Bu araştırma, mikrometre ölçeğinde hareket eden bir üç serbestlik dereceli mikro-robotun konumunu yalnız motor komutlarından veya tek bir kameradan belirlemek yerine birden fazla görsel bilgi kaynağını birleştirerek doğrulamayı amaçlıyor. Sistem; üst tarafta optik mikroskop ve dijital kamera, numunenin altında ise ilave bir CMOS tabanlı alt görüş sensörü (Bottom Vision Sensor, BVS) kullanıyor. Böylece mikro-robotun yazılım tarafından istenen koordinata gerçekten ulaşıp ulaşmadığı; motor koordinatları, üst optik görüntü ve bağımsız alt sensör geri bildirimi birlikte kullanılarak kontrol edilebiliyor.

Araştırmanın çıkış noktası önemli bir mikro-konumlandırma problemidir: step motor, vida mekanizması ve hareket kontrolörü belirli bir X–Y koordinatına komut verilmesini sağlayabilir; ancak mekanik boşluk, sıcaklık etkisi, titreşim, yörünge geometrisi ve aktüatör doğrusal olmayanlıkları nedeniyle komut edilen konum ile alet ucunun gerçek konumu aynı olmayabilir. Motor enkoderi veya yazılım koordinatı yalnız mekanik tahrikin belirli bir noktasını izlediğinden, gerçek mikro-alet veya hedef nesne üzerindeki sapmayı her durumda doğrudan göstermez.

Çalışmada bu soruna, özellikle şeffaf veya yarı şeffaf örneklerin bulunduğu mikro-manipülasyon ortamlarında numunenin altına ikinci bir görüntü sensörü yerleştirilerek yaklaşılmıştır. Üst optik kamera ayrıntılı nesne görüntüsü sağlarken, alt sensör mikro-aletin gölgesini, ışık dağılımını veya hedefe göre konumunu bağımsız biçimde izleyebilmektedir. Görüntüler MATLAB ve Python tabanlı algoritmalarla eşikleme, gürültü temizleme, merkez/centroid tayini, piksel farkı ve istatistiksel konum sapması analizlerinden geçirilmiştir.

Makale genel yöntem performansı için 0,25 µm RMSE bildirmekte ve konum hassasiyetinin yaklaşık 1,3 µm düzeyinden 0,5 µm düzeyine ilerlediğini, bunun yaklaşık %62 iyileşmeye karşılık geldiğini belirtmektedir. Yüksek hız testlerinde özellikle 4 ve 5 mm/s hareket hızlarında X ekseni ortalama hatasının 0,04 µm'nin altına indiği raporlanmıştır. Bununla birlikte düşük hızlarda aynı performans korunmamıştır; X ekseni hatası 0,1–2 mm/s bölgesinde 1 µm'nin üzerine çıkabilmektedir. Bu nedenle sonuçlar bütün hızlarda sabit bir alt-mikrometre doğruluğu şeklinde genellenmemelidir.

Türkiye açısından: Bu yaklaşım; üniversite mikro-mekatronik laboratuvarları, biyomedikal mikro-manipülasyon sistemleri, hassas optik ölçüm düzenekleri, mikroelektrot konumlandırma sistemleri ve görüntü tabanlı hassas robotik uygulamalar açısından önem taşımaktadır. Özellikle pahalı mutlak konum sensörleri yerine standart CMOS görüntü sensörlerinin bağımsız konum doğrulama katmanı olarak kullanılması dikkat çekicidir. Ancak elde edilen sayısal doğruluk değerleri çalışmadaki özel mekanik yapı, kamera geometrisi, aydınlatma, kalibrasyon hedefi ve görüntü işleme algoritmasına bağlıdır; başka bir mikro-robot sistemine aktarılmadan önce yeniden kalibrasyon ve deneysel doğrulama gerekir.

Mikro-robotlarda neden ikinci bir konum bilgisine ihtiyaç duyuluyor?

