# 自动视觉检测（灯检） 以产线速度逐支检查已灌装西林瓶、安瓿、预充针与卡式瓶的可见异物、装量偏差、玻璃外观缺陷与封口失效的独立机器视觉系统——一个建立在高分辨率相机、多角度照明并日益依赖深度学习缺陷分类之上的专用装备品类，受 EU GMP Annex 1 与 21 CFR Part 11 约束。 Source: https://cn.bioecon.ru/technology/automated-visual-inspection/ Updated: 2026-08-18 ## 概述与价值链 Markers: [EC: EU GMP Annex 1（无菌药品）/ 21 CFR Part 11（电子记录）| OECD: 2.8 工业生物技术 | Regulator: FDA（美国）、EMA（欧盟）、NMPA（中国）] 自动视觉检测（AVI）是无菌注射剂的 100% 终端质量关口：每一支已灌装封口的容器在旋转或被搬运的同时，由高分辨率工业相机在多角度 LED 光源阵列下成像，再由机器视觉算法判定其中是否存在可见异物、装量偏差、玻璃外观缺陷或封口失效。它取代的是人工灯检——工人长时间对着强光细看药瓶，劳动强度大且难免疏漏。现代系统可分辨约 40 微米的颗粒（相当于一根较粗头发丝直径的一半），并达到每分钟 600 支预充针一类的通量，同时保留完整审计追踪以满足 GMP 数据完整性要求。该品类的核心工程难题是误剔率：过于敏感的算法会丢弃良品，而最难的判别是气泡与真实固体颗粒之间的区分，这一判别在深色或低对比度溶液下还会进一步劣化。正因如此，该领域已明确转向深度学习；也正因如此，AVI 如今被作为专用机器而非挂在灌装线上的相机工位来选型——本文列出的装备专家以检测机为主营产品，区别于仅把检测作为其中一道工序的无菌灌装线 OEM。 自动视觉检测的关键方向是： 1. **机器视觉异物检测：** 高分辨率工业相机配多角度 LED 阵列与粒子轨迹跟踪，将运动的异物与气泡区分开来，在西林瓶、安瓿与预充针中分辨约 40 微米以上的可见异物。 2. **深度学习缺陷分类：** 卷积模型自动分类缺陷类型，并以合成生成的稀有缺陷场景进行训练，化解长期困扰行业的真实缺陷样本不足问题——过去正是样本不足使算法难以泛化到新产品。 3. **容器密封完整性检测（CCIT）：** 高压漏点检测、真空与压力衰减以及基于相机的胶塞位移监测等确定性方法，用以确认无菌屏障完整性，而这一属性是相机外观检测本身在法规上无法单独证明的。 4. **多品种小批量检测：** 面向临床试验、ATMP 与 CDMO 的紧凑型快速换型机器，其批量小、规格频繁切换，实际产能由换型时间而非峰值速度决定。 ### 行业价值链 ``` [已灌装封口单元] ──> [容器输送] ──> [多相机成像] ──> [缺陷分类] │ (剔除判定) │ ▼ [放行批次] <─── [剔除复核与记录] <──────────┘ ``` ### 价值链层级 | 层级 | 描述 | 关键输入/输出 | |:---|:---|:---| | **容器输送** | 单元从托盘中取出或由产线送入，经旋转使颗粒起动，并以不产生气泡的无接触方式送至相机工位 | **输入：** 已灌装封口的西林瓶、安瓿、预充针或卡式瓶。
**输出：** 定位并旋转就绪、可供成像的容器。 | | **照明与成像** | 多角度 LED 阵列与高分辨率相机从多个视角拍摄每一单元；照明几何按容器材质与溶液颜色调校 | **输入：** 送入的容器、按配方设定的照明。
**输出：** 每单元的多视角图像集。 | | **缺陷分类** | 规则算法与深度学习模型对可见异物、装量、玻璃外观缺陷、胶塞与铝盖故障进行分类并给出合格/剔除判定 | **输入：** 图像集、训练好的模型。
**输出：** 带缺陷类别的逐支判定结果。 | | **完整性检测** | 高压、真空或压力衰减漏点检测在视觉结果之外，作为独立的确定性试验确认密封完整性 | **输入：** 已封口容器、CCIT 方法。
**输出：** 独立于外观检测的完整性结论。 | | **剔除处理与复核** | 剔除单元被分离并可选择复核以控制误剔；托盘可自动补位以维持规格完整 | **输入：** 剔除流、复核逻辑。
