A tecnologia precisa de pipetagem automática tornou-se um componente central dos sistemas modernos de automação laboratorial. Defeitos de qualidade nas ponteiras de pipeta afetam diretamente a precisão do volume de aspiração e dispensação de líquidos, levando a desvios na capacidade de pipetagem e redução da exatidão. Além disso, as ponteiras de pipeta feitas de polipropileno semitransparente apresentam defeitos que são não apenas de tamanho pequeno e distribuídos aleatoriamente, mas também superficiais, com baixo contraste óptico com o substrato, tornando as características dos defeitos fracas e suas bordas difusas, dificultando a identificação precisa por métodos tradicionais de inspeção visual manual. Para resolver esses problemas, foi proposto um modelo de detecção de pequenos defeitos em ponteiras de pipeta chamado TIP-YOLO, aplicado em dispositivos automáticos de pipetagem. Primeiro, o GrabCut foi utilizado para segmentar com precisão os defeitos das ponteiras; em seguida, com o auxílio do Deep Image Blending, as características dos defeitos segmentados foram fundidas com o fundo, construindo um conjunto de dados de alta qualidade contendo múltiplas categorias de defeitos. Depois, na rede pescoço do YOLOv8n, foi proposto um módulo dinâmico de upsampling que aprende adaptativamente os deslocamentos de pixels, reforçando a capacidade de reconstrução dos detalhes das bordas dos pequenos defeitos. Por fim, foi projetada uma cabeça de detecção de quatro camadas com fusão adaptativa de características espaciais, adicionando um ramo de detecção dedicado a pequenos defeitos, melhorando a eficiência da fusão de características em múltiplas escalas e a sensibilidade na captura de características espaciais. Os resultados experimentais mostram que a precisão (P), recall (R) e média da precisão média (mAP@0.5) do modelo TIP-YOLO são 0,969, 0,971 e 0,986, respectivamente, com melhorias de 3,0%, 5,2% e 2,8% em relação ao modelo de referência. Este estudo fornece uma solução eficaz para a detecção de defeitos em ponteiras de pipeta e é de grande importância para promover o desenvolvimento da inteligência laboratorial.

Modelo YOLO; detecção de defeitos; ponteiras de pipeta; detecção de pequenos objetos; pipetagem automática