Mikrometre ve alt-mikrometre ölçeğinde çalışan sistemlerde mekanik hareket komutunun doğru olması, mikro-aletin hedef noktaya gerçekten ulaştığını garanti etmez. Araştırmada özellikle şu hata kaynakları ele alınmaktadır:

• mekanik boşluk ve histerezis,
• vida tahriki ve mekanik transmisyon hataları,
• enkoder alt bölümlendirme hataları,
• sıcaklık değişimlerinin oluşturduğu boyutsal değişimler,
• çevresel titreşim,
• kamera ve görüntü işleme gürültüsü,
• aydınlatma değişimleri,
• piksel çözünürlüğü ve görüntü bozulması,
• X ve Y eksenlerinde seçilen yörüngeden mekanik sapma.

Bu nedenle çalışma yalnızca “motor hangi koordinata komut aldı?” sorusunu değil, “mikro-alet gerçekte hangi koordinata ulaştı?” sorusunu yanıtlamaya çalışmaktadır.

Sensör füzyonunun temel fikri nedir?

Araştırmacılar konumu üç farklı bilgi kaynağıyla çapraz doğrulamaktadır:

1. hareket kontrol yazılımının verdiği X–Y koordinatları,
2. üst optik mikroskop/kamera görüntüsü,
3. numunenin altındaki bağımsız BVS görüntüsü veya fotometrik geri bildirimi.

Bu yaklaşım makalede bir “three-source verification” yöntemi olarak tanımlanmaktadır. Amaç, bir kaynağın göremediği mekanik hatanın diğer kaynak tarafından fark edilmesidir.

Deney sistemi nasıl kurulmuş?

Mikro-robot, ortogonal üç eksenli bir manipülatör yapısındadır. X ve Y eksenlerinde Standa 8MTF-102LS05 motorlu tabla; bağımsız Z hareketlerinde iki adet 8MT30-50 sürücü kullanılmıştır. Tahrik sistemi bipolar step motorlara ve 0,5 mm hatveli hassas vida mekanizmasına dayanmaktadır.

Motor sürücülerinde 1/16 mikro-adım modu kullanılmıştır. Mikro-robot bir kontrollü sönümleme sistemine sahip anti-vibrasyon masası üzerine yerleştirilmiştir.

Düşük seviye hareket kontrolü Orange Pi üzerinde LinuxCNC 2.8.4 ile, üst seviye kontrol ise bir ana bilgisayarda LabVIEW 19 kullanılarak gerçekleştirilmiştir. Kontrol katmanları Ethernet üzerinden haberleşmektedir.

Üst ve alt kameralarda hangi sensörler kullanılmış?

Alt görüş sensöründe Sony IMX477 CMOS kullanılmıştır. Kaynakta verilen temel özellikleri:

• 12,3 megapiksel,
• 4032 × 3040 aktif piksel,
• 1,55 × 1,55 µm piksel boyutu,
• 1/2,3 inç sensör,
• 4K çözünürlükte 30 FPS'ye kadar görüntüleme.

Üst optik sistemde 15×–90× optik zoom bulunmakta ve deneylerde 80× büyütme kullanılmıştır. Görüntü XCAM4K8MPA kamera ile kaydedilmiş; kamera Sony IMX334 CMOS sensör içermektedir. Kaynakta 3840 × 2160 piksel çözünürlük ve 2,0 × 2,0 µm piksel boyutu belirtilmiştir.

Alt sensör neden lenssiz kullanılmış?

BVS'nin temel amacı yüksek kaliteli mikroskobik görüntü üretmek değildir. Sensör, numunenin altında sabitlenerek mikro-aletin gölgesini, ışık dağılımını veya konum göstergesi olarak kullanılabilecek diğer optik değişimleri gözlemektedir.

Çalışmanın bazı deneylerinde 460 nm tepe dalga boyuna sahip mavi LED ve 0,4 mm plastik fiber optik kullanılmıştır. Fiber optik mikro-alet tutucusuna yerleştirilmiş ve alt sensörde bir ışık noktası oluşturmuştur. Bu noktanın görüntü üzerindeki merkezi hesaplanarak mekanik sistemin gerçek yer değiştirmesi izlenmiştir.

