微流控技术作为多学科交叉的前沿领域，能够精准操控微尺度流体，彻底革新了化学、生物及材料合成的研究，其中液滴微流控通过将纳升至皮升液体样本分散于不相溶载液，实现高度并行化、微型化检测。微液滴具备孤立反应腔、快速混合等独特优势，可支撑高通量检测、靶向药物递送、单细胞研究等多元应用，其形态（尺寸、同心度等）与生成速率对实验效率、反应动力学及结果可重复性至关重要。

然而，传统生成特定形态微液滴的方法较为繁琐且资源消耗大，现有机器学习模型虽能预测液滴参数，但精度有限（相对误差约10%）且适配芯片类型单一，液滴关键参数监测仍需大量人力。同时，基础机器视觉算法难以识别双乳液液滴等复杂结构，因此，亟需更先进技术解决微流控液滴精准识别、分选与分析难题，推动自动化发展。

近期，香港科技大学姚舒怀教授团队与香港理工大学杨莫教授团队合作，开发了一种基于可变形检测变换器（DETR）的机器视觉方法，实现了多场景下微流控单乳液和双乳液液滴的高精度识别与分析。该研究还构建了开源在线平台MDIA——微流体液滴识别与分析系统，支持用户通过迁移学习定制个性化液滴识别模型。相关研究以“A Machine Vision Perspective on Droplet‐Based Microfluidics”为题发表于期刊《Advanced Science》。

本文要点：

1、针对微流控液滴形态与生成率识别效率低、依赖人工的难题，本研究提出一种基于可变形检测变换器（DETR）的机器视觉新方法，能够在各种规模和场景（包括真实世界和模拟环境）中实现快速精确检测（相对误差<4%，精确度>94%）。

2、开发了一种基于Web的工具MDIA（微流体液滴识别和分析系统），其依托可变形DETR算法，支持迁移学习以提高特定使用场景下的准确性，可表征液滴直径、数量、频率等参数。

3、随着其他用户添加更多的训练数据，MDIA的功能与通用性将得到扩展，有助于建立液滴微流体的综合数据库，推动人工智能在微流控液滴调控、制备、无标记分选等方面的应用，加速生化科学与材料合成工程的发展。

图1：微流控液滴机器视觉的设计构想

图2：微流控液滴人工标注与机器识别示意图及评价体系

图3：多场景下基于单张图像的微流控液滴识别与分析

图4：图3f、g、h、i中微流控双乳液液滴（DEs）的详细数据信息

图5：多场景下基于视频的微流控液滴机器识别与分析

图6：基于Web的微流控液滴识别与分析工具（MDIA）及其迁移学习功能

论文链接：https://doi.org/10.1002/advs.202413146

(本文仅供参考学习及传递微流控研究成果，版权归原作者所有，如侵犯权益，请联系删除)