[AI行业案例]-EasyDL物体检测助力医药物流行业高效药盒分拣

资讯社区文档

控制台

全部客户案例 - 浙江工业大学

浙江工业大学

浙江工业大学信息工程学院学院拥有控制科学与工程一级学科博士学位点和博士后流动站，是浙江省属高校电子信息领域中最早拥有博士学位点和最早拥有博士后流动站的学院。

使用产品

支持与交流

EasyDL物体检测助力医药物流行业高效药盒分拣

价值成果

浙江工业大学的付老师基于EasyDL专业版内已进行优化的YOLOV3、Fast-RCNN等预置网络，使用版物体检测模型，帮助合作企业在短时间内快速训练得到药盒检测分拣模型；并借助EdgeBoard-VMX加速卡软硬一体方案，配合机械臂控制团队迅速实现机械臂高效药盒分拣，为药盒物流行业中的分拣难题提供了可行的解决方案。在具体实际应用中，EasyDL专业版的物体检测模型3D定位精度在1-2mm，姿态精度在1度左右，机械臂臂展较长，通常为1.3或1.5米，完成一次分拣任务的周期可低至7-8秒左右，机械臂支持24小时不间断工作，分拣效率相比人工大大提升。

案例故事

核心诉求

药盒检测是实现机器人分拣的技术难题之一，困扰医药物流行业许久。有三点原因，首先，药盒的种类非常多，现在我国最新的医保目录内药品有2643种，目录外药品更多（可能超过了10万种），而且不断有新药在研发。第二，药盒检测的背景比较复杂，药盒是分层堆积在药箱里的，下层会对上层的药盒产生比较大的背景干扰。第三，要求检测速度比较快，几十到几百毫秒时间完成检测识别。因此，医药物流企业进行药盒检测难度大，通常采取传统人工分拣的方式，工作量大，耗时长。

解决方案

EasyDL专业版预置了优化过的多种网络，用户可以根据对模型精度、预测速度的要求进行选择；同时，专业版中也内置了百度自研超大规模视觉预训练模型，基于百度海量数据进行大规模训练而成，相较使用公开数据集训练的预训练模型，效果有明显提升。在药盒检测场景中，优化的多种网络选择与效果优秀的预训练模型，配合EdgeBoard-VMX加速卡软硬一体方案在机械臂上的离线部署，助力开发者在面对药盒分拣过程中复杂的种类与背景难题时，短时间内完成高精度AI模型的开发与落地。

第一步：使用业务实地采集的药盒数据，通过EasyDL专业版物体检测训练药盒识别模型，迭代至识别精度满足需求。

第二步：在模型离线部署时，借助EdgeBoard-VMX加速卡软硬一体方案，将其部署到分拣机械臂上，缩短了机械臂的分拣时长，提高了分拣效率。

第三步：讲机械臂应用到药盒物流场景中，完成药盒检测与分拣、复核。