药片以每秒83片的速度在流水线上飞驰，人工目检在高温与反光中艰难支撑，漏检与合规风险如影随形。边缘AI视觉将算力下沉至产线终端，以毫秒级响应与微米级精度，让机器学会"看见"与"判断"。这不是天方夜谭，而是一家制药企业正在书写的质检变革实录。

一、企业背景与AI现状描述

HLA公司是一家全球领先的消费健康产品制药企业，在中国设有大型固体制剂生产基地，主要生产口服片剂、胶囊剂等数十种产品，年产量达数十亿片。工厂拥有多条高速自动化压片、包装生产线，产品远销全球多个国家和地区。作为跨国药企，HLA对药品质量管控执行全球统一标准，并持续关注中国本土法规变化。

在生产数智化方面，HLA已完成产线自动化改造，MES、SCADA等信息系统实现初步覆盖。但在质量检测这一关键环节，公司仍高度依赖传统人工目检——每条生产线配备4名质检工人，在检片机旁长时间值守。面对2025版《中国药典》对固体制剂含量均匀度提出的更严苛要求，以及逐年攀升的人力成本，HLA管理层虽认可AI技术的战略价值，但对"机器能否真正替代人眼"持观望态度。

尤其是在复杂光照环境下，对于接近完整尺寸的微小残片、断片，常规成像设备难以稳定捕捉，业界也缺乏成熟的标杆案例可供参考，导致AI转型在检测环节迟迟未能破局。

二、发现存在的问题描述

走进HLA固体制剂车间，四名身着全套洁净服的质检工人并排坐在检片机旁，目光紧盯传送带上飞速掠过的药片。车间温度恒定在25℃以上，加上防护装备的闷热，不到两个小时，工人们的眼神便显露出疲态。白色传送带在LED灯照射下泛着反光，药片边缘变得模糊难辨。

"最怕那种只缺了五分之一的断片。"质检组长李师傅揉着眼睛说，"颜色和正常药片几乎一样，尺寸就差那么一点儿，看久了真的分不清。皮带一反光，连轮廓都发虚。"另一名年轻工人补充道："盯两个小时以上，眼前全是药片在飘，漏掉几个自己都不知道。"

数据印证了工人的无力感：过去半年，因人工漏检导致的客户投诉达5起，其中3起涉及药片缺损。企业内部自测显示，对于4/5大小的残片，工人在持续工作2小时后的识别率不足70%。更为棘手的是，2025版《中国药典》对固体制剂的含量均匀度提出了更严格的标准——残片、断片正是含量偏差的直接物理表征，任何遗漏都可能触碰合规红线。

更深层危机在于产能扩张计划。新产线即将投产，若继续沿用4人/线的配置，仅质检环节就需增配20余人，年人力成本增加超200万元。管理层意识到：依赖"人眼+经验"的传统质检模式，已成为制约生产效率、合规保障与成本控制的多重瓶颈，再不变革，企业将在新一轮行业竞争中陷入被动。

三、项目启动与项目规划

2025年11月初，HLA中国区质量总监在月度质量风险评审会上，正式提出启动"皮带线药片断片、残片智能检测"AI改造项目，目标明确：以边缘AI视觉系统替代人工目检，检测准确率≥99.9%，漏检率≤5/10万片，单线人力从4人减至1人。

项目立项申请于11月10日获得亚太区总部批准，预算总额180万元。HLA随即组建跨部门项目团队，质量部、生产部、工程部、IT部分别指派骨干参与，外部由AI技术提供商YB智能负责方案实施。11月15日，公司发布正式任命通知，由具有10年制药行业质量管理和自动化项目经验的质量工程经理王某出任项目经理，全面负责项目统筹协调、供应商管理、风险控制及最终交付验收。

项目规划分三阶段推进：第一阶段（2025年11月下旬至12月中旬），完成现场勘测、需求确认与技术方案设计；第二阶段（2025年12月下旬至2026年2月），完成系统部署、算法训练及产线联调；第三阶段（2026年3月），开展试运行、人工对比验证、操作培训及正式验收交付。各阶段设立明确里程碑节点，每周召开项目进度例会，确保项目按计划有序落地。

四、我们碰到的问题与解决措施

接到任命后，我的第一反应不是打开电脑写计划，而是穿上洁净服走进车间。连续一周，我每天蹲守在检片工位旁，观察工人如何操作、如何判断、如何应对异常。我发现一个被技术方案遗漏的关键细节——车间的LED灯光打在白色传送带表面，因皮带存在细微磨损和划痕，产生不规则漫反射，药片边缘在相机画面中形成光晕模糊，严重影响成像质量。

第一阶段：理论方案的"水土不服"  

