Ziath informa sobre el uso innovador de la inteligencia artificial, que permite distinguir los pocillos vacíos en las gradillas de tubos de muestra de los pocillos que sí tienen un tubo que puede tener un código de barras oculto o mal representado.
Este trabajo pionero, realizado en colaboración con la Universidad de Hertfordshire (Reino Unido), forma parte de un programa de desarrollo de la próxima generación de escáneres de tubos con código de barras Ziath, cuyo lanzamiento está previsto para finales de 2021.
Los códigos de barras de DataMatrix desempeñan un papel fundamental en el seguimiento y la localización de muestras biológicas y compuestos. Estos códigos de barras suelen grabarse con láser en la parte inferior de los tubos de muestras, que luego se almacenan en gradillas. La identificación de los tubos mediante un lector de códigos de barras que escanea la parte inferior de la gradilla y descodifica todos los códigos de barras a la vez ha demostrado tener problemas para identificar correctamente qué ubicación tiene un tubo y cuál es un “pocillo vacío”.
La iluminación ambiental, el ruido de fondo de la imagen, la variación del grabado láser del código de barras y la calidad del material contribuyen a dificultar la detección mediante las técnicas tradicionales de visión artificial. Para mejorar aún más el seguimiento y la localización de las muestras, la próxima generación de escáneres y lectores de tubos debe ser capaz de discriminar realmente entre los pocillos vacíos y los pocillos que sí tienen un tubo por que puede tener un código de barras oscurecido o mal representado.
El Dr. Alexander Beasley, de la Universidad de Hertfordshire, es un experto ingeniero de diseño de sistemas integrados con experiencia en aprendizaje automático. En estrecha colaboración con Ziath, el Dr. Beasley ha utilizado una técnica de red neuronal convolucional (CNN) para la extracción de características de las imágenes de un lector de códigos de barras con cámara de Ziath. En este proyecto de desarrollo ha tomado la noción de la CNN y la ha aplicado específicamente a la discriminación de los pocillos vacíos de los llenos en las gradillas de tubos codificados por DataMatrix.
El Dr. Beasley comenta: “La CNN que he elegido está diseñada para ser muy ligera y permitir una ejecución rápida. En comparación con los métodos heurísticos preexistentes, el enfoque de la CNN fue casi 10 veces más rápido de ejecutar con una precisión de prácticamente el 100%”.
Ziath ha implementado la nueva función de detección de pocillos vacíos en la última versión de su popular software de control DP5 para ofrecer a los clientes todas las ventajas de la nueva tecnología de forma inmediata.
Neil Benn, director General de Ziath, dice: “Este es solo el primer resultado de nuestra colaboración con Alexander y el equipo de la Universidad de Hertfordshire. Esperamos que este proyecto revolucione la forma en que decodificamos los tubos DataMatrix y nos ayude a diseñar la próxima generación de lectores de gradillas de tubos más rápidos, más ligeros y portátiles. Es una innovación emocionante que, muy pronto, mejorará el seguimiento y la localización de muestras para los científicos de todo el mundo”.
El Dr. Beasley con una de las potentes placas de ordenador necesarias para desarrollar una red neuronal rápida.