Kaynak aynı zamanda lens bulunmayan IMX477 karelerinin klasik anlamda ayrıntılı uzamsal görüntü olarak değil; toplam parlaklık, spektral içerik, saçılma, yansıma ve sensör gürültüsü hakkında bilgi veren fotometrik haritalar olarak da kullanılabileceğini açıklamaktadır. Bu kullanım, alet gölgesiyle konum izleme yönteminden ayrı bir sensör-füzyonu modudur.

Kalibrasyon nasıl yapılmış?

Üst kamera için çizgiler arası mesafesi 4 µm olan hassas ortogonal kalibrasyon ızgarası kullanılmıştır. Kamera 20 kalibrasyon görüntüsüyle değerlendirilmiştir.

Araştırmacıların Python 3.12.13 tabanlı yazılımı:

• paralel ve dik çizgi kümelerini tespit etmiş,
• CLAHE ile kontrastı iyileştirmiş,
• X ve Y yönleri için µm/piksel dönüşümünü belirlemiş,
• piksel anizotropisini değerlendirmiş,
• görüntü distorsiyonunu hesaplamış,
• µm/piksel değerleri için %95 güven aralıkları kullanmıştır.

BVS için aynı ızgara kontrol amaçlı kullanılmış ancak sensör lenssiz olduğu için kaynakta geleneksel optik kamera anlamında kalibre edilmediği belirtilmiştir.

Konum hatası nasıl hesaplanıyor?

Başlangıç ve hareket sonrası görüntülerden alet veya gölgenin merkezi belirlenmiş; X ve Y koordinatlarındaki farklar:

\[ d_x=X_2-X_1 \]

\[ d_y=Y_2-Y_1 \]

olarak değerlendirilmiştir. İki boyutlu toplam radyal konum sapması:

\[ r=\sqrt{d_x^2+d_y^2} \]

ile hesaplanmıştır.

Tekrarlı deneylerde ortalama radyal sapma:

\[ r_m=\frac{1}{n}\sum_{i=1}^{n}r_i \]

ve örnek standart sapması:

\[ \sigma= \sqrt{ \frac{\sum_{i=1}^{n}(r_i-r_m)^2}{n-1} } \]

kullanılarak konum tekrarlanabilirliği değerlendirilmiştir.

Görüntü işleme zinciri nasıl çalışıyor?

Kaynağın 16. sayfasındaki MATLAB akış şemasında yöntem dört ana aşamaya ayrılır:

1. Görüntü alma: CMOS kamera mikro-alet veya gölge görüntülerini kaydeder.
2. Ön işleme: gri tona dönüşüm, eşikleme ve gürültü giderme yapılır.
3. Centroid çıkarımı: ikili nesne belirlenir, bölge özellikleri üzerinden merkez koordinatı bulunur.
4. Yer değiştirme analizi: ΔX, ΔY ve radyal sapma hesaplanıp istatistiksel olarak değerlendirilir.

Işık noktasının alt-piksel merkezi nasıl belirlenmiş?

Fiber optikten çıkan LED ışığının sensörde oluşturduğu parlak bölgenin merkezi, görüntü yoğunluğunun ağırlık merkezi kullanılarak hesaplanmıştır:

\[ X_s= \frac{\sum x\,I(x,y)} {\sum I(x,y)} \]

\[ Y_s= \frac{\sum y\,I(x,y)} {\sum I(x,y)} \]

Burada \(I(x,y)\), belirli piksel koordinatındaki görüntü parlaklığıdır. Bu yöntem merkezin yalnız en parlak piksel olarak değil, yoğunluk dağılımının ağırlıklı merkezi şeklinde belirlenmesini sağlar ve araştırmacılar bunu alt-piksel konum belirleme amacıyla kullanmıştır.

