Автоматический визуальный контроль

Автоматический визуальный контроль (AVI) — это 100-процентный выходной барьер качества для стерильных инъекционных препаратов: каждый наполненный и укупоренный контейнер снимается промышленными камерами высокого разрешения под многоракурсными светодиодными матрицами во время вращения или перемещения, а алгоритмы машинного зрения решают, есть ли в нём видимые посторонние частицы, отклонение уровня наполнения, косметический дефект стекла или нарушение укупорки. Это замена ручного контроля на световом столе, при котором операторы всматривались во флаконы на ярком фоне — работа физически изматывающая и неизбежно дающая пропуски. Современные системы различают частицы примерно до 40 микрометров — около половины диаметра толстого человеческого волоса — и работают с производительностью порядка 600 предварительно наполненных шприцев в минуту при полной прослеживаемости в журнале аудита под требования целостности данных GMP. Центральная инженерная проблема категории — доля ложного отбраковывания: чрезмерно чувствительные алгоритмы выбрасывают годную продукцию, а самое трудное различение — между воздушным пузырьком и настоящей твёрдой частицей, которое к тому же ухудшается на тёмных и низкоконтрастных растворах. Именно поэтому отрасль решительно двинулась к глубокому обучению и почему AVI сегодня специфицируется как отдельная машина, а не как камерный пост, приделанный к линии розлива: приведённые здесь специалисты по оборудованию выпускают инспекционные машины как основной продукт, в отличие от производителей асептических линий розлива, у которых контроль — лишь одна из стадий.

Ключевые направления автоматического визуального контроля:

1. Детекция частиц машинным зрением: промышленные камеры высокого разрешения с многоракурсными светодиодными матрицами и трекингом траекторий частиц, отличающие движущиеся посторонние включения от пузырьков и различающие видимые частицы примерно от 40 микрометров во флаконах, ампулах и предварительно наполненных шприцах.
2. Классификация дефектов глубоким обучением: свёрточные модели, автоматически классифицирующие типы дефектов и обучаемые на синтетически сгенерированных сценариях редких дефектов, что снимает хронический дефицит реальных образцов брака, прежде мешавший алгоритмам обобщаться на новый продукт.
3. Контроль целостности укупорки (CCIT): детерминированные методы обнаружения течей — высоковольтная течеискательность, вакуумный и манометрический спад давления, камерный контроль смещения пробки, — устанавливающие целостность стерильного барьера: свойство, которое камерный косметический контроль сам по себе юридически удостоверить не может.
4. Контроль при высокой номенклатуре и малых сериях: компактные машины с быстрой переналадкой для клинических исследований, ATMP и CDMO, где серии малы, форматы постоянно меняются, а фактическую производительность определяет время переналадки, а не пиковая скорость.

Отраслевая цепочка создания стоимости#

[Наполненные и укупоренные единицы] ──> [Подача контейнеров] ──> [Многокамерная съёмка] ──> [Классификация дефектов]
                                                                              │
                                                                    (решение об отбраковке)
                                                                              │
                                                                              ▼
[Выпущенная серия] <─── [Верификация отбраковки и записи] <───────────────────┘

Уровни цепочки создания стоимости#

Сквозные технологии отрасли:

• Встроенное периферийное ИИ-зрение: промышленные системы зрения с выделенными ИИ-процессорами на борту, выполняющие вывод детерминированно на полной скорости линии, а не перекладывающие его на сервер, — компонентный слой под машиностроителями.
• Генерация синтетических данных о дефектах: ИИ-модели, синтезирующие сценарии редких дефектов и объединяющие их с реальными библиотеками брака, что позволяет обучать более крупные модели, не дожидаясь естественного появления редких дефектов.
• Распределённая архитектура контроля: распределённая, а не клиент-серверная архитектура систем зрения, повышающая гибкость и масштабируемость при сохранении прослеживаемости каждой проверки и контролируемости каждой операции.

Стек AVI укладывает оптику и обращение с контейнером под классифицирующий интеллект, а испытание целостности идёт рядом как отдельная детерминированная дисциплина, а не как результат зрения.

1. Оптика, освещение и обращение с контейнером:
   • Промышленные камеры высокого разрешения в паре с многоракурсными светодиодными матрицами снимают каждый контейнер с нескольких точек при его раскручивании для взвешивания частиц; геометрия подсветки настраивается по рецепту под материал контейнера, цвет и прозрачность раствора.
   • Бесконтактное обращение значит не меньше оптики: роботизированное извлечение и возврат в гнёзда позволяет не порождать те самые пузырьки, которые затем были бы классифицированы как дефекты, и поддерживает как пластиковые, так и стеклянные шприцы с жидкостями, вязкими продуктами и суспензиями.
2. Классифицирующий интеллект (от правил к глубокому обучению):
   • Различение, определяющее качество системы, — пузырёк против твёрдой частицы; тёмные растворы снижают контраст, а слабое обобщение требует переобучения под каждый новый продукт, поэтому свёрточные модели с автоматической классификацией типа дефекта вытеснили чисто правиловую логику.
   • Генерация синтетических дефектов решает дефицит образцов напрямую: сценарии редких дефектов порождаются из накопленной базы брака и объединяются с реальными данными для обучения более крупных моделей, заменяя прежнюю практику ожидания подходящих отбраковок.
3. Контроль целостности укупорки:
   • Высоковольтная течеискательность встраивается в инспекционные машины, а вакуумный и манометрический спад давления и камерный контроль смещения пробки количественно оценивают целостность стерильного барьера; детерминированных методов и ожидает пересмотренный Annex 1, а для контейнеров выдув-налив-запайки со сплавленным швом визуальный контроль прямо не является допустимой заменой.
   • Объединение течеискания с камерным и рентгеновским контролем в одной системе при ИИ-обработке изображений позволяет одному посту выдавать и косметический вердикт, и вердикт по целостности.
4. Архитектура, записи и переналадка:
   • Распределённые архитектуры заменяют традиционные клиент-серверные схемы, повышая гибкость и масштабируемость при сохранении прослеживаемости каждой проверки, запрашиваемости каждого набора данных и контролируемости каждой операции — практическая форма целостности данных GMP.
   • Для клинических задач, ATMP и CDMO связывающим ограничением является переналадка, поэтому компактные машины под высокую номенклатуру и малые объёмы оптимизируют быструю смену формата и автоматизированную настройку вместо пиковых единиц в минуту.