Gemeinsam mit der BVU Bioverfahrenstechnik und Umweltanalytik GmbH entwickelten wir einen technischen Prototypen für die automatisierte Verarbeitung von Umweltproben. Die Bewertung dieser Proben erfolgt in mehrstufigen Laborprozessen mit hohem manuellem Aufwand. Ziel des Projekts war es, zentrale Prozessschritte innerhalb einer modularen Roboterzelle zu automatisieren und damit die Grundlage für effizientere Laborabläufe zu schaffen.

Damit ein Roboter Laborflaschen autonom handhaben kann, muss er deren Position und Orientierung im Raum präzise erfassen. Die Herausforderung bestand darin, lose Deckel und Flaschen unterschiedlicher Größe, Farbe und Materialien innerhalb einer Kiste zuverlässig zu erkennen, ihre Lage im dreidimensionalen Raum zu bestimmen und ihre Greifbarkeit zu bewerten. Gleichzeitig sollte die Lösung flexibel genug sein, um auch bei veränderten Objekten oder zukünftigen Anwendungsfällen ohne aufwändiges Nachtrainieren zu funktionieren.

Im Zentrum des Projekts stand die Entwicklung eines modularen Computer-Vision-Systems. Dafür konzipierten und kalibrierten wir ein Kamerasystem auf Basis einer Stereo-Kamera und entwickelten die gesamte Bildverarbeitungskette – von der Objekterkennung über die Segmentierung bis hin zur Pose Estimation.

Statt eines klassischen Machine-Learning-Ansatzes mit umfangreichen Trainingsdatensätzen setzten wir auf moderne Zero-Shot-Verfahren. Mithilfe eines Foundation Models zur Objeksegmentierung und dem NVIDIA Modell zur Positions- und Orientierungsbestimmung konnten Zielobjekte ohne objektspezifisches Training erkannt und lokalisiert werden. Die Verarbeitung erfolgte auf einer NVIDIA Jetson-Plattform, wodurch eine robuste und leistungsfähige Edge-Lösung entstand. Ergänzend entwickelten wir eine Greifbarkeitsanalyse, die bewertet, welche Objekte von einem Backengreifer sicher aufgenommen werden können.

Gemeinsam mit den Expert:innen der BVU analysierten wir bestehende Laborabläufe und identifizierten geeignete Automatisierungspotenziale. In enger Abstimmung entstanden die Anforderungen für die Roboterzelle sowie die Spezifikation des Computer-Vision-Moduls. Während des Projekts begleiteten wir die Entwicklung von der Auswahl geeigneter Hardware über die Integration der Algorithmen bis hin zur Validierung der Ergebnisse.

Der entwickelte Proof of Concept zeigt, dass moderne Computer-Vision-Verfahren die zuverlässige Erkennung, Lokalisierung und Bewertung von Laborobjekten auch ohne aufwendige Trainingsdaten ermöglichen. Durch den objektagnostisch Ansatz lässt sich die Lösung flexibel auf neue Behältertypen und Anwendungsfälle übertragen. Damit entstand die technologische Grundlage für zukünftige Roboterzellen, die Laborprozesse automatisieren, manuelle Aufwände reduzieren und den Weg zu einer skalierbaren, intelligenten Laborautomation ebnen.