Python tabanlı yöntemde uygun renk kanalı seçilmiş, sıcak piksel türü darbeli gürültüyü azaltmak için medyan filtre uygulanmış ve bölge, maksimum parlaklığın %50'sinden yüksek olduğu Full Width at Half Maximum bölgesine göre sınırlandırılmıştır.

Yörünge geometrisi neden önemli?

Araştırmacılar yalnız tek doğrultuda hareketi değil, doğrusal, L-biçimli, çapraz ve daha karmaşık yörüngeleri değerlendirmiştir. Kaynağın 12–17. sayfalarındaki görüntülerde hareket öncesi ve sonrası karelerin piksel farkları karşılaştırılmaktadır.

Özellikle C-benzeri veya çok yönlü yörüngelerde tekrar sayısı arttıkça piksel uyuşmazlığının birikebildiği belirtilmiştir. Bu sonuç, bir mikro-robotun tek bir eksendeki statik doğruluğunun karmaşık iki eksenli hareket tekrarlanabilirliğini tek başına tanımlamak için yeterli olmadığını göstermektedir.

Hareket hızı konum hatasını nasıl değiştirdi?

Çalışmanın daha kapsamlı hız testlerinde hareket hızları 0,1; 1; 2; 3; 4 ve 5 mm/s olarak değiştirilmiş ve her hız için deney 20 kez tekrarlanmıştır.

X ekseninde düşük hızlarda daha büyük hata görülmüştür. Araştırmacılar 0,1–2 mm/s bölgesinde X ekseni doğruluk hatasının 1 µm'yi aşabildiğini belirtmektedir. Buna karşılık 4 ve 5 mm/s hızlarında ortalama hata 0,04 µm'nin altında raporlanmıştır.

Y eksenindeki hatalar aynı hız aralığında X eksenine göre yaklaşık iki kat daha düşük bulunmuştur. Yazarlar bu asimetrinin mekanik yapı, step motor davranışı ve tahrik sisteminin kalibrasyonu ile ilişkili olabileceğini ifade etmektedir.

Sensör füzyonu gerçekte neyi düzeltiyor?

Buradaki sistem motorun mekanik hatasını fiziksel olarak ortadan kaldırmıyor. Bunun yerine hareket sonrasında oluşan gerçek konum farkını bağımsız görsel verilerle ölçülebilir ve düzeltilebilir hâle getiriyor.

Bu ayrım önemlidir. Çalışmadaki sensör füzyonu:

• mekanik sapmayı tespit edebilir,
• tekrar konumlama hatasını ölçebilir,
• üst ve alt görüntü bilgisini çapraz doğrulayabilir,
• şeffaf numunede alet–hedef ilişkisini izleyebilir,
• gelecekte kapalı çevrim konum düzeltmesine veri sağlayabilir.

Ancak mevcut çalışma bütün bu hataları gerçek zamanlı olarak tamamen ortadan kaldıran tam kapalı çevrim bir mikro-robot kontrol sistemi göstermemektedir. Yazarlar yöntemin yalnızca belirli sapmaları kısmen kontrol edebildiğini ve daha uygun yöntemlerin geliştirilmesine ihtiyaç bulunduğunu açıkça belirtmektedir.

Biyolojik mikro-manipülasyon için neden önemli?

Çalışmanın hedef uygulamalarından biri, yarı şeffaf veya şeffaf kaplarda bulunan biyolojik nesneler üzerinde mikroelektrot veya benzeri aletlerle işlem yapmaktır. Üst mikroskop hedef hücreyi görüntülerken aynı fiziksel alanda mikro-aletin hareket etmesi geometrik erişim problemi oluşturabilir.

Alt sensör, Petri kabı gibi şeffaf bir yüzeyin altından mikro-alet gölgesini veya optik işaretini izleyerek ikinci bir konum referansı sağlayabilir. Araştırmacılar gelecekte maya veya başka tek hücreli organizmalar üzerinde otomatik hedef bulma ve konumlama çalışmaları planlamaktadır.

Çalışma neyi destekliyor?

