基于图像监测的微量移液技术的研究
为了提高生化分析仪微量移液的可靠性,提出了一种基于图像分割法的移液故障判断和移液量检测系统。基于STM32微控制器,利用速度位置双闭环PID (proportion-integral-derivative,比例-积分-微分)算法控制微量移液系统的步进电机,设计了生化分析仪的自动移液控制系统。采集移液过程图像作为样本图像,建立了移液数据集。分别对剪枝前后的U-Net神经网络模型进行训练,并比较模型的计算量、参数量和平均交并比。通过剪枝后U-Net模型对移液区域的分割和处理,实现移液系统的故障判断,并结合移液吸头的几何特征建立移液体积模型,以计算移液体积。进行了基于图像分割法的微量移液实验,对移液误差进行分析,并利用最小二乘法、亚像素角点检测和极限学习机进行误差补偿。结果表明,剪枝后U-Net神经网络模型的计算量、参数量和平均交并比分别下降了47.30%,93.99%和0.61%,模型运行效率显著提升。针对10,50,100 μL的检定点,微量移液系统的移液精度分别达到1.72%、1.36%和1.39%,满足微量移液系统的精度设计要求。基于图像分割法的移液监测系统能够有效判断移液故障并检测移液体积。研究结果对微量移液技术的发展起到一定的推动作用。