人工智能促进空井检测

Ziath报告了人工智能的突破性应用，该技术能够区分样管架中的空井和有管的井，后者可能具有模糊或呈现不良的条形码。

这项开创性的工作是与赫特福德郡大学(英国)合作完成的，是将于2021年底左右推出的下一代Ziath条形码管扫描仪开发计划的一部分。

DataMatrix条形码在跟踪和追踪生物和化合物样品方面发挥着关键作用。这些条形码通常被激光蚀刻在样管的下面，然后这些样管被储存在架子上。使用条形码阅读器扫描支架底部并一次性解码所有条形码来识别管，可以正确识别哪个位置有管，哪个是“空井”。

环境照明、背景图像噪声、条形码激光的变化和材料质量都导致了传统机器视觉技术的检测困难。为了进一步改进样品跟踪和追踪，下一代管扫描器和读取器必须能够真正区分空井和有管的井，管中可能有模糊或呈现不良的条形码。

来自赫特福德大学的Alexander Beasley博士是一位具有机器学习经验的嵌入式系统设计工程师。Beasley博士与Ziath密切合作，使用卷积神经网络(CNN)技术从Ziath基于摄像头的条形码阅读器中提取图像的特征。在这个开发项目中，他采用了CNN的概念，并将其具体应用于在datamatrix条形码管架中区分空井和满井。

Beasley博士评论说:“我选择的CNN设计得非常轻，可以快速执行。与现有的启发式方法相比，CNN方法的执行速度几乎快10倍，几乎100%的准确率。”

Ziath在其最新版本的DP5控制软件中实现了新的空井检测功能，为客户立即提供了新技术的全部好处。

Ziath的总经理Neil Benn说:“这只是我们与亚历山大和赫特福德大学团队合作的第一个成果。我们期待这个项目能够彻底改变我们解码DataMatrix管的方式，并帮助我们生产下一代更快、更轻、无处不在的管架阅读器。这是一个令人兴奋的发展，很快就会改善各地科学家的样本跟踪和追踪。”