扫描硬件 SCANNING HARDWARE
三轴步进电机精准定位载玻片视野；显微摄像头与可切换光源协同采集多视野二维荧光图像；硬件状态实时反馈到桌面应用。
§ 02
System Topology
One Workstation · Three Layers
一台工控机，
承载三层完整能力。
扫描硬件、桌面应用与本地 AI 推理服务在同一台 Windows 11 工控机内协同运行，无需外网、无需云端，所有数据与算法资产驻留在本地。
桌面应用 OPERATOR WORKSTATION
统一的业务编排入口：登录权限、样本登记、扫描控制、图像处理、报告审核、统计查询、用户与系统设置——全员的日常操作均经此完成。
AI 推理服务 SELF-DEVELOPED ENGINE
自研 YOLO 改进模型，以 Docker 容器形式运行，通过 WSL2 + NVIDIA Container Toolkit 直通宿主机 GPU；桌面应用经本地 HTTP 调用，单样本秒级返回结果。
§ 03
Capabilities
From Slide to Signed Report
六项关键能力，
覆盖整条业务链。
从样本登记、自动扫描、智能识别，到报告审核与批量打印，所有操作员、审核员、管理员的高频动作都在桌面应用内一次完成。
C·01 / SCAN
多视野二维荧光扫描
按预设倍率、视野数、曝光与光源通道，自动驱动电机走遍目标区域，逐视野拍摄，单次任务典型 9 视野 (3×3) 1～2 分钟。
FOV 1×1 ～ 5×5 · EXP 100 ～ 5000ms
C·02 / STITCH
自动图像拼接
多视野原始图自动配准并拼接为完整视场大图，支持缩放、平移、亮度/对比度调节，原图与标注图可一键切换。
PIPELINE raw → align → blend
C·03 / DETECT
AI 细胞识别与标注
自研 YOLO 改进模型对荧光细胞进行目标检测/实例分割，输出位置、类别、置信度，并叠加到拼接大图上供操作员复核。
OUT bbox · class · conf · mask
C·04 / AUDIT
报告审核与签发
结构化报告自动生成；审核员可认可、修改或退回重扫，套用模板与术语库，每一次审核动作均留痕。
TRACE approve · modify · reject
C·05 / QUERY
统计查询与批量打印
按时间、操作员、状态、样本编号多维查询；支持批量打印、导出 Excel/PDF；汇总日/月扫描量、阳性率等关键指标。
EXPORT CSV · XLSX · PDF
C·06 / MONITOR
硬件与服务实时监控
电机、摄像头、光源、AI 容器、数据库的健康状态在状态栏实时呈现；异常即时弹出可读提示，不阻塞主流程。
POLL 30s · health-check
§ 04
The Engine
Self-Owned · No Black Box
一颗自研的
推理心脏。
模型架构、损失函数、训练策略、后处理逻辑——核心算法全部由项目方自主设计与实现。不依赖任何第三方商业 AI 黑盒服务，所有产出物的知识产权归项目方所有。
- 0 1
- 算法自研 在公开基础架构之上针对荧光细胞场景做网络结构、损失、数据增强、anchor 与后处理的全链路自研优化。
- 0 2
- 数据自有 面向二维荧光细胞场景的专用数据集由项目方自行采集、清洗、标注、扩充并版本化管理，作为长期资产持续沉淀。
- 0 3
- 部署自主 模型服务以 Docker 容器形式运行在工控机本地，离线导入即可启用，不依赖任何外部云端推理服务。
- 0 4
- 知识产权自有 训练所得权重、数据集、训练脚本、接口服务等所有产出物的知识产权归项目方所有，可独立演进与商业化使用。
§ 05
Live Console
Real Software · Real Frames
不是渲染图。
这是软件本身在跑。
以下为 cell-detector 桌面应用的真实运行截图——YOLO11n-cell 配合 DeepSort 跟踪器，在 1024² 视场上以 18.7 FPS 实时检测，每一个荧光细胞都被框出并附置信度。
FIG · 5.1 实时荧光细胞检测——YOLO11n-cell 在 RTX-class GPU 上以 18.7 FPS 处理 1024×1024 帧；每个检测框附带类别与置信度，并同步写入结构化输出表，可直接作为审核与报告的依据。
- FPS
- 18.7
- Frame
- 1024²
- Conf · min
- 0.30
- IoU
- 0.45
§ 06
End-to-End Flow
T+00:00 → T+01:30 · typical
从登记到归档，
一次连续的 90 秒。
主流程在单一界面内连续推进，不需要切换软件或介质。每个节点均落入数据库审计日志，状态机严格对齐《需求规格说明书》§5.6。
-
T+00:00
样本登记Operator
-
T+00:05
入仓上机Operator
-
T+00:10
多视野扫描Hardware
-
T+01:00
图像拼接Desktop App
-
T+01:15
AI 推理Fluo-YOLO
-
T+01:25
人工审核Auditor
-
T+01:28
签发打印Auditor
-
T+01:30
归档出仓System
§ 07
Deployment
Windows 11 · WSL2 · Docker · GPU Passthrough
一台机器，一体化交付。
桌面客户端与 AI 推理容器同处一台工控机，通过本地 HTTP 通信；GPU 经 NVIDIA Windows 驱动经 WSL2 直通到容器，容器内无需安装 Linux 驱动。
Host · Windows 11 工控机
桌面客户端 (cell-detector.exe)
业务 · 硬件 · DB
本地数据库
samples · reports · logs
▼ HTTP · localhost ▼
WSL2 · Ubuntu
AI 容器 · fluo-ai:v1.2.0
HTTP 推理服务
/health · /inference
Fluo-YOLO 模型
权重 + 增强 + 后处理
Python · PyTorch · CUDA
nvidia/cuda · pytorch
▼ --gpus all · CDI passthrough ▼
NVIDIA Windows 驱动
≥ R470 · WSL CUDA 支持
NVIDIA GPU · ≥ 8GB
HARDWARE
- 操作系统
- Windows 11 64-bit Pro / Enterprise
- 虚拟化
- WSL2 + Ubuntu 22.04 LTS
- 容器
- Docker Desktop ≥ 4.x · WSL2 backend
- GPU 驱动
- NVIDIA Game Ready / Studio ·
≥ R470 - 基础镜像
nvidia/cuda·pytorch/pytorch- 硬件
- CPU 64-bit · 内存 ≥ 16GB · SSD ≥ 512GB · 独立 GPU ≥ 8GB
- 扫描设备
- 三轴步进电机 · 显微摄像头 · 可切换光源
- 外网依赖
- 无 · 支持离线部署 (
docker save / load)
§ 08
Specifications
Key Parameters
参数一览。
本表列出系统在典型部署下的关键技术参数。最终交付参数以《验收方案》为准，可结合具体硬件配置调整。
扫描参数
SCAN放大倍率4× / 10× / 20× / 40×
视野数1×1 → 5×5
曝光时长100 → 5000 ms
光源通道FITC · DAPI · TxRed
单样本耗时1 ～ 2 min
AI 推理
INFER模型Fluo-YOLO v1.2.0
mAP @ 0.50.932
召回率94.6%
单图推理≈ 320 ms
批量调用支持
部署 / 接口
DEPLOY容器化Docker · NVIDIA CT
通信localhost · HTTP/JSON
健康检查30 s · GET /health
权重热更新volume 挂载
离线部署支持
§ 09
Next Step
让我们带着这台机器，
走进你的实验室。
我们可以为你的科室、临床实验室或科研团队安排一次现场演示——从入仓到签发，让 1～2 分钟内的完整流程跑给你看。