בינה מלאכותי משפרת את הדיוק והיעילות של בקרת האיכות בתעשיית התרופות, באמצעות תוכנת HALCON של MVTec.
אתגר בקרת האיכות
בתעשיית התרופות, בקרת האיכות היא שלב חיוני בהבטחת בטיחות המוצר ועמידתו בדרישות הרגולטוריות. גם חלקיק זעיר המצוי בתוך אמפולה המכילה חומר רפואי מחייב זיהוי מדויק והתייחסות מתאימה במסגרת תהליך הבדיקה. אחד האתגרים המרכזיים הוא ההבחנה בין חלקיקים זרים לבין תופעות אופטיות טבעיות, כגון בועות אוויר, השתקפויות ושינויים בתאורה. במקרים רבים, המאפיינים החזותיים של התופעות הללו דומים, והבדיקה מחייבת רמת דיוק גבוהה במיוחד.
יישום תעשייתי שתועד על ידי חברת MVTec מדגים כיצד שילוב בין ראייה ממוחשבת לבינה מלאכותית מאפשר להתמודד עם האתגר ולבצע בקרת איכות אוטומטית של אמפולות בתהליך הייצור.
פתרון המבוסס על AI
המערכת המתוארת ביישום מבוססת על תוכנת HALCON של MVTec ומשלבת טכנולוגיית Deep Learning, שהיא אחת הגישות המתקדמות בתחום הבינה המלאכותית. בלב הפתרון פועלת טכנולוגיית Semantic Segmentation, המאפשרת למערכת לנתח את התמונה ברמת הפיקסל ולזהות אזורים בעלי מאפיינים שונים. באמצעות למידה מדוגמאות, המערכת מסוגלת להבחין בין חלקיקים זרים לבין בועות, צללים והשתקפויות. היכולת הזו חשובה במיוחד בבדיקת מוצרים שקופים המכילים נוזלים, שבהם זיהוי הפגם מושפע מגודלו, ממיקומו ומהאופן שבו האור עובר דרך המוצר. השימוש ב-AI מאפשר לפתח מערכות בדיקה המסוגלות להתמודד עם שונות חזותית מורכבת, תוך שמירה על עקביות בתהליך הבקרה.
כיצד המערכת פועלת?
היישום התעשייתי מבוסס על 12 מצלמות תעשייתיות המחוברות למחשב תעשייתי שעליו פועלת תוכנת HALCON. כל אמפולה מצולמת עד 14 פעמים מזוויות שונות, כדי לאפשר זיהוי חלקיקים גם כאשר הם נמצאים בצדי המכל או בתחתיתו. התמונות מועברות לעיבוד ולניתוח באמצעות שילוב של אלגוריתמים מסורתיים של ראייה ממוחשבת ומודלים שלDeep Learning .
הבינה המלאכותית משמשת לזיהוי חלקיקים ולהבחנה בינם לבין תופעות אופטיות תקינות. במקביל, אלגוריתמים מבוססי כללים מבצעים בדיקות נוספות, ובהן זיהוי פגמים חזותיים, בדיקת מפלס המילוי, זיהוי שינויי צבע ובדיקת איכות הסגירה. שילוב הטכנולוגיות מאפשר להתאים לכל משימת בדיקה את שיטת העיבוד המתאימה לה, תוך ניצול יכולות ה-AI במשימות המורכבות במיוחד.
חשיבות התוכנה והמומחיות
הצלחת יישום המבוסס על AI תלויה באיכות תוכנת עיבוד התמונה, באיסוף נתוני האימון ובהכנתם, וביכולת להתאים את האלגוריתמים למאפייני המוצר ולסביבת הייצור. תוכנת HALCON מספקת סביבת פיתוח ליישומי ראייה ממוחשבת המשלבת יכולות Deep Learning עם מגוון רחב של כלים לעיבוד תמונה קלאסי. ביישום המתואר, מומחי MVTec השתתפו בהכנת מערכי התמונות, בסיווג הנתונים, באימון הרשת העצבית ובבחינת ביצועי המודלים. באמצעות MVTec Deep Learning Tool הוכנו מערכי אימון שכללו תמונות של אמפולות תקינות לצד דוגמאות שבהן הוכנסו פגמים באופן מבוקר. תהליכי אימון חוזרים אפשרו להשוות בין מודלים שונים ולשפר את יכולת המערכת להבחין בין מוצר תקין לבין מוצר המכיל פגם. המקרה ממחיש את חשיבות השילוב בין תוכנת ראייה ממוחשבת מתקדמת לבין מומחיות מקצועית בתכנון, באימון וביישום פתרונות AI תעשייתיים.
תוצאות היישום
על פי סיפור ההצלחה שפרסמה MVTec, המערכת האוטומטית הביאה לשיפור משמעותי בשיעורי זיהוי הפגמים ולצמצום מקרים שבהם פגם קיים אינו מזוהה. תהליך הבדיקה נהנה ממהירות, מיציבות ומרמת דיוק משופרת, לצד התייעלות תפעולית ושיפור באיכות המוצרים. המקרה מדגים כיצד AI מאפשר לקדם אוטומציה גם במשימות בקרת איכות מורכבות, שבהן נדרשת הבחנה בין הבדלים חזותיים זעירים.
הפתרונות של ASIO Vision
ASIO Vision משווקת בישראל את פתרונות התוכנה של MVTec, ובהם HALCON, המשלבת יכולות ראייה ממוחשבת מתקדמות וטכנולוגיות מבוססותAI . הטכנולוגיות הללו רלוונטיות למגוון רחב של יישומים תעשייתיים, ובהם זיהוי פגמים, בקרת איכות, סיווג מוצרים, זיהוי עצמים וניתוח תמונות בתהליכי ייצור אוטומטיים.
באמצעות פתרונות MVTec, ASIO Vision מאפשרת ליצרנים, למפתחי מערכות ולחברות אינטגרציה בישראל לשלב יכולות AI מתקדמות במערכות ראייה ממוחשבת, בהתאם לצורכי היישום ולדרישות סביבת הייצור. היישום בתעשיית התרופות ממחיש את הפוטנציאל של הטכנולוגיה ואת האפשרויות שהיא פותחת בפני תעשיות נוספות המבקשות לשפר את רמת האוטומציה, הדיוק והיעילות של תהליכי בקרת האיכות.
מקור: סיפור הצלחה שפורסם באתר MVTec Software.











