注射中成药分拣老出问题，上AI系统值不值？

凌晨三点，这批货到底混没混？

上个月，一家苏州的注射中成药厂，差点捅了个大篓子。凌晨三点，夜班班长发现，两条10ml规格的生产线，有一批标签批次打印错了。更要命的是，这两条线刚停，下一批次的瓶子已经上了传送带，准备灌装。

班长心里咯噔一下：刚才那批打错标签的瓶子，有没有几个混到传送带上？赶紧叫停，把线上和灌装好没贴签的几百瓶全扒拉下来，打着手电筒，一瓶一瓶对着灯光看瓶盖上的批号钢印。四个人折腾了一个多小时，眼睛都看花了，最后也没法百分百确定。

最后怎么办？为了保险，这几百瓶连同前一批次灌装好的几千瓶，全部报废处理。光是物料成本就小十万，更别提耽误的交货期和后续的产能空耗。

说实话，这种事儿，在注射中成药行业里，一点都不新鲜。你可能也遇到过：

• 瓶盖歪斜、压盖不严，肉眼在流水线上一晃而过，很容易漏掉。

• 标签贴歪、贴错、漏贴，尤其是不同规格、不同批次的瓶子紧挨着上线的时候。

• 玻璃瓶身有裂纹、结石、气泡，在灯检背景光下，新员工看几分钟眼睛就花了，疲劳后漏检率直线上升。

• 铝盖颜色、规格有差异，来料批次多，人工记忆不准，混用导致后续问题。

这些问题，平时可能只是零星客诉。但一旦在月底赶货、夜班疲劳、或者用了大量临时工的时候，就很容易集中爆发。轻则返工，重则整批报废，甚至引发质量事故。

为什么人工分拣这么难搞？

表面上看，是员工不仔细、管理不到位。但往深了想，有三个硬伤，靠人是很难解决的。

人的状态不稳定

这是最大的变数。白班和夜班，效率能差15%。刚上班精神饱满和连续看检2小时后，判断标准会不自觉放松。老师傅经验足，但速度慢；新员工或临时工速度快，但错误率高。旺季为了保产量，质检环节常常被无形中压缩时间。

判断标准难统一

什么叫“轻微歪斜”？多大算“明显气泡”？不同班组的班长，尺度都可能不一样。全凭个人经验，无法形成稳定、可量化的标准。这就导致不同批次、不同班次的产品，质量一致性其实有波动。

信息追溯靠不住

现在都讲追溯，人工分拣怎么追溯？靠纸质记录，容易错漏；靠扫码，但漏检的瓶子本身就没被记录。真出了事，想查清楚是哪个环节、哪个人、哪台设备的问题，非常困难，最后往往是一笔糊涂账。

以前也不是没想过办法。加人盯着，成本上去了，错误率也没见降多少；上简单的光电传感器，只能判断“有无”，分不清“对错”；买高价的进口自动灯检机，动辄几百万，对很多中小厂来说，回本压力太大。

AI分拣的核心思路：把人眼和大脑的经验“固化”下来

解决这类问题的关键，不是找更认真的人，而是把“标准”和“判断”这件事，从人身上剥离出来，交给一个不知疲倦、标准统一的系统。

AI视觉分拣，干的就是这个事。它的原理并不玄乎：

1. 学经验：先用高清工业相机，从各个角度拍下大量“合格品”和“各种缺陷品”的照片。相当于把老师傅几十年见过的所有坏瓶子，都存到电脑里。

2. 建标准：AI算法学习这些照片，自己总结出“合格瓶盖”应该长什么样，“歪标签”的角度偏差多少算不合格，“裂纹”的形态有什么特征。这个过程，就是把模糊的“经验”变成精确的“数字标准”。

