在生物多样性逐步减少的今天，科学家亟须对未命名生物进行编码分类。昆虫等无脊椎动物在未命名的万物种中的生物量占比可达90%以上，然而科学家对无脊椎动物多样性的探索现状，可谓沧海一粟。
该工作的主要障碍在于：昆虫样本形态较小、种类复杂且数量庞大；传统分拣技术需要基于形态学的手动处理，速度太慢；基于元数据库编码的分子技术难以获得可靠的丰度信息。
因此，德国研究人员设计了一个对小样本进行全自动筛选分类的机器人。实验结果表明，基于一个初步的神经网络，该机器人对各类昆虫分类的平均精度为91.4%（75-%）；随着更多的图像被用于训练，该神经网络预测精度将进一步提高。在未来，该技术将提高微小生物分类编码工作的分类精度，缩短分类时间，极大提高工作效率。
文章以「」为题，于年5月17日发表在biorxiv预印本平台。
该文详细报道了一种快速准确的昆虫分类机器人。该机器人配备了两个带有定制镜头的高分辨率镜头、合适的LED照明和图像识别软件。此外，还安装了基于吸泵的运输系统，可将检测到的昆虫转移到标准96孔微板中。首先，机器人对小样本进行排序；然后，使用卷积神经网络（convolutionalneuralnets，CNN）对混合样本进行检测，并对每一个样本进行单独拍照分析；最后将每个样本移动到96孔微板中，进行DNA测序；测序结果与前面的照片相对应，生成新的DNA条形码（DNAbarcod）。
机器人系统可分为：运输系统、图像采集系统和图像处理系统三部分。
运输系统主体是一个三轴机器人，用于将昆虫从培养皿转移到微孔板，并安置摄像机拍摄单个样本的详细视图。机器人x轴和y轴的水平运输由LEZ1线性驱动器（IselAG,Eichenzell,Germany）驱动；这两个线性驱动器均由高精度步进电机驱动，具有良好的定位精度。z轴由带步进电机的AR42H50主轴驱动器（NanotecElectronicGmbHCo.KG,Feldkirchen,Germany）驱动，实现上下运输。同时三个轴都由一个TMCM-电机控制器（Trinamic,Hamburg,Germany）控制，最终实现精确、快速、平滑的轴上运动。
运输系统由RaspberryPi（RaspberryPisingle-board