项目启动初期，YB智能工程师提出采用标准工业相机配合平行光源进行检测成像。但现场实测时问题频出：车间顶部高频闪烁的荧光灯干扰了相机帧率同步，传送带速度存在约±5%的波动影响药片定位，而最头疼的是反光问题——平行光打在磨损皮带上依然会产生散射，边缘轮廓提取始终不理想。

我召集YB智能技术团队与HLA工程部开了三次现场攻关会。YB智能算法负责人张工坦言："实验室环境太干净了，车间的复杂光照和反光是我们之前低估的变量。"我们没有绕道走，而是逐项攻克：将相机替换为120FPS高帧率工业相机，配合环境光频闪补偿；针对传送带速度波动，引入编码器实时同步触发机制；至于反光问题，技术团队创新性地采用了偏振光结合多角度补偿算法，从软件层面消解漫反射干扰，同时引入基于视频流的多帧投票机制——连续采集多帧图像，只有超过半数帧均判定缺陷才输出不合格信号，系统性降低单次误判风险。经过两轮现场调优，成像质量达到预期标准。

第二阶段：从"能检测"到"精准检测"的突围 

真正让团队压力倍增的是第二阶段。HLA在一条产线上同时切换生产20余种不同颜色（白、黄、橙）、不同形状（圆形、椭圆、异形）的药片，而残片、断片在正常生产中本就属于小概率事件，缺陷样本严重不足。初版AI模型在白色圆形药片上表现优异，但遇到黄色椭圆形药片时误检率骤然升到8%——模型将正常的旋转角度变化误判为形状异常。

我决定打破常规，组织了一场"车间现场会诊"。我请来李师傅等两位资深质检员，对着系统误判的图像逐张分析。李师傅指着一张被系统判为"残片"的椭圆药片说："这没坏，是压片时边缘沾了点辅料粉末，我们看一眼就知道没事。"这句话提醒了我们——模型缺乏的是"药片制造工艺"层面的知识，而非单纯的视觉特征。

我和张工商议后调整了技术路线：在亚像素处理（将1个物理像素细分为1/100精度）基础上，增加自动尺寸测量模块，对每个药片的长轴、短轴、面积、圆度做精确量化分析，并引入颜色通道独立检测。同时，YB智能团队从HLA的历史留样库中采集了更多不同形态的正常药片图像，采用对比学习方法增强模型的泛化能力。经过三轮模型迭代，椭圆药片的误检率从8%降至0.3%，所有颜色品种的综合准确率达到99.93%。

第三阶段：让人与机器"握手言和" 

试运行前一周，产线工人中弥漫着不安的情绪。有工人私下问我："王经理，这个机器装好是不是我们就该走了？"为了化解抵触心理，我调整了培训方案——不单纯讲操作步骤，而是请工人和系统"比试"了一番：在同一批药片中，让系统与李师傅团队分别检测，结果系统检出了3片人工漏掉的微小残片。这个"实战对比"让工人们心服口服。

培训结束后，我请李师傅担任"一线技术顾问"，后续新药片换型时，由他配合YB智能工程师完成首批参数配置和验证。这个安排让李师傅从"被替代者"变成了"赋能者"，整个团队的接受度大幅提升。

2026年3月底，系统完成120小时连续试运行验收。数据定格在：检测速度5000片/分钟，准确率99.93%，每10万片漏检2片、误检4片。四条产线从16人减至4人轮值，人力成本降低75%。更重要的是，系统自动记录的检测图像和尺寸数据，在验收后第二周就派上了用场——质量部通过数据回放发现某批次药片尺寸呈渐进式变化，追溯排查出压片机模具轻微磨损，及时排除了批量质量隐患。李师傅感慨道："这机器不但能顶眼睛，还能当'侦探'。"

五、对企业AI转型的作用意义

1. 验证了"AI替代人工目检"的经济可行性。

本项目以≥99.9%的准确率和75%的人力降幅，在高速制药产线上实现了规模化验证，为HLA后续扩产提供了"不加人、提质量"的明确路径，投资回收期预计不超过18个月。

2. 开辟了"以技术手段系统性应对监管升级"的新范式。

系统以亚像素级测量精度和全链路图像数据追溯能力，帮助企业以自动化手段响应2025版《中国药典》的合规要求，将被动应对转变为主动预防。

3. 沉淀了一套可复制的制药检测智能化实施方法论。

从产线适配、模型迭代到人员转型的全流程经验，已被纳入HLA全球质量体系数字化规范，并在集团内启动推广。更重要的是，这套"通用检测能力+行业工艺知识"的融合模式，也让团队看到向食品、电子等领域横向复制的可能性。