TARGETED APPLICATION OF DEEP LEARNING TO AUTOMATED VISUAL INSPECTION EQUIPMENT

In a method for enhancing accuracy and efficiency in automated visual inspection of vessels, a vessel containing a sample is oriented such that a line scan camera has a profile view of an edge of a stopper of the vessel. A plurality of images of the edge of the stopper is captured by the first line scan camera while spinning the vessel, where each image of the plurality of images corresponds to a different rotational position of the vessel. A two-dimensional image of the edge of the stopper is generated based on at least the plurality of images, and pixels of the two-dimensional image are processed, by one or more processors executing an inference model that includes a trained neural network, to generate output data indicative of a likelihood that the sample is defective. En un método para potenciar la presión y la eficiencia en la inspección visual automatizada de recipientes, un recipiente que contiene una muestra se orienta de tal modo que una cámara de exploración de líneas tiene una vista de perfil de un borde de un tapón del recipiente. Una pluralidad de imágenes del borde del tapón es capturada por la primera cámara de exploración de líneas mientras se gira el recipiente, donde cada imagen de la pluralidad de imágenes corresponde a una posición de rotación diferente del recipiente. Se genera una imagen bidimensional del borde del tapón basándose al menos en la pluralidad de imágenes, y pixeles de la imagen bidimensional son procesados, por uno o más procesadores que ejecutan un modelo de inferencia que incluye una red neuronal entrenada, para generar datos de salida indicativos de una probabilidad de que la muestra sea defectuosa.