随着生命科学技术的快速发展,在生物工程、细胞工程和基因工程的研究中涉及繁杂的样本液体处理,手动完成液体的分配与转移已无法适应现代实验室中对高通量、高精度的样本液体处理要求,全自动移液工作站不仅能够减轻人工繁重的移液操作,而且能够避免人为因素对实验结果的影响。国内在全自动移液工作站的研究起步较晚关键技术相对落后,因此,存在定位精度低、移液量不精确、可靠性较差等问题。本文采用模块化设计理念,对全自动移液工作站系统进行了分析与实现,采用多轴协同运动控制、液面探测和移液过程监测等技术使系统更加稳定、快速和准确的进行移液操作。本文主要工作有:本文首先设计一种多轴联动微量移液运动控制系统。根据实际工作需求,设计了系统的机械结构,包括24个工作板位、X轴机械臂、Y轴机械臂、双Z轴机械臂挂载的机械夹爪模块和移液器模块。在Matlab/Simulink平台搭建步进电机的数学模型,并建立步进电机的模糊自适应PID控制,实现系统的闭环控制。同时,采用新型S加减速算法和多轴交叉耦合控制策略,提高了系统的响应速度和定位精度,选用STM32F407ZET6作为主控制器,实现了新型S加减速算法和多轴联动的协调控制。然后设计全自动移液工作站的微量液体处理控制系统关键模块,包括液面探测模块和移液过程监测模块。根据压力式和电容式液面探测原理,本文采用基于压力传感器和电容传感器相结合的液面探测技术。对基于压力法的移液过程异常检测进行研究,分析移液过程压力的一阶导数曲线中的量化指标进行异常状况捕捉。同时,本文提出了基于深度学习模型的移液过程异常监测,对YOLOv3目标检测网络进行轻量化设计,构建了Mobile Netv3-YOLOv3网络模型,通过对轻量化后模型的训练和测试,模型大小减小了139.1MB,同时FPS增加了15.7 frame/s,提高了目标检测模型的运行速度和效率,能够有效的对正常、气泡、堵塞和空吸四种移液状态进行识别。同时,对U-Net图像分割网络进行改进,构建了注意力机制模块与残差模块融合的U-Net网络结构,改进后的U-Net网络的IOU和F1性能指标分别提高了8%和13%,提高了图像分割模型的分割性能,能够准确的对移液区域进行分割,分割后的移液区域通过移液量计算模型得到精确的移液量。最后对模块化全自动移液工作站进行测试与分析,通过定位实验、液面探测实验和定量移液实验与系统设计的控制要求进行对比分析,结果表明本文所设计的模块化全自动移液工作站系统的控制性能、定位精度和检测精度均满足实际使用需求。