**输出：** 分离的不合格品、量化的误剔率。 | | **记录与放行** | 逐支生成审计追踪、电子批记录与追溯数据，支撑 GMP 数据完整性与批放行 | **输入：** 逐支结果、操作动作。
**输出：** 支撑放行的 21 CFR 第 11 部分合规记录。 | 行业跨领域技术： - **嵌入式边缘 AI 视觉：** 配备专用板载 AI 处理器的工业视觉系统，以确定性方式在产线全速下完成推理，而非交由服务器处理——构成机器制造商之下的部件层。 - **合成缺陷数据生成：** 由 AI 模型合成稀有缺陷场景并与真实缺陷库结合，无需等待稀有缺陷自然出现即可训练更大的检测模型。 - **分布式检测架构：** 以分布式架构替代传统 CS 架构的视觉系统设计，在提升灵活性与可扩展性的同时确保每一次检测可追溯、每一次操作可控。 --- ## 美国 美国在自动视觉检测中的贡献集中于视觉*部件*层，而非成套的制药检测机：美国工业视觉厂商提供相机、嵌入式 AI 处理器与软件工具包，由欧洲与中国的机器制造商完成集成。 ### 嵌入式边缘 AI 视觉部件、深度学习工具包、机器制造商集成 - **Cognex：** 其 In-Sight 3900 嵌入式 AI 视觉系统基于 Qualcomm Dragonwing 平台，处理速度较此前 Cognex 系统最高提升 4 倍，成像分辨率最高 25 MP，并以实时边缘 AI 在产线全速下实现确定性高通量检测——制药检测配方正是构建在这一类部件之上。 - **部件层定位：** 美国视觉供应商是向检测机*供货*而非与之竞争，因此表中的美国条目是视觉系统制造商而非西林瓶检测机 OEM——与其他生物生产装备品类中"使用方与部件供应方"的格局一致。 - **法规驱动：** FDA 对无菌注射剂 100% 检测的要求与 21 CFR Part 11 电子记录，决定了美国供应的视觉软件必须记录哪些内容，使审计追踪能力成为采购标准而非可选项。 --- ## 中国 中国已从进口检测机转向自研具备 AI 差异化的机型：国内制药装备龙头已在交付全自动智能灯检机，而中国的分析报告对仍然存在的技术局限描述得异常坦率。 ### AI 粒子轨迹跟踪、国产灯检机、坦率的局限报告 - **楚天科技：** 其自主研发的 AI 粒子轨迹跟踪算法通过动态追踪与多维分析，可精准识别 40 微米的可见异物——相当于一根较粗头发丝直径的一半；团队还搭建了 AI 智能视觉检测平台，基于积累的海量缺陷数据库合成各种稀有缺陷场景以训练更庞大的检测模型，并推出以分布式架构替代传统 CS 架构的新一代 TrukingVision 视觉检测系统。报道称该设备已从西林瓶检测扩展到口服液、BFS 吹灌封等十余类药品包装，误剔率较上一代降低约 5%，公司已提出国内外专利申请近 6,400 项。 - **国产行业面貌：** 中国分析报告指出，全自动灯检机已广泛应用于制药、生物制品及高端食品行业，用于检测安瓿瓶、西林瓶或预充针中的可见异物、装量偏差及封口缺陷，普遍采用高分辨率工业相机、多角度 LED 光源阵列与机器视觉算法，并满足 GMP 审计追踪等数据完整性要求。 - **坦率的局限报告：** 同一批分析明确指出，部分机型对气泡与固体颗粒的区分能力有限，深色溶液背景降低对比度，算法泛化能力不足导致新品导入需要大量样本训练；其给出的演进路径包括 AI 深度学习、近红外辅助判断、以声学传感识别松盖以及数字孪生运维。 --- ## 欧盟 欧洲掌握着专用检测机这一品类，各家专家按所解决的问题分野：预充针通量、统一的检测软件平台、把完整性试验作为区别于外观视觉的独立学科，以及面向临床与先进疗法的小批量灵活性。 ### Brevetti CEA 预充针检测、Antares Vision 的 INSPECTA 平台、Wilco 完整性检测、Koerber 小批量 ALVA - **Brevetti CEA：** 这家意大利制造商专注于注射剂的高精度视觉检测；其 K15 DR 集成系统以最高每分钟 600 支的速度检测预充针，采用全自动 tub & nest 循环——由两台机械臂完成脱盘、检测与回盘，无接触操作以避免产生气泡，集成高压漏点检测，可自动为被剔除的针剂补位，并符合 21 CFR Part 11；其 INTELLIGENT-VISION 平台覆盖异物、装量、外观缺陷、针护罩与漏点检测。 - **Antares Vision：** 其 INSPECTA 平台是面向制药视觉检测的统一模块化软件套件，可与一次与二次包装设备集成，提供有无检测与异物识别、按基准的色彩控制、气雾剂在线漏点检测与泡罩填充控制，并配套覆盖 EU-FMD 与 DSCSA 要求的追溯体系。 - **Wilco AG：** 这家瑞士企业在制药、生物技术与医疗器械包装的密封性检测与视觉检测领域拥有五十年专长，将相机与 X 射线检测结合 AI 图像处理，并把多种检测技术集成于同一系统，业务覆盖八十多个国家。其法规判断是该品类中最锋利的：按修订后的 Annex 1，视觉检测对熔封的吹灌封容器已不再是法律上有效的完整性试验，因此相机外观检查不能替代确定性的容器密封完整性检测。 - **Koerber（Seidenader）：** 其 ALVA 检测机面向多品种小批量生产——快速换型、自动化运行与紧凑占地，适配小批量的预充针、西林瓶与卡式瓶——服务于临床试验、ATMP 与 CDMO，在这些场景中决定通量的是产品多样性与换型周期而非峰值速度。 --- ## 领先公司与研究机构 | 公司 / 机构 | 国家 | 关键产品 / 平台 | 技术特点 | 2026 年状态 | |:---|:---|:---|:---|:---| | **Brevetti CEA** | 🇮🇹 意大利 | *K15 DR 集成预充针检测、INTELLIGENT-VISION* | 最高 600 支/分钟；机械臂脱盘与回盘；无接触操作；高压漏点检测；21 CFR Part 11 | commercial；interpack 2026 发布 Brevetti AI Suite | | **Antares Vision** | 🇮🇹 意大利 | *INSPECTA 模块化检测平台* | 统一视觉套件；有无检测与异物识别；色彩控制；气雾剂在线漏点检测；EU-FMD 与 DSCSA 追溯 | commercial；生命科学与化妆品生态 | | **Wilco AG** | 🇨🇭 瑞士 | *CCIT 与视觉检测系统* | 密封性检测加相机与 X 射线检测、AI 图像处理；多技术集成于单一系统；五十年专长，覆盖 80 多国 | commercial；Annex 1 驱动的 CCIT 需求 | | **Körber** | 🇩🇪 德国 | *Seidenader ALVA 检测机* | 多品种小批量设计；快速换型；紧凑占地；面向临床、ATMP 与 CDMO 的预充针、西林瓶与卡式瓶 | commercial；已于 interpack 2026 展出 | | **楚天科技** | 🇨🇳 中国 | *全自动智能灯检机、TrukingVision* | AI 粒子轨迹跟踪至 40 微米；稀有缺陷合成训练；分布式视觉架构；已扩展至十余类包装 | commercial；误剔率较上一代降低约 5% | | **Cognex** | 🇺🇸 美国 | *In-Sight 3900 嵌入式 AI 视觉系统* | 基于 Qualcomm Dragonwing 的边缘 AI；较此前系统最高快 4 倍；成像至 25 MP；产线全速下的确定性实时检测 | commercial；机器制造商之下的视觉部件层 | --- ## 技术栈与创新 AVI 技术栈把光学与容器操作置于分类智能之下，而完整性检测作为独立的确定性学科并行运行，而非视觉输出的一部分。 1. **光学、照明与容器操作：** - 高分辨率工业相机配合多角度 LED 阵列，在容器旋转使颗粒起动的同时从多个视角成像；照明几何按配方针对容器材质与溶液的颜色、透明度进行调校。 - 无接触操作与光学同等重要：机械臂脱盘与回盘可避免制造出随后会被判为缺陷的气泡，并同时适配装有液体、黏稠产品与混悬液的塑料与玻璃针管。 