applicazioni di confezionamento di sistema e procedura devono verificare che l'articolo corretto si trovi nella posizione corretta all'interno di un kit medico o di un vaccino, nonché confermare la presenza o l'assenza di suoi elementi. Le normative richiedono inoltre che nell'assemblaggio siano comprese schede, istruzioni e/o documenti di avvertenza in merito all'impianto del paziente. I produttori di dispositivi medici in genere fanno affidamento su ispezioni visive lente e costose eseguite da operatori umani o sistemi di visione industriale basata su regole. Variazioni visive dei prodotti possono causare complicazioni per i sistemi di ispezione manuali ed automatizzati nel contesto delle quali deve essere in grado di identificare, contare e classificare elementi diversi con orientamenti variabili della confezione, superfici riflettenti e geometrie complesse.
I sensori di visione Cognex effettuano un semplice conteggio degli oggetti nella confezione, con accettazione/rifiuto a seconda del valore programmato. Verificano che tutti i dispositivi medici e gli altri articoli siano presenti anche sotto imballaggi termoretraibili, aiutando i produttori a rendere le loro operazioni a prova di errore e impedire l'ingresso di confezioni difettose nella catena di fornitura.
I sistemi di deep learning automatizzano il compito di localizzazione, identificazione e classificazione di più caratteristiche all'interno di una singola immagine. Generalizza le diverse caratteristiche distintive dei vari articoli in base a dimensione, forma e caratteristiche superficiali. Un utente può addestrare lo strumento di verifica di assemblaggi e individuazione dei componenti per localizzare ogni tipo di elemento che deve essere trovato. Una volta addestrato lo strumento, l'immagine può essere suddivisa in diverse regioni nelle quali lo strumento controlla la presenza di un articolo e verifica che sia del tipo corretto. Il deep learning localizza e identifica in modo affidabile i foglietti informativi all'interno delle scatole indipendentemente dall'orientamento e dalle condizioni di illuminazione per prevenire richiami e garantire la sicurezza dei pazienti.
