用于进行基于模式识别的药物容器检查的机械手系统技术方案

一种机械手检查平台，包括机械手臂、成像器和控制器。该控制器使该机械手臂使用其末端执行器取出容器并操纵该容器，使得该容器被依次放置在多个方位上同时处于该成像器的视野内。该控制器还使该成像器捕获图像，这些图像中的每一个图像是在该容器处于这些方位中的相应方位上时捕获的。该控制器还通过使用模式识别模型分析这些图像来确定该容器和/或该容器内的样品的一个或多个属性，并且基于该(这些)属性确定该容器和/或样品是否满足一个或多个标准。如果该容器和/或样品不满足这些标准，则该控制器使该机械手臂将该容器放置在为被拒绝容器和/或样品预留的区域(例如，废品箱)中。箱)中。箱)中。

【技术实现步骤摘要】
【国外来华专利技术】用于进行基于模式识别的药物容器检查的机械手系统


[0001]本申请总体上涉及对诸如注射器或小瓶等药物容器的检查，和/或对此类容器内的样品的检查。

技术介绍

[0002]在某些情况(诸如，针对制成药物产品的质量控制程序)下，有必要检查流体或其他(例如，冻干的)样品中是否存在诸如微粒、气泡或污渍等各种属性。非期望的微粒或其他属性可能源于数个不同的来源，诸如环境，对流体的不正确处理或储存，或成形、包装、或填充所产生的副产品/残留物。根据情况，某些类型的属性(例如，气泡)可能是可接受的，而其他属性(例如，微粒、特定类型的微粒、超过一定尺寸和/或数量的微粒等)可能是不可接受的。如果在流体样品中检测到不可接受的属性，则该流体样品被拒绝。
[0003]当面对具有挑战性的检查任务时，传统上用于检测大型商用检查机中的缺陷的图像处理方法往往难以达到较高的精度。对于一些检查需要评估的样品可能本身同时存在缺陷属性和非缺陷属性并且这些属性具有非常相似的外观的情况，尤其如此。例如，检查充液的注射器可能需要将活塞拱顶上的微粒或污渍(缺陷)与活塞拱顶上的无害气泡(非缺陷)区分开。对于自动化过程，这可能难以确保以可接受比率(例如，100％的时间或至少99.99999％的时间等)拒绝有缺陷的样品，并且难以确保以可接受比率批准(即不错误地拒绝)合格样品。前一种情况可能会导致潜在的危险情况，而后一种情况可能会由于不必要地丢弃合格产品而导致成本增加。尽管在某些情况下可以通过其他手段(例如，重复检查、手动检查等)来补偿自动化系统的较差精度，但是此类方法通常在时间和成本方面都很昂贵。关于其他质量程序也存在类似缺点，诸如当检查容器本身是否有缺陷时。

