对实验进行"监视":用于实时监控和控制的计算机视觉

科学领域:

• 化学工程是化学工程的重要组成部分.
• 自动化和控制系统自动化和控制系统
• 计算机视觉 计算机视觉

背景情况:

• 监测化学加工过程的传统方法通常是手动的,耗时的,缺乏实时数据采集.
• 需要自动化,非侵入性监测工具,可以为各种实验技术提供快速数据收集和分析.

研究的目的:

• 开发和演示可通用的计算机视觉 (CV) 和机器学习 (ML) 模型,用于各种工作流程的实时自动化监控和控制.
• 展示一个单一的,灵活的平台,能够监控多个物理输出,并支持各种基于视觉的实验技术.

主要方法:

• 开发用于自动化流程监控的计算机视觉和机器学习模型.
• 同时监测多个物理输出 (液体水平,均性,度,固体,残留物,颜色).
• 与Mettler-Toledo的iControl软件集成,用于集中数据收集,可视化和存储.

主要成果:

• 证明了该模型对各种技术的适用性,包括溶剂交换蒸,结晶,混合和提取.
• 获取定性 (视频) 和定量 (视觉输出测量) 数据以进行交叉验证.
• 由于数据表现一致,成功地在不同实验室进行技术转让和结果复制.

结论:

• 开发的CV和ML模型为传统监控工具提供了可泛化,非侵入性和用户友好的替代方案.
• 该平台能够快速获取数据,从视觉线索进行更深入的分析,并支持灵活的自动化工作流程.
• 与iControl软件的集成有助于高效的数据管理和实验室间的协作.