3. 做判断：生产线上的瓶子经过时，相机瞬间拍照，AI拿这张照片去和它学到的“标准”做比对，毫秒级内给出结果：合格、不合格，具体是哪种缺陷。

4. 执行动作：系统联动机械臂或吹气装置，把不合格品精准剔除。

它强就强在两点：一是稳，24小时一个标准，不累不眨眼；二是快且准，能同时检查瓶盖、标签、瓶身、液位（如果透明）等多个项目，这是人眼做不到的。

看个真实案例：一家佛山中药注射剂厂的做法

这家厂主要生产5ml和10ml两种规格的注射液，年产值大概8000万。他们的痛点很典型：标签贴错、混规格。

他们没一上来就搞全自动线改造，而是在包装前的复检环节，上了一套AI视觉分拣系统。具体是这样：

• 投入：在两条包装线前端，各装一套视觉检测工位（含相机、光源、工控机、剔除装置），总投入在25万左右。

• 解决什么问题：专查“最后一关”。确保进入包装盒的每一个瓶子，标签内容、批次号、规格图案100%正确，瓶盖无异常。

• 怎么做的：系统提前录入当前批次正确的标签模板。每个瓶子经过时，AI核对标签上的文字、数字、条码、LOGO位置，有任何一处对不上，立刻剔除。同时检查瓶盖是否压紧、有无明显瑕疵。

  

运行半年后，效果出来了：

• 包装环节的标签错误投诉直接归零。以前每个月总会有几起客户反馈“一盒里有一个标签不对”的情况，现在彻底没了。

• 间接省了2个复检工位。原来这个环节需要人工目检，现在只需要一个人处理剔除出来的不良品并做记录。一年省下人工成本12万左右。

• 质量追溯清晰了。任何被剔除的瓶子，系统都保存了当时拍到的缺陷照片和精确时间，责任界定一目了然。

老板算过账，硬件投入加上软件和调试，大概25万，省下的人工和避免的潜在报废/客诉损失，一年半左右回本。更重要的是，心里踏实了，再也不怕因为贴错标签被客户罚钱甚至停单。

你的厂适合上吗？从哪入手？

不是所有厂都需要立刻上全套。根据你的情况，可以分三步走。

先看你的痛点集不集中

如果你的问题分散在各个环节，那先别急。但如果80%的质量投诉或内部报废，都集中在某一个点上，比如“全是标签问题”或者“全是瓶盖问题”，那这个点就是最好的AI切入场景。

效果最快、最明显的，通常是这几个环节：

1. 包装前终检：防止任何有瑕疵的瓶子流入市场，价值最高。

2. 贴标后检查：专治标签各类错误，效果立竿见影。

3. 灌装后灯检替代：用AI做澄明度、异物检测，替代部分人工灯检工位，适合瓶子规格统一、产量大的生产线。

预算要准备多少？

这个差别很大，主要看你要检测的项目和速度。

• 简易型：只检单一项目（比如只检标签对错），速度要求不高（每分钟100瓶以下），用国产主流配件，10-18万能拿下一套（单工位）。

• 标准型：同时检2-3个项目（标签+瓶盖+异物），速度中等（每分钟200-300瓶），20-35万一套。上面佛山的案例就在这个区间。

• 复杂型：高速线（每分钟500瓶以上）、多角度检测、需要联动机器人精密剔除，50万以上。

对于大多数年产值在3000万到2亿之间的注射中成药厂，我建议从标准型入手。在包装或贴标后环节试点，投入可控，效果可见，风险也低。

找供应商，重点看什么？

别光听销售吹算法多牛。给你几个实在的考察点：

1. 有没有同行业案例：最好不是“医药行业”，而是“注射剂”或“口服液”这类具体案例。让他提供视频或带你去看。

2. 现场测试数据：要求用你厂里实际生产的瓶子（好坏都要）做现场测试。看检出率、误剔率（好瓶子被当成坏的概率）。好的系统，检出率能到99.5%以上，误剔率低于0.1%。

3. 后期谁维护：算法要不要持续收费？相机、光源坏了找谁换？软件升级怎么办？这些一定要在合同里写清楚。

4. 对接难度：你的生产线要不要大改？通讯接口是否开放？最好找能和你现有设备（贴标机、包装机）简单联动的供应商。

给想尝试的朋友

AI分拣不是什么神秘高科技，现在国产的方案已经很成熟，它就是一套更聪明、更稳定的“自动眼睛”。

对于注射中成药厂来说，它最大的价值不是省那两个人，而是堵住那些让你夜里睡不着觉的质量漏洞，让出厂的产品心里有底，让管理变得可测量、可追溯。

一开始别贪大求全，找个最痛的环节，扎进去做透。看到实效了，再慢慢铺开。任何技术落地，都是解决具体问题，而不是为了赶时髦。

准备动手之前，建议先用“索答啦AI”做个初步评估，了解一下投入产出比，再决定要不要上。