• Üst optik görüntü, yazılım koordinatı ve alt görüntü sensörünün birlikte kullanılması mikro-robot konum sapmasının bağımsız olarak değerlendirilmesini sağlayabilir.
• Standart CMOS sensörlerden elde edilen görüntüler mikro-alet dönüş ve yörünge hatalarının belirlenmesinde kullanılabilir.
• Centroid ve piksel-farkı tabanlı görüntü işleme, mikrometre ve belirli koşullarda alt-mikrometre ölçeğinde konum farklarını ortaya çıkarabilir.
• Yarı şeffaf örneklerde alttan görüntüleme, üst optik mikroskopa tamamlayıcı konum bilgisi sağlayabilir.
• Çalışmanın deney sisteminde hız, yörünge biçimi ve eksen yönü konum doğruluğunu değiştirmiştir.

Çalışma neyi kanıtlamıyor?

• Her mikro-robot sisteminde 0,25 µm RMSE elde edileceğini kanıtlamaz.
• Bütün 0,1–5 mm/s hız aralığında konum hatasının 0,5 µm'nin altında olduğunu göstermemektedir.
• Gerçek canlı hücre üzerinde otomatik mikroelektrot yerleştirme işlemi bu çalışmada tamamlanmış değildir.
• BVS'nin bütün yarı şeffaf biyolojik örneklerde aynı optik kontrastı sağlayacağı gösterilmemiştir.
• Aydınlatma çok düştüğünde yöntem aynı doğruluğu korumamaktadır.
• Görüntü işleme birkaç saniye sürdüğünden kaynakta gerçek zamanlı yüksek frekanslı kapalı çevrim düzeltme performansı gösterilmemiştir.

Çalışmanın Yöntemi ve Bulguları

Temel donanım

Kalibrasyon numuneleri

Kaynakta PET tabanlı şeffaf kalibrasyon filmi, cam üzerindeki hassas ölçüm ölçeği ve 4 µm aralıklı mikro-ızgara kullanılmıştır. Görüntü keskinliği, koordinat tekrarlanabilirliği ve piksel–mikrometre dönüşümü bu referans yapılar üzerinden incelenmiştir.

Ayrıca yaklaşık 100 µm uç çapına sahip cam iğne, mikro-aleti temsil etmek için kullanılmıştır. Bazı deneylerde iğnenin yerine fiber optik yerleştirilerek alt sensörde konumu kolay hesaplanabilen ışık noktası oluşturulmuştur.

Hareket öncesi ve sonrası görüntü karşılaştırması

Her hareket çevriminde sistem başlangıç konumunda görüntülenmiş, belirlenen yörünge tamamlanıp mikro-alet başlangıç noktasına geri döndüğünde ikinci görüntü alınmıştır.

İki görüntü arasındaki eşleşmeyen piksel sınırları mekanik geri dönüş hatasının görsel göstergesi olarak değerlendirilmiştir. Kaynağın Şekil 6, 9, 10 ve 11'inde bu yaklaşım; başlangıç görüntüsü, hareket sonrası görüntü ve piksel farkı haritası biçiminde gösterilmektedir.

İlk yörünge testleri

Doğrusal hareket deneylerinde 50, 25 ve 12,5 mm/min hızları ile iki eksenli çapraz hareket değerlendirilmiştir. Sonuçlar X ve Y hatalarının hareket hızına ve yörüngeye göre aynı kalmadığını göstermiştir.

L-biçimli yörünge de aynı üç hızda incelenmiş ve farklı sapmalar elde edilmiştir. Araştırmacılar daha sonra özellikle doğrusal ve daha karmaşık spiral/çok yönlü yörüngeleri, konum tekrar edilebilirliğinin değerlendirilmesi için ön plana çıkarmıştır.

Tekrarlı hareket deneyi

Aynı X–Y yörüngesi boyunca 50 mm mesafede ve 50 mm/min hızda yapılan tekrar deneylerinde hem X hem Y eksen hataları sensör füzyonuyla hesaplanmıştır.