2. **分类智能（从规则到深度学习）：** - 决定系统水平的判别是气泡与固体颗粒之分；深色溶液降低对比度，泛化能力不足则迫使每导入一个新产品都要重新训练，因此能自动分类缺陷类型的卷积模型已取代纯规则逻辑。 - 合成缺陷生成直接化解样本稀缺：从积累的缺陷数据库生成稀有缺陷场景并与真实数据结合以训练更大的模型，取代了过去守株待兔等待合适不合格样本的做法。 3. **容器密封完整性检测：** - 高压漏点检测被集成进检测机，真空与压力衰减以及基于相机的胶塞位移监测则对无菌屏障完整性做出量化；修订后的 Annex 1 期望的正是确定性方法，而对熔封的吹灌封容器，视觉检测明确不能作为替代。 - 把密封性检测与相机、X 射线检测集成于同一系统并辅以 AI 图像处理，可使单一工位同时给出外观结论与完整性结论。 4. **架构、记录与换型：** - 分布式架构取代传统 CS 设计以提升灵活性与可扩展性，同时确保每一次检测可追溯、每一份数据可查、每一次操作可控——这正是 GMP 数据完整性的实际形态。 - 对临床、ATMP 与 CDMO 工况而言，约束条件是换型，因此紧凑的多品种小批量机型优化的是快速换规格与自动化设置，而非峰值支/分钟。 --- ## 价值链与生产 pipeline ### 自动视觉检测运行的工业 pipeline（EU GMP Annex 1、21 CFR Part 11，FDA / EMA / NMPA 框架） ``` ┌───────────────────────────┐ ┌───────────────────────────┐ │ 1. 配方与规格设置 │ ───> │ 2. 容器送入 │ └───────────────────────────┘ └───────────────────────────┘ │ ▼ ┌───────────────────────────┐ ┌───────────────────────────┐ │ 4. 缺陷分类 │ <─── │ 3. 多相机成像 │ └───────────────────────────┘ └───────────────────────────┘ │ ▼ ┌───────────────────────────┐ ┌───────────────────────────┐ │ 5. 完整性检测 │ ───> │ 6. 剔除处理与批记录 │ └───────────────────────────┘ └───────────────────────────┘ ``` #### 阶段 1：配方与规格设置 容器规格——安瓿、西林瓶、预充针或卡式瓶——以及溶液的颜色与透明度，确定照明几何、相机配置与分类模型。西林瓶方案通常覆盖 2 至 50 毫升区间内的数种瓶径，而在多品种小批量作业中，构成产能瓶颈的正是这一设置环节而非成像速度。 #### 阶段 2：容器送入 已灌装封口的单元由产线送入或经机械臂脱盘，随后旋转，使悬浮颗粒相对容器发生位移。操作刻意保持无接触，因为机械引入的气泡在相机看来与缺陷无异，会在分类开始之前就抬高误剔率。 #### 阶段 3：多相机成像 每一单元依次通过一系列相机工位，在多角度照明下以产线全速生成多视角图像集——高通量针剂机上可达每分钟 600 支预充针。嵌入式边缘 AI 处理器在该速度下以确定性方式完成推理，而不把分析推迟到下游。 #### 阶段 4：缺陷分类 算法为每一单元给出带缺陷类别的合格或剔除判定：纤维、玻璃屑或金属屑等可见异物、装量偏差、包括裂纹与脱片在内的玻璃外观缺陷，以及缺胶塞、缺铝盖等封口故障。颗粒灵敏度可达约 40 微米，而气泡与颗粒判别的优劣决定了产线会丢弃多少良品。 #### 阶段 5：完整性检测 在给出外观结论的同时，确定性完整性方法确认无菌屏障保持完好——集成于检测机的高压漏点检测，或真空与压力衰减及胶塞位移监测。对熔封容器而言该试验是强制而非可选，因为相机检测在法规上无法证明完整性。 #### 阶段 6：剔除处理与批记录 剔除单元被分离，可经故障安全的剔除复核再确认，规格需要时托盘自动补位。每支结果、操作动作与参数变更均写入支撑 21 CFR Part 11 电子记录的审计追踪，累积的缺陷数据则回流至下一轮运行的模型训练。