一种面向螺芴氧杂蒽的微流自动化投料装置及方法

    公开(公告)号:CN116532046A

    公开(公告)日:2023-08-04

    申请号:CN202310815250.X

    申请日:2023-07-05

    摘要: 本发明公开一种面向螺芴氧杂蒽的微流自动化投料装置及方法,属于计算机视觉、机器人技术以及有机合成的交叉领域。装置包括微反应器平台、机器人模块、视觉辅助系统模块和控制模块。其中视觉辅助系统模块包括目标检测模块、化学标签识别模块和化学器皿内材料类型识别模块,目标检测模块用于检测目标反应瓶、目标药品;化学标签识别模块用于识别目标药品的药品标签图像,确认是否为所需的目标药品;化学器皿内材料类型识别模块用于监测反应瓶内的物料变化,确定是否完成投料。本发明能够实现螺芴氧杂蒽连续流合成的自动化投料。

    一种面向螺芴氧杂蒽的微流自动化投料装置及方法

    公开(公告)号:CN116532046B

    公开(公告)日:2023-10-10

    申请号:CN202310815250.X

    申请日:2023-07-05

    摘要: 本发明公开一种面向螺芴氧杂蒽的微流自动化投料装置及方法,属于计算机视觉、机器人技术以及有机合成的交叉领域。装置包括微反应器平台、机器人模块、视觉辅助系统模块和控制模块。其中视觉辅助系统模块包括目标检测模块、化学标签识别模块和化学器皿内材料类型识别模块,目标检测模块用于检测目标反应瓶、目标药品;化学标签识别模块用于识别目标药品的药品标签图像,确认是否为所需的目标药品;化学器皿内材料类型识别模块用于监测反应瓶内的物料变化,确定是否完成投料。本发明能够实现螺芴氧杂蒽连续流合成的自动化投料。

    一种基于yolo改进的物体智能检测方法及系统

    公开(公告)号:CN113723217A

    公开(公告)日:2021-11-30

    申请号:CN202110907348.9

    申请日:2021-08-09

    摘要: 本发明提供了一种基于yolo改进的物体智能检测系统,解决了现有的yolo网络不能检测物体摆放角度的问题。该方法包括:获取待测物体图片;将待测物体图片输入训练好的智能识别网络模型中,获取检测结果和对应的物体角度。所述智能识别网络模型基于深度学习框架Pytorch构建,以yolo网络模型为基础,采用Darknet‑53模型结构,包括53个卷积层、23个残差模块、5次降采样、3个不同尺度下的预测结果输出端以及设置在各预测结果输出端上的attention模块。本发明在原有yolov3网络的基础上,增加了attention模块,在不降低物体识别精度的条件下,完成对物体角度的检测,有利于机械抓手根据角度准确抓住物体。