Kaynakta ilk tekrarların ardından hatanın değişken olduğu, yaklaşık 14. tekrardan sonra sistemin daha kararlı çalışma durumuna geçtiği ve konum sapmasının azaldığı ifade edilmektedir. Bu gözlem sistemde ısıl veya mekanik yerleşme etkilerinin bulunabileceğini düşündürmekle birlikte araştırma bu mekanizmayı ayrı bir deneyle izole etmemiştir.

Hız deneyinin yapısı

Y ekseni sonuçları bütün incelenen hızlarda X ekseninden daha küçük hata göstermiştir. Makale metni Y ekseni doğruluğunu yaklaşık iki kat daha iyi olarak tanımlamaktadır.

Genel yöntem performansı

Önemli yorum notu: Son satır bütün hız noktalarının ayrı ayrı 0,5 µm altında olduğu şeklinde okunmamalıdır. Ayrıntılı sonuç bölümünde düşük hızdaki X ekseni testlerinde daha yüksek hatalar bildirilmiştir.

Aydınlatma sınırı

Centroid hesaplama algoritması yeterli görüntü kontrastına ihtiyaç duymaktadır. Kaynak, parlaklığın fazla düşmesi durumunda alt-piksel konum tayininin bozulduğunu ve konum doğruluğunun kötüleştiğini açıkça belirtmektedir.

Dolayısıyla elde edilen hassasiyet yalnız mekanik sisteme değil, aynı zamanda:

• LED şiddetine,
• sensör sinyal-gürültü oranına,
• numune geçirgenliğine,
• gölge veya ışık noktası kontrastına,
• seçilen ROI ve eşik değerlerine

bağlıdır.

Hesaplama süresi

Kaynak, MATLAB ve Python betiklerinin görüntüleri birkaç saniye içinde işleyip centroid koordinatlarını ürettiğini bildirmektedir. Bu süre ölçüm ve deneysel konum doğrulaması açısından kullanışlıdır; ancak yüksek bant genişlikli gerçek zamanlı servo geri beslemesiyle aynı şey değildir.

Yöntemin temel sınırlılıkları

• Karmaşık ve çok yönlü yörüngelerde sapma birikebilmektedir.
• Düşük görüntü parlaklığı centroid doğruluğunu düşürmektedir.
• BVS'nin piksel sayısı ve optiksiz kullanımı tek hücre otomatik bulma açısından sınırlama oluşturmaktadır.
• Üst ve alt kameraların farklı piksel boyutları veri füzyonunu zorlaştırmaktadır.
• Çalışma bütün deneyleri canlı hücre üzerinde yürütmemiştir.
• Görüntü işleme birkaç saniye sürdüğünden doğrudan yüksek hızlı servo kapatma deneysel olarak gösterilmemiştir.
• En iyi konum doğruluğu hareket hızına ve eksene bağlıdır.

Kaynak ve Yöntem Notu

Tam özgün çalışma adı: Implementing Sensor Signal Fusion for Accurate Positioning of Micro-Robotic Systems

Yazarlar: Viktor Masalskyi, Ujjawal Malani, Sigitas Petkevičius, Jūratė-Jolanta Petronienė, Andrius Dzedzickis, Giedrius Garbinčius ve Vytautas Bučinskas.

Yazar sırası: Kaynaktaki sıra aynen korunmuştur.

Eş katkı/eş birinci yazar: Kaynakta belirtilmemiştir.

Sorumlu yazar: Vytautas Bučinskas.

Kurumlar:

• Department of Mechatronics, Robotics and Digital Manufacturing, Faculty of Mechanics, Vilnius Gediminas Technical University, Vilnius, Litvanya.
• Department of Automobile Engineering, Faculty of Transport Engineering, Vilnius Gediminas Technical University, Vilnius, Litvanya.

Dergi: Machines.

Yayınevi: MDPI, Basel, Switzerland.

Cilt / sayı / makale numarası: 14(5), 544.

