自动分杯处理系统视觉识别模型

自动拍照监测功能,搭载高效AI智能识别系统,可以准确有效识别加样是否成功等异常情况。
业务场景
01
用户需求

核酸检测分杯处理系统,具有2组6*2的吸管,从核酸采样试管中吸取溶液,转移到检测试管。

通过工业相机,拍摄取样试管的照片,采用AI对照片分析,确定试管取样是否符合检验要求,对于不满足要求(未吸到、有气泡、量少等)的试管,进行提示和告警。

由于不同生物公司使用的吸管材质不同,颜色不同,核酸溶液存在透明,红色等多种颜色,加上拍照中的光线问题等,给图像识别带来了很多挑战。

如果用人工方式来识别不合格吸液,工作量大,容易疲劳,难以执行。

02
传统算法的问题
通过工业相机拍摄试管图像,对图像进行灰度化、滤波,图像增强后,利用 LoG 边缘检测算法结合数字形态学操作得到边缘图像,最后得出准确的图像液位高度。
存在如下的不足:
1、检测速度慢
需要对图片中的试管一根根的切割出来,单根试管,一根根进行处理,检测时间超过1秒;
2、识别率不高
双排试管拍摄图片效果差、干扰多,液位检测不准确,平均准确率仅有80%左右。
03
解决方案
基于神经网络框架,构建乐慕分杯视觉深度学习模型,实现了对像自动分类、吸管自动定位、吸液质量智能判断的功能。识别度速度快,小于0.1秒/管;识别正确率高,正确率高于99.3%;并实现模型参数动态配置,可适配各种场景的吸液环境和不同的视觉条件,极大提高了分杯系统的整体工作效率。
核心优势
基于深度学习的吸液自动判定模型
在开源深度学习模型基础上,开展优化,对海量的吸液图片作了有效处理,标注,分为合格,不合格和气泡几种类型, 并对液体高度作了标注。基于海量数据训练的模型,识别准确,识别速度快,得到了客户的一致好评。
经过海量数据测试和实际验证
识别24个试管吸液仅需要0.5秒的时间,识别准备率高达99%以上,超过了人眼判定的水平。 并可以识别液面高度,对于不达高度的自动判定不合格。目前标注和训练了上百万图片,识别了上千万张核酸分杯图片,获得客户的广泛好评。
应用场景
自动分杯处理系统 (ASC-24P)
全自动分杯处理系统(ASC-24P)是一种移液工作站,仪器基于导轨的精准定位能力,通过道的精准定位、开盖、移液,完成对样本的分杯操作,操作自动化且快速、简便,一次性可进行1-192个样本的分杯处理。ASC-24P内含24通道独立移液模块,移液范围50uL-600uL,可实现样本从管内到深孔板内的精准移液,移液好的深孔板可直接放入核酸提取仪进行核酸提取,无需额外手工操作,搭载高效AI智能图像识别系统,可以准确有效识别加样是否成功。
1、自动拍照监测功能,搭载高效AI智能识别系统;
2、可以准确有效识别加样是否成功等异常情况;
3、内嵌显示屏,操作界面直观易用,运行过程中可实时显示运行状态和结果。
其他产品
联系我们
联系方式
400-885-6509
企业邮箱
Lemore@stpass.com
商务留言
一键留言