近年来，全球医疗耗材市场规模持续增长，GMP标准不断提高，用工成本不断上升。 在药品生产和包装环节，传统的人造灯检测方式已经不能满足生产自动化和质量控制的要求。 随着AI、医疗耗材缺陷视觉检测等新技术的发展和应用，计算机视觉技术给预浇注注射器等医疗耗材的质量检测带来了新的期待和惊喜。

　　某医疗器械厂补货前注射器质量检测具有检测图像大、缺陷靶小、缺陷种类多( 30多种)等特点，常规视觉检测方法无法有效识别检测小靶缺陷。 本系统采用基于神经网络算法的深度学习缺陷检测技术，配置了10个高帧率摄像机，采用像素分割、场景分类等方式实现了缺陷的准确分类和识别。 与传统的视觉图像比较缺陷检测技术相比，深度学习缺陷检测技术具有识别率高、提高性好、可编辑性强的优点。

　　该设备每秒完成50幅图像的采集、检测结果的输出，可以实时监控生产线的生产质量，利用数据挖掘技术可以从海量数据中提取隐含的、有潜在价值的质量信息。 当智能检测装备检测到生产质量发生较大波动时，可及时有效地对前路灌封注射器成型装备提供生产工艺参数调整建议，从而降低废品率，提高生产质量。