技术实现思路

[0004]本文描述的实施例涉及一种针对传统检查技术进行改进的系统。特别地，一种机械手检查平台使用模式识别(例如，深度学习)模型/技术来执行药物容器(例如，注射器、小瓶、药筒等)的检查和/或此类容器内的样品(例如，流体、冻干产品等)的检查，甚至可以处理极具挑战性的检查任务。模式识别模型可能能够可靠地区分例如流体样品中的微粒与气泡，或区分特定类型的微粒与特定类型的气泡等。该机械手检查平台还可以被配置用于促进模式识别模型的初始(预生产)开发或训练。在一些实施例和/或场景中，该平台可以用于执行容器和/或样品的初级(例如，唯一的或初始的)检查。可替代地，该平台可以用于重新检查已经被另一自动检查系统(例如，可靠性/准确性较差的常规自动检查系统)识别为次品或潜在次品的容器和/或样品。
[0005]在该平台实施机器学习模型的实施例中，可以使用训练图像的大数据集和监督式学习技术来训练该模型。该平台可以用于在受控条件(例如，精确的、可重复的容器方位以及光照条件)下捕获训练图像，之后，人类分析员可以人工标记这些训练图像的属性。例如，分析员可以将训练图像内的物体标记/分类为特定物体类型。为了捕获训练图像，该平台的
机械手臂可以依次拾取多个容器中的每个容器，将这些容器呈现在成像器的前面，并操纵(例如旋转)这些容器同时使得以不同的角度/方位采集图像。可以在训练过程中使用带有故意引入的缺陷的(和/或容纳有带有故意引入的缺陷的样品的)容器，以确保人类分析员在执行分类任务时将遇到足够广泛的缺陷和/或缺陷类型。
[0006]在模型被训练和集成好后，该平台就可以切换到“生产”模式、“运行时”模式、“操作”模式或“处理”模式，在这种模式下，机械手臂取出新的容器(其可能容纳有样品)并以与训练过程中相同的方式在成像器前面操纵这些容器。每个容器的图像可以保存在存储器中，并由计算机使用经训练的模式识别模型进行处理。该计算机还可以通过应用一个或多个标准来处理模型输出，以确定容器是合格品还是“次品”。如果(由于容器内的样品有缺陷和/或容器本身有缺陷而导致)容器被拒绝，则机械手臂可将容器放置在废品箱或者专门为此目的预留的其他区域中。取决于实施例和/或场景，机械手检查平台可以被配置用于仅检查容器、仅检查产品样品(例如，容器内的流体或冻干产品)、或者同时检查容器和样品。例如，在一个实施例中，只要部署了适当的机器学习模型，单个机械手检查平台就可以执行这些功能中的任何功能。
附图说明
[0007]本领域的技术人员将理解，本文描述的附图是出于说明的目的而包括的，而非限制本披露。附图不一定是按比例绘制，而是将重点放在说明本披露的原理上。应理解，在一些情况下，所描述的实施方式的不同方面可以被扩大或放大，以有助于理解所描述的实施方式。在附图中，贯穿各附图，相似的附图标记通常指代功能相似和/或结构相似的部件。
[0008]图1展示了根据一个实施例的示例机械手检查平台；
[0009]图2展示了经填充的注射器样品的柱塞的视图，该经填充的注射器样品作为可以使用图1的机械手检查平台进行检查的示例注射器；
[0010]图3是根据一个实施例的可以与图1的机械手检查平台相关联的示例控制系统的框图；
[0011]图4是根据一个实施例的用于使用模式识别来进行对容器和/或样品的检查的示例方法的流程图；以及
[0012]图5是用于进行对一组容器和/或其中容纳的样品的检查的示例方法的流程图，该方法可以与图4的方法结合使用。
具体实施方式
[0013]以上介绍的以及在下文更详细地讨论的不同构思可以以多种方式中的任一种实施，并且所描述的构思不限于任何特定的实施方式。出于说明的目的，提供了实施方式的示例。
[0014]图1展示了根据本披露的实施例的机械手检查平台100。机械手检查平台100包括装有多个容器104的板102。容器104可以是全透明或部分透明或半透明的药物容器，诸如，注射器、小瓶、药筒等，并且均可以容纳样品(例如，流体或冻干的医疗产品)。可替代地，在一些实施例和/或场景中(例如，如果机械手检查平台100仅在分析容器而不分析这些容器内的样品)，则容器104可以是不透明的。每个容器104可以被配置用于根据板102的大小和
构型接纳任何合适量的样品。例如，每个容器104可能能够容纳数十纳升的流体，或者几毫升的流体等。板102可以包括多个腔或孔(例如，80个孔、96个孔等)，这些腔或孔的尺寸被设计为牢固地但可移除地保持容器104。
