BioLite U-Net：用于原位生物打印监测的边缘可部署语义分割
摘要
生物打印是一个快速发展的领域，通过精确沉积载细胞生物墨水，为制造组织与器官模型提供了一种变革性方法。实时确保打印结构的保真度与一致性仍是一项核心挑战，尤其是在成像数据有限与嵌入式硬件资源受限的条件下。对挤出过程进行语义分割，区分喷嘴、挤出的生物墨水与周围背景，能够实现原位监测，这对于维持打印质量与生物活性至关重要。在这项工作中，我们引入了一种专为实时生物打印应用定制的轻量级语义分割框架。我们提出了一个新颖的、人工标注的数据集，包含生物打印过程中捕获的787张RGB图像，分为三类进行标注：喷嘴、生物墨水与背景。为实现适合与生物打印系统集成的快速高效推理，我们提出了一种 BioLite U-Net 架构，利用深度可分离卷积在不牺牲精度的前提下大幅降低计算负载。我们的模型使用平均交并比（mIoU）、Dice分数与像素精度，与基于 MobileNetV2 和 MobileNetV3 的分割基线进行了基准测试。所有模型均在 Raspberry Pi 4B 上进行了评估，以评估其在现实世界中的可行性。所提 BioLite U-Net 达到了92.85%的mIoU与96.17%的Dice分数，同时比 MobileNetV2-DeepLabV3+ 小1300倍以上。设备端推理每帧耗时335毫秒，展示了近实时能力。与 MobileNet 基线相比，BioLite U-Net 在分割精度、效率与可部署性之间提供了更优的权衡，使其非常适用于智能闭环生物打印系统。
引用
@article{arxiv.2509.06690,
title = {BioLite U-Net: Edge-Deployable Semantic Segmentation for In Situ Bioprinting Monitoring},
author = {Usman Haider and Lukasz Szemet and Daniel Kelly and Vasileios Sergis and Andrew C. Daly and Karl Mason},
journal= {arXiv preprint arXiv:2509.06690},
year = {2026}
}
备注
8 pages, 5 figures, conference-style submission (ICRA 2026). Includes dataset description, BioLite U-Net architecture, benchmark results on edge device (Raspberry Pi 4B)