磁控微机器人:通过深度学习方法实时检测和跟踪
Hao Li1, Xin Yi2, Zhaopeng Zhang2
1Department of Mechatronics and Information Engineering, Shandong University at Weihai, Weihai 264209, China.
Micromachines
|June 27, 2024
概括
这项研究引入了一种增强的YOLOv5系统,用于精确的微机器人检测和跟踪,这对于生物医学应用,如向药物输送至关重要. 该系统在实时识别小型磁性目标和微机器人方面显著提高了准确性.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 生物医学工程 生物医学工程
- 计算机视觉 计算机视觉
背景情况:
- 微机器人为生物医学提供了重要的潜力,用于诊断,药物输送和最小侵入性治疗.
- 精确检测和跟踪微机器人对于它们在体内有效应用至关重要.
- 现有的方法在精确识别和监控小规模机器人设备方面可能面临挑战.
研究的目的:
- 开发和评估使用改进的YOLOv5网络增强的微机器人检测和跟踪系统 (MDTS).
- 提高检测和跟踪小型磁体和微机器人的精度和实时能力.
- 为了验证系统在体内微机器人操作中的稳定性和有效性.
主要方法:
- 在预训练中使用了增强的YOLOv5 (You Only Look Once版本5) 网络结构.
- 使用磁体 (3mm,1mm) 和2mm磁性微机器人作为训练目标.
- 集成了一个视觉跟踪算法与改进的YOLOv5模型实时位置和运动信息采集.
主要成果:
- 对于3毫米磁体,获得了95.81%的精度 (2.1%的增长).
- 对于1毫米磁体,准确度达到了91.03%,增长了1.33%.
- 对于2毫米微机器人,准确度达到了91.7%,增长了1.5%.
结论:
- 基于YOLOv5的增强型MDTS有效地实现了磁控微机器人的实时检测和跟踪.
- 该系统在2D和3D环境中都表现出了稳健性和有效性.
- 这项技术为生物系统中微机器人的操作控制提供了至关重要的支持.
