(19)国家知识产权局
(12)发明 专利申请
(10)申请公布号
(43)申请公布日
(21)申请 号 202211059408.7
(22)申请日 2022.08.31
(71)申请人 南京邮电大 学
地址 210003 江苏省南京市 鼓楼区新模范
马路66号
(72)发明人 王晨昕 成孝刚 宋丽敏 朱世远
朱家祥 胡斐 张艳彬
(74)专利代理 机构 南京纵横知识产权代理有限
公司 32224
专利代理师 邓东旭
(51)Int.Cl.
B25J 9/16(2006.01)
B25J 15/08(2006.01)
B25J 19/02(2006.01)
G06V 20/00(2022.01)G06V 10/26(2022.01)
G06V 10/44(2022.01)
G06V 10/764(2022.01)
G06V 10/82(2022.01)
G06N 3/00(2006.01)
(54)发明名称
一种面向SFX微流自动化制备的器皿抓取方
法
(57)摘要
本发明公开了机械臂控制技术领域的一种
面向SFX微流自动化制备的器皿抓取方法, 包括:
接收语音信号后进行预处理; 解析预处理后的语
音信号, 确定所指 的目标试剂信息; 根据目标试
剂信息进行相机重定位, 得到目标试剂的三维坐
标; 通过粒子群优化深度神经网络对机械臂的角
度进行矫正; 根据目标试剂的三维坐标, 利用训
练好的深度卷积神经网络模型控制机械臂循环
抓取操作 将化学试剂区的SFX反应所需目标试剂
的器皿抓取至微流实验平台。 本发 明设计合理且
成本低, 克服了现有技术的诸多不足, 具有良好
的鲁棒性。
权利要求书2页 说明书8页 附图2页
CN 115464640 A
2022.12.13
CN 115464640 A
1.一种面向SF X微流自动化制备的器皿 抓取方法, 其特 征是, 包括:
接收语音信号后进行 预处理;
解析预处理后的语音信号, 确定所指的目标 试剂信息;
根据目标 试剂信息进行相机 重定位, 得到目标 试剂的三维坐标;
通过粒子群优化深度神经网络对机 械臂的角度进行矫 正;
根据目标试剂的三维坐标, 利用训练好的深度卷积神经网络模型控制机械臂循环抓取
操作将化学 试剂区的SF X反应所需目标 试剂的器皿 抓取至微 流实验平台。
2.根据权利要求1所述的面向SFX微流自动化制备的器皿抓取方法, 其特征是, 接收语
音信号后进行预处理, 包括: 对时序序列Xm(n)后傅里叶变换为频域波形, 得到语音信号能
量, 再采用Mel滤波器进行Hm(k)滤波, 最后计算离 散余弦变化倒谱的MFC C特征参数。
3.根据权利要求1所述的面向SFX微流自动化制备的器皿抓取方法, 其特征是, 解析预
处理后的语音信号, 确定所指的目标试剂信息, 包括: 通过对语音信号的分析计算得到语音
特征信息, 在得到语音输入后和语音库中的语音数字特征信息进行比对, 确定语音命令所
指的物体信息, 将物体信息与终端数据库中的药品信息进行匹配, 比对成功则进行相 机重
定位, 比对失败则返回错 误提示并重新匹配。
4.根据权利要求1所述的面向SFX微流自动化制备的器皿抓取方法, 其特征是, 根据目
标试剂信息进行相机 重定位, 包括:
对相机进行离线标定, 以两个摄像机为基准点, 确定一个旋转矩阵与一个平移矩阵, 从
而将机械臂所使用的世界坐标系进行平 移和转换 得到双目相机坐标系;
分层空间分区, 在3D室内场景进行分层空间分区, 以构建决策树, 然后, 决策树中的每
个分割节点 不仅执行硬数据分区选择, 实际上还执 行了一个物理意 义上的3D几何区域;
建立神经路由函数, 给定从2D视觉观察中采样的输入点, 分割节点需要确定要去的世
界空间中哪个分割的子区域, 采用一种实现为深度分类网络的神经路由函数, 用于学习拆
分策略;
构建离群点剔除模块, 处理潜在的动态输入点, 将这些点视为离群值, 并在决策树的分
层路由过程中拒绝它 们;
根据相机参数通过物 理与像素转换得到图像的像素坐标系, 从而计算出目标试剂在图
像物理坐标系中的实际坐标值。
5.根据权利要求1所述的面向SFX微流自动化制备的器皿抓取方法, 其特征是, 通过粒
子群优化深度神经网络对机 械臂的角度进行矫 正, 包括:
样本采集, 输入样本是不 准确的三维坐标值, 输出样本是期望的三维坐标值;
初始化, 对中间多个神经 元的权值跟阈值进行 赋值;
将训练样本 输入到网络中, 通过传递 函数计算出网络的实际输出;
根据目标输出和实际输出求得一般化 误差;
根据一般化误差对中间多个神经元的权值跟阈值进行矫正, 直至神经网络的全局误差
小于设定的误差;
粒子群优化的误差函数;
通过广义回归神经网络GRN N进行求逆解, 从而求出 各个电机的角度。
6.根据权利要求1所述的面向SFX微流自动化制备的器皿抓取方法, 其特征是, 所述深权 利 要 求 书 1/2 页
2
CN 115464640 A
2度卷积神经网络模型通过如下步骤训练:
收集不同规格的容器样本, 并做好试剂标签分类;
生成容器样本均值文件;
建立深度卷积神经网络;
使用参数文件进行深度卷积神经网络参数调节操作。
7.根据权利要求6所述的面向SFX微流自动化制备的器皿抓取方法, 其特征是, 建立深
度卷积神经网络, 具体包括如下步骤:
修改输出神经元的个数, 将来自最底层的数据类型ImageData类型转换成LMDB格式, 然
后进行网络初始化;
剪切图片并设置好顶层图片维数, 通过卷积层对相机采集的图片进行特征提取, 不同
层的局部特征通过神经网络连接后输出图像整体的图像特征, 每张采集数据与其权重相乘
后加上偏置因子就可以得到网络中间层的输出 结果;
通过降采样层对卷积层的输出进行平均池化, 降低输出数据的维数, 进行全连接, 训练
后可以得到不同参数 下的输出 数据;
反向计算遍历所有数据, 再根据顶层的梯度数据计算出偏置梯度, 根据底层数据和顶
层的数据梯度相乘计算出权重的梯度, 然后顶层数据梯度与权重相乘得到底层的数据梯
度。
8.根据权利 要求1所述的面向SFX微流自动化制备的器皿抓取方法, 其特征是, 所述SFX
反应所需目标试剂的器皿抓取至微流实验平台后, 运行化学反应的决策脚本, 调用将机械
臂运动至微流反应器控制终端界面处, 相机摄录界面同时进 行OCR检查, 所述机械臂触控进
行微流反应器初始 化参数的设置, 待反应器正在预热时根据决策脚本进 行管道与瓶塞的物
理位移操作, 使刚抓取 的化学试剂顺利连接至反应器泵, 预热成功后进行反应的安全性检
查, 所述服务器终端判断满足反应条件后开始后续的SF X的制备过程。权 利 要 求 书 2/2 页
3
CN 115464640 A
3
专利 一种面向SFX微流自动化制备的器皿抓取方法
安全报告 >
其他 >
文档预览
中文文档
13 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
温馨提示:本文档共13页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 人生无常 于 2024-03-18 04:40:06上传分享