一种面向分析实验室耗材自动控制的计算机视觉质量评估技术

工业4.0范式的快速发展正日益增加开发有效自动化监测系统的压力。人工智能(AI)是提高工业流程效率、同时减少错误和浪费的便捷工具。事实上，它允许利用实时数据来提高监测系统的有效性、最小化错误、使生产过程更具可持续性并节约成本。本文在分析实验室所用塑料耗材的生产过程背景下，提出了一种新颖的自动监测系统，旨在提高目前由人工操作员执行的控制过程的有效性。具体而言，我们考虑了分类试管内是否存在透明抗凝物质的问题。我们使用了一种手工设计的深度网络模型，并与其对装有抗凝剂或空瓶的不同图像进行分类的能力方面，与一些最先进的模型进行了比较。收集的结果表明，所提出的方法在准确性方面与最先进的模型具有竞争力。此外，我们通过训练模型不仅能够区分瓶内是否存在抗凝剂，还能区分试管的尺寸，从而增加了任务的复杂性。在后一种场景下进行的分析证实了我们方法的竞争力。而且，我们的模型在泛化能力和所需资源方面具有显著优势。这些结果表明，在塑料耗材公司的生产过程中成功实施此类模型是可能的。