[0015]机械手检查平台100还包括成像系统106，该成像系统通常被配置用于照亮容器(诸如容器104)，并捕获被照亮的容器的图像。为此，成像系统106可以包括光源、成像器以及可能的一个或多个反射镜和/或其他光学元件，以便以合适的方式对来自光源的光和/或由样品(和/或容器本身)散射的光进行重新定向。光源可以是发光二极管(LED)灯或任何其他合适类型的光源，可以提供任何合适的波长(或波长范围)的光，并且可以包括一个或多个位置处的灯。该光源可以仅具有固定的或人工可调的参数，或者可以具有一个或多个计算机控制的参数(例如，强度、方向等)。尽管图1仅示出了单个成像器和一个反射镜，但是成像系统106可以替代地包括多个位于不同位置的成像器、多个反射镜(或没有反射镜)，等等。(本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种机械手检查平台，包括：机械手臂，该机械手臂包括末端执行器和多个可铰接的节段；成像系统，该成像系统包括成像器；以及控制器，该控制器被配置用于：使该机械手臂使用该末端执行器取出容器，使该机械手臂使用该末端执行器操纵该容器，使得该容器被依次放置在多个方位上同时该容器处于该成像器的视野内，使该成像器捕获多个图像，该多个图像中的每个图像是在该容器处于该多个方位中的相应方位上时捕获的，通过使用模式识别模型分析该多个图像，确定该容器和/或该容器内的样品的一个或多个属性，基于该容器和/或该样品的该一个或多个属性，确定该容器和/或该样品是否满足一个或多个标准，以及基于该容器和/或该样品是否满足该一个或多个标准：(i)使该机械手臂将该容器放置在为被拒绝容器和/或样品预留的区域中，或者(ii)使该机械手臂将该容器放置在为尚未被拒绝的容器和/或样品预留的区域中。2.如权利要求1所述的机械手检查平台，其中，该控制器被配置用于通过使用机器学习模型分析该多个图像来确定该容器和/或该样品的该一个或多个属性，该机器学习模型被训练用于对容器属性和/或样品属性进行分类。3.如权利要求2所述的机械手检查平台，其中，该控制器被配置用于至少通过以下方式促进该机器学习模型的训练：使该机械手臂使用该末端执行器依次取出多个训练容器；以及对于该多个训练容器中的被取出的每一个训练容器：(i)使该机械手臂使用该末端执行器操纵该训练容器，使得该训练容器被依次放置在该多个方位上同时该训练容器处于该成像器的视野内，(ii)使该成像器捕获相应的多个训练图像，该相应的多个训练图像中的每一个训练图像是在该训练容器处于该多个方位中的相应方位上时捕获的，以及(iii)使该相应的多个图像经由显示器呈现给用户，以便于人工标记该训练容器和/或该训练容器内的样品的属性。4.如权利要求1至3中任一项所述的机械手检查平台，其中，该控制器被配置用于通过使用该模式识别模型分析该多个图像来区分不同类型的物体。5.如权利要求4所述的机械手检查平台，其中，这些不同类型的物体包括气泡和微粒。6.如权利要求4或5所述的机械手检查平台，其中，这些不同类型的物体包括(i)特定类型的气泡和(ii)特定类型的微粒中的一者或两者。7.如权利要求4至6中任一项所述的机械手检查平台，其中，该一个或多个标准包括至少一个取决于物体类型的标准。8.如权利要求1至7中任一项所述的机械手检查平台，其中，该多个方位包括围绕该容器的纵向轴线的多个旋转。9.如权利要求1至8中任一项所述的机械手检查平台，其中，该为被拒绝容器和/或样品预留的区域为废品箱。
10.如权利要求1至9中任一项所述的机械手检查平台，其中，该控制器被配置用于使该机械手臂从板上取出该容器。11.如权利要求10所述的机械手检查平台，其中，该为尚未被拒绝的容器和/或样品预留的区域为该板内的区域。12.一种用于使用模式识别进行容器检查的方法，该方法包括：使机械手臂使用该机械手臂的末端执行器取出容器；使该机械手臂使用该末端执行器操纵该容器，使得该容器被依次放置在多个方位上同时该容器处于成像器的视野内；使该成像器捕获多个图像，该多个图像中的每个图像是在该容器处于该多个方位中的相应方位上时捕获的；通过使用模式识别模型分析该多个图像，确定该容器和/或该容器内的样品的一个或多个属性；基于该容器和/或该样品的该一个或多个属性，确定该...

【专利技术属性】
技术研发人员：D，
申请(专利权)人：安进公司，
类型：发明
国别省市：