DOI: 10.3390/machines14050544.

Alınma tarihi: 3 Nisan 2026.

Revizyon tarihi: 8 Mayıs 2026.

Kabul tarihi: 11 Mayıs 2026.

Yayın tarihi: 13 Mayıs 2026.

Kaynak türü: Hakemli deneysel araştırma makalesi.

Hakemlik durumu: Hakemli dergi makalesidir.

Lisans: Creative Commons Attribution (CC BY).

Resmî bağlantı: DOI 10.3390/machines14050544 üzerinden resmî yayın kaydına erişilebilir.

Finansman: Araştırma için dış finansman alınmadığı bildirilmiştir.

Veri erişilebilirliği: Çalışmanın özgün katkılarının makale içinde bulunduğu, ek soruların sorumlu yazara yöneltilebileceği belirtilmiştir.

Çıkar çatışması: Yazarlar çıkar çatışması bildirmemiştir.

Yazar katkıları: Kavramsallaştırma V.M. ve V.B.; metodoloji A.D.; yazılım S.P. ve U.M.; doğrulama G.G., A.D. ve S.P.; biçimsel analiz J.-J.P.; araştırma V.M. ve U.M.; kaynaklar V.B.; veri düzenleme G.G.; ilk taslak V.M.; gözden geçirme ve düzenleme V.B., A.D., J.-J.P. ve S.P.; görselleştirme J.-J.P.; danışmanlık V.B.; proje yönetimi A.D. olarak bildirilmiştir.

Bilimsel kapsam: Çalışma üç serbestlik dereceli bir mikro-robotik sistemde üst optik kamera, motor/yazılım koordinatları ve alt CMOS görüntü sensörü verilerinin birleştirilerek konum sapmasının deneysel olarak belirlenmesine odaklanmaktadır. Araştırmada gerçek donanım, kalibrasyon hedefleri ve fiziksel hareket testleri kullanılmıştır.

Önemli sonuç yorumu: Makale özetinde “5 mm/s'ye kadar hızlarda 0,5 µm'nin altında konumlandırma doğruluğu” ifadesi bulunmaktadır. Bununla birlikte ayrıntılı sonuçlarda X eksenindeki düşük hızlı deneylerde 1 µm'yi aşan hata değerleri de raporlanmıştır. Bu nedenle genel ifade bütün test hızlarında aynı mutlak doğruluğun sağlandığı biçiminde yorumlanmamıştır. Genel yöntem değerlendirmesinde ayrıca RMSE = 0,25 µm ve 1,3 µm'den 0,5 µm'ye yaklaşık %62 hassasiyet iyileşmesi bildirilmiştir.

BVS terminoloji notu: Kaynakta BVS hem alttan alet/gölge konumunu izleyen CMOS sensör olarak hem de lenssiz kullanımda ayrıntılı uzamsal görüntü yerine genel parlaklık, saçılma ve spektral bilgi sağlayan fotometrik sensör olarak ele alınmaktadır. Verianla içeriğinde bu iki kullanım biçimi ayrı açıklanmıştır.

Temel sınırlılık: Çalışmanın nihai hedefi canlı hücre veya benzeri mikro-nesnelerin otomatik olarak bulunması ve mikro-aletin hedef üzerine hassas biçimde yerleştirilmesidir; ancak bu iş akışının tamamı canlı hücrelerle otomatik kapalı çevrim çalışma olarak henüz doğrulanmamıştır. Yazarlar maya veya diğer tek hücreli organizmalarla devam çalışmalarını gelecek araştırma konusu olarak belirtmektedir.

Bu Verianla içeriğindeki yöntem, cihaz özellikleri, denklemler, hız testleri, görüntü işleme adımları, performans değerleri ve sınırlılıklar incelenen çalışmaya dayanmaktadır. Dış kaynak yalnız bibliyografik yayın kimliği ve derginin hakemlik durumunun doğrulanması amacıyla kullanılmıştır; kaynakta bulunmayan yeni deneysel sonuç eklenmemiştir.