实现机器人分拣的技术问题之一是药盒检测，长期以来一直困扰着医药物流行业。困扰的原因有三个。

其一，药盒种类有很多种。目前，中国最新的医疗保险目录中有2643种药品，目录外的药品可能超过10万种，并且我国新药也处于不断研发阶段。

其二，药盒检测的背景相对复杂。药盒分层堆放在箱子中，下层会对上层的药盒造成较大的背景干扰。

其三，检测速度要求相对较快，检测和识别可以在几十到几百毫秒内完成。有排名医药物流企业的识别难度。它们通常采用传统的人工排序方法，工作量大，耗时长。

针对以上问题的解决方案：

  EasyDL专业版预置了多种优化网络，用户可以根据模型精度和预测速度的要求进行选择；同时，专业版还内置了百度自主开发的超大规模视觉预训练模型，该模型是基于百度海量数据进行大规模训练形成的。与使用公共数据集训练的预训练模型相比，效果显著提高。在套件检测场景中，优化的多网络选择和优秀的预训练模型，结合edgeboard VMX加速器卡在机械手上的离线部署软硬件集成方案，在药盒分类过程中，面对复杂的类型和背景问题，帮助开发者在短时间内完成高精度AI模型的开发和落地。

步骤1：使用业务领域收集的药盒数据，通过EasyDL专业版培训药盒识别模型，并迭代，直到识别精度满足要求。

步骤2：当模型离线部署时，在edgeboard VMX加速卡软硬件集成方案的帮助下，将其部署到分拣机械手上，缩短了机械手的分拣时间，提高了分拣效率。

步骤3：将机械臂应用于药箱物流场景，完成药箱检测、分拣和审核。