一、研究背景

血液制品是现代医疗体系中至关重要的组成部分，然而，血液制品的生产过程复杂且严格，从原料血浆的采集、加工、纯化到最终产品的质量检测，每一个环节都需要极高的精确度和安全性。因此，需将信息化、数字化、智能化与血液制品生产过程深度融合，逐步重塑血液制品生产管理新格局。传统依靠人力监管的方法虽然在一定程度上保证了血液制品的质量，但是受限于人力、时间、技术等方面的约束，往往存在管理效率低、准确性不足、反应滞后等问题。需要利用人工智能技术通过实时检查生产过程，找到重大风险源并辅助企业管理人员采取相应的管控措施，也为监管部门在血液制品生产质量安全监管方面提出新思路。

二、研究内容

为实现将血液制品生产管理过程从传统的效率低、响应滞后的人工检查方式转变为实时的智慧监管模式。本课题从传统管理模式重点关注的生产环节出发，通过人工智能技术与血液制品生产场景深度结合，构建能够灵活配置的AI检查员模型算法库，形成基于机器视觉的“AI检查员”平台，辅助企业管理人员进行现场监管，并通过信息化、智能化手段，自由组合不同算法适应不同的应用场景，从而提升管理效率和生产质量管控水平，减少人工成本和操作失误。

图 基于机器视觉的血液制品生产过程人工智能监测的研究

四、应用成效

通过基于机器视觉的血液制品生产过程人工智能监测的研究与应用，推动了血液制品生产监管从人工实时检查向智慧监管升级。其依托图像识别、数据建模等技术，实现监管效能与精准度的双重提升。在效率层面，它打破人工监管的时空限制，支持7×24小时全天监测。在精准度层面，该系统可实现像素级的图像精细分割与目标锁定追踪，有效降低漏检、误检率，通过对生产监管流程、预警处置标准流程，以及海量监管数据建模进行分析实现风险预警，形成“感知-记忆-思考-预警”的闭环管理。此外，“AI 检查员” 推动监管流程标准化，减少人为干预偏差，助力监管资源向重点领域倾斜，为数据驱动科学决策提供有力的支撑，加速传统监管模式向智慧化监管模式转型。（田雅轩、孙乔）

课题组其他成员：曹明、都艳茹、邵飞