【技术实现步骤摘要】
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
1、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。
2、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
技术实现思路
1、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。
2、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。
3、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。
本文档来自技高网...【技术保护点】
1.一种机械手检查平台，包括：
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：
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所述的机械手检查平台，其中，用于评估该容器或该样品的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3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。
10.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使该机械手臂从板上取出该容器，并且其中，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。
11.如权利要求1至3中任一项所述的机械手检查平台，其中，该机械手臂被配置用于以至少四个运动自由度操纵该容器，并且，
12.如权利要求11所述的机械手检查平台，其中，该机械手臂被配置用于以六个运动自由度操纵该容器。
13.一种用于使用模式识别进行容器检查的方法，该方法包括：
14.如权利要求13所述的方法，其中，通过使用模式识别模型分析该多个图像来确定该容器或该样品的该一个或多个属性包括：
15.如权利要求14所述的方法，进一步包括至少通过以下方式促进该机器学习模型的训练：
16.如权利要求13至15中任一项所述的方法，其中，通过使用该模式识别模型分析该多个图像来确定该容器或该样品的一个或多个属性包括：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，并且其中，用于评估该容器或该样品的一个或多个标准包括至少一个取决于物体类型的标准。
17.如权利要求13至15中任一项所述的方法，其中，该多个方位包括围绕该容器的纵向轴线的多个旋转。
18.如权利要求13至15中任一项所述的方法，其中，该机械手臂被配置用于以至少四个运动自由度操纵该容器，并且，
19.如权利要求18所述的方法，其中，该机械手臂被配置用于以六个运动自由度操纵该容器。
20.一种用于使用模式识别进行容器检查的方法，该方法包括：
...【技术特征摘要】
1.一种机械手检查平台，包括：
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：
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所述的机械手检查平台，其中，用于评估该容器或该样品的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3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3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使该机械手臂从板上取出该容器，并且其中，该为尚未被拒绝的容器和/或样品预...
【专利技术属性】
技术研发人员：D·弗拉德金，T·C·皮尔逊，N·查瓦利，E·弗罗因德，
申请(专利权)人：安进公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。