Apr, 2023

使用计算机视觉和机器学习的自动溶解度分析系统和方法

PDF
TL;DR该研究提出了一种使用计算机视觉的新型活性溶解度传感器装置，它可以通过改变背景图像来测量溶解度、估计颗粒的存在，并且具有高精确度，可以用于液相色谱仪和蒸发器等分离设备的分离纯化性能的提高和故障的预防，同时可应用于合成自动化系统的溶解检测。
active solubility sensingcomputer visionliquid chromatographyparticle presenceautonomous systems
发现论文，激发创造
  • 一种基于计算机视觉的用于分析实验室耗材自动控制的质量评估技术

    提出了一种新型的自动监控系统，在分析实验室中生产过程中的塑料耗材，通过使用手动设计的深度网络模型来增强对试管内透明抗凝剂物质存在与否的控制过程的有效性，并通过实验结果证明该方法与最先进的模型相比具有竞争力，表现出优于其他模型的分类能力和泛化能力，为塑料耗材公司的生产过程成功实施类似模型提供了可能性。

    Apr, 2024

  • 使用注意力机制和贝叶斯学习精准、可靠和可解释的药物分子溶解度预测

    利用贝叶斯图神经网络和自我注意力机制来预测药物的溶解度，该模型能识别原子贡献，有助于药物研发中的结构活性关系分析和优化决策。

    Sep, 2022

  • 使用深度集成神经网络，在端点设备上预测小分子的溶解度

    本文介绍了一种使用具有预测不确定性的深度学习模型来计算水溶性的方法，并且该模型可以在不使用服务器的情况下在静态网页上运行，提高了计算效率和易用性，同时实现了分子性质预测模型的不确定性和易用性的平衡。

    Jul, 2023

  • 基于机器学习的智能化学纯化技术

    通过发展自动化平台和应用先进的机器学习算法，本研究通过预测模型来提高色谱过程的效率和质量，使用转移学习技术可以适应不同的柱规格，为传统色谱学挑战提供可扩展的解决方案。

    Apr, 2024

  • 使用不同机器学习方法预测药物溶解度 -- 提取化学特征与图卷积神经网络的线性回归模型

    利用现代计算资源，本研究采用线性回归模型和图卷积神经网络模型分析多个实验数据集，预测分子的溶解度，结果表明 GCNN 模型具有最佳性能，同时线性回归模型的特征重要性分析揭示了化学影响机制，为设计新药物时了解化学结构对化学性质的影响提供了重要参考。未来的工作应该将 GCNN 模型的高性能与线性回归模型的解释性相结合，以推动下一代高通量筛选的新突破。

    Aug, 2023

  • YZS 模型：基于图卷积网络和 Transformer-Attention 的有机药物溶解度预测模型

    通过引入深度学习框架，结合基于注意力机制的转换器、长短期记忆神经网络和图卷积网络，我们的研究旨在提高溶解度预测的准确性，为药物设计和选择提供新的见解和支持，为药物发现中的深度学习发挥重要作用展示了巨大潜力。

    Jun, 2024

  • 利用深度学习工具自动测量植物叶片上水基农药表面活性剂配方的覆盖范围

    用一种高效和定量的方法来研究农药 - 表面活性剂配方在水溶液中对植物叶片的传递，通过测量叶片湿润区域的表面积作为关键参数，并应用深度学习模型对青瓜叶片上的水溶液湿润区域进行自动测量，进而报道农药溶液中表面活性剂浓度与湿润区域表面积之间的关系。

    Nov, 2023

  • 使用机器学习图像分割进行三维组织培养的无损定量生存力分析

    提出了一种用于 3D 培养的细胞存活性的图像处理算法，具有消除基于试剂的指标的需求，通过使用高内容成像系统，能够在个体瘤球和整体培养基水平上成功跟踪细胞存活性，分析时间较专家减少了 97％。这种方法不受显微镜或成像系统的限制，为推动生物和临床研究中 3D 培养分析的进展提供了基础，同时提高了分析的鲁棒性和可复现性。

    Nov, 2023

  • 粗颗粒土壤颗粒大小分析的计算机视觉

    通过利用计算机视觉和 Python 编程语言，本研究提出了用于对粗粒土壤进行粒径分析的新方法，并使用标准手机相机来进行粒度检测，从而提供了便利和成本节约的解决方案。

    Nov, 2023

  • 提高自主手机相机模块测试可靠性的取放式机器人视觉系统研发

    利用基于摄像头和树莓派的硬件以及直方图信息的简化图像处理算法，提出了一种能够增强取放式机器人自主测试摄像头模块记忆体的可靠性的视觉系统，能够在摄像头模块进料托盘中确认其存在并确定在测试插座中的放置准确性。实验结果表明，该系统的准确度超过了 99.92％，并具有简单而有效的特点，可以被认为是一个应用广泛的解决方案。

    May, 2023