POLAR-DETR: поляризационно‑учитывающий трансформер для детекции с локально‑глобальным вниманием в реальном времени для полной лабораторной автоматизации

Умнее роботы для переполненных медицинских лабораторий

За каждым анализом крови стоит оживлённая производственная линия, где стойки с пробирками проносятся мимо сканеров и роботов. По мере того как больницы переходят к полностью автоматизированным лабораториям, эти линии должны в реальном времени идентифицировать тысячи плотно упакованных, похожих друг на друга пробирок, даже когда они перекрывают или заслоняют друг друга. В статье представлен POLAR‑DETR — новая система компьютерного зрения, разработанная, чтобы помочь лабораторным роботам надёжно видеть в этом загроможденном, стеснённом пространстве, прокладывая путь к более быстрому, безопасному и точному тестированию.

Почему распознавать пробирки сложно

Современные лаборатории всё активнее используют машины для перемещения и сортировки образцов, но пространство вокруг этих линий ограничено. Вместо длинных конвейеров лаборатории переходят на компактные роботизированные системы, сильно зависящие от камер. Эти камеры должны выделять каждую пробирку, стойку и контейнер в сценах, где объекты малы, плотно упакованы и часто частично скрыты. Популярные быстрые детекторы, применяемые в других отраслях, такие как семейство алгоритмов YOLO, начинают терять эффективность в таких условиях. Они зависят от дополнительного этапа фильтрации перекрывающихся предсказаний и могут пропускать крошечные или закрытые объекты, что недопустимо при работе с медицинскими образцами.

Новый визуальный движок для лаборатории

Опираясь на недавние достижения в областях трансформерных моделей для зрения, авторы спроектировали POLAR‑DETR специально для медицинских производственных линий. Вместо цепочки ручных настроек он использует сквозной (end‑to‑end) подход, который за один проход превращает кадры с камеры в координаты и типы пробирок, избегая обычного дополнительного этапа фильтрации. В основе лежит новый кодер признаков, который уделяет особое внимание тому, как объекты соотносятся в пространстве и как они взаимно закрывают друг друга. Перестраивая способ сканирования изображения моделью, кодер помогает сосредоточиться на нужных областях, сохраняя тонкие детали малых пробирок и одновременно понимая общую картину. Это делает систему более устойчевой при перекрытиях, скоплениях и значительном варьировании размеров пробирок.

Сочетание деталей и общей картины

Чтобы понимать насыщенные сцены, система зрения должна уравновешивать мелкие детали на краях пробирок и общий план стоек и контейнеров. POLAR‑DETR решает эту задачу двумя взаимодополняющими модулями слияния. Один модуль связывает информацию по нескольким масштабам и позициям, рассматривая группы областей изображения как гибкие отношения, а не простую сетку. Это помогает, например, распознать, что слабая кромка пробирки скорее принадлежит группе соседних пробирок, чем фону. Второй модуль явно разделяет обработку на «локальную» ветвь, которая уточняет текстуры и границы, и «глобальную» ветвь, отслеживающую дальнобойные паттерны. Результаты обеих ветвей затем объединяются, что даёт более чёткие границы объектов и меньше ошибок при смешении пробирок с окружающим оборудованием.

Оптимизация сети ради реальной скорости

Высокоточные модели зрения могут быть тяжёлыми и медленными, что проблематично для промышленных машин, работающих круглосуточно. Авторы предлагают стратегию обрезки (pruning), которая анализирует, насколько сильно каждый внутренний путь влияет на выход модели. Пути с незначительным вкладом удаляются обоснованно, а не случайно или по простым правилам размера. Такая селективная оптимизация сокращает число параметров примерно на пятую часть и вычислительные затраты почти на четверть, при этом модель становится фактически точнее. На их датасете с медицинской производственной линии POLAR‑DETR достигает 70% среднеквадратичной точности (average precision) и работает примерно на 68 кадрах в секунду, что достаточно быстро для использования в реальном времени роботами.

Создание реалистичной тестовой среды

Чтобы оценить, действительно ли POLAR‑DETR работает на практике, команда собрала новый датасет с реальной медицинской производственной линии. Используя потребительские камеры при разном освещении, они зафиксировали тысячи изображений высокого разрешения стоек, контейнеров и нескольких типов пробирок, включая закрытые колпачками, без колпачков и различных категорий тестов. Эксперты разметили более восьмидесяти тысяч отдельных объектов. Затем данные для обучения расширили с помощью контролируемых поворотов, обрезок, изменений яркости, синтетического шума и мозаичных комбинаций, имитируя реальные сдвиги ориентации, освещения и загромождения. Этот набор данных не только нагружает модель плотными, мелкими и перекрытыми пробирками, но и предоставляет публичный бенчмарк для других исследователей в области лабораторной автоматизации.

Что это значит для будущих лабораторий

Проще говоря, POLAR‑DETR — это более чёткие «глаза» для автоматизированных лабораторий. Тщательно переработав способ, которым система зрения фокусируется на насыщенных сценах, а затем упростив её ради скорости, авторы добились одновременно большей точности и меньших вычислительных затрат по сравнению со многими существующими подходами. Система находит больше пробирок, делает меньше ошибок на фоне загруженного оборудования и выдерживает темп промышленного оборудования. По мере продолжения автоматизации лабораторий такие подходы могут сделать обращение с образцами более надёжным и гибким, что в конечном счёте приведёт к более быстрым результатам тестов и более устойчивым рабочим процессам в здравоохранении.

Цитирование: Zu, Y., Li, S. & Zhang, L. POLAR-DETR: Polarized occlusion-aware local-global attention real-time detection transformer for total laboratory automation. Sci Rep 16, 11949 (2026). https://doi.org/10.1038/s41598-026-42038-5

Ключевые слова: лабораторная автоматизация, обнаружение объектов, медицинская производственная линия, компьютерное зрение, модели‑трансформеры