CN113022995A - 一种培养皿组装生产线 - Google Patents

Abstract

本发明涉及自动化组装系统技术领域内的一种培养皿组装生产线，包括翻转工位、运载工位、检测工位、夹取工位以及封装工位；翻转工位用于将培养皿上下盖中的其中一个通过翻转的方式置于运载工位的相应位置，运载工位用于承载培养皿上盖和培养皿下盖并运输至夹取工位，同时在运输过程中通过检测工位对培养皿上盖和培养皿下盖进行拍照，夹取工位将培养皿上盖和培养皿下盖组装，并且夹取工位根据检测工位拍照的数据识别良品和不良品，将不良品移除，将良品夹取至封装工位上进行封装。本发明实现了培养皿的检测、组装以及封装工序的全自动化操作，避免了人工辅助操作造成的对培养皿的细菌污染等情况，提升了培养皿的自动化检测组装效率。

Description

一种培养皿组装生产线

技术领域

本发明涉及自动化组装系统技术领域，具体地，涉及一种培养皿组装生产线。

背景技术

培养皿是一种用于微生物或细胞培养的实验室器皿，由一个平面圆盘状的底和一个盖组成，一般用玻璃或塑料制成。培养皿材质基本上分为两类，主要为塑料和玻璃的，玻璃的可以用于植物材料、微生物培养和动物细胞的贴壁培养也可能用到。塑料的可能是聚乙烯材料的，有一次性的和多次使用的，适合实验室接种、划线、分离细菌的操作，可以用于植物材料的培养。

培养皿是生物科技公司常用的器具之一，品种繁多，如果人工组装上述部件，不仅费时费力，而且还容易让培养皿感染莫名细菌。现有技术中并无集培养皿的检测、组装于一体的自动化生产线，单纯依靠人工组装势必产生上述的缺点，而且效率低。

经现有技术检索发现，中国实用新型公开号为CN211759757U，公开了一种培养皿装配装置，包括机架、折叠组件和传动组件，所述折叠组件位于所述机架上方，所述折叠组件包括支架、旋转件、若干第一吸盘和若干第二吸盘，所述第一吸盘与所述支架连接；所述旋转件通过连杆与所述第二吸盘连接，所述第一吸盘和所述第二吸盘对应设置，所述旋转件能够驱动所述第二吸盘与所述第一吸盘相对，以装配盖体和底盘；所述传动组件包括第一传输带和第一传送板，所述第一传输带设置在所述机架的上表面，所述第一传送板放置在所述第一传输带上；所述第一传送板上设置有若干料夹，所述第一吸盘能够和所述料夹相配合，以将培养皿放置在所述料夹内。该实用新型就存在上述相应问题。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种培养皿组装生产线。

根据本发明提供的一种培养皿组装生产线，包括翻转工位、运载工位、检测工位、夹取工位以及封装工位；

所述翻转工位包括吸盘、旋转架和旋转气缸，所述吸盘连接于所述旋转架上，所述旋转气缸驱动所述旋转架翻转；

所述运载工位包括承载板、导轨和动力缸，所述承载板通过所述动力缸沿所述导轨直线往复移动，所述承载板设有上盖容置槽和下盖容置槽，所述上盖容置槽与所述下盖容置槽并排设置，一组培养皿的上下盖分别容置于左右并排的所述上盖容置槽与所述下盖容置槽内，培养皿下盖吸附于所述吸盘上并通过翻转动作置于所述下盖容置槽内；

所述检测工位包括摄像机、触发开关以及门架，两台所述摄像机并排安装于所述门架上，所述触发开关检测到达预定位的培养皿上盖和\或培养皿下盖并触发两台所述摄像机分别对培养皿上盖和培养皿下盖拍照，所述摄像机进行拍照时，所述承载板不停止移动；

所述夹取工位包括机器人和治具，所述机器人包括视觉识别系统和控制系统，所述视觉识别系统采集所述摄像机的数据并识别相应位置的培养皿上盖和\或培养皿下盖是否为良品，所述控制系统控制所述治具将培养皿上盖与培养皿下盖组装成培养皿并根据所述视觉识别系统的识别结果移除不良品培养皿；

所述封装工位包括封装袋和撑口工装，所述撑口工装用于保持所述封装袋呈敞口状态，组装后的良品培养皿通过所述治具放入所述封装袋内。

一些实施方式中，所述检测工位还包括光源，所述光源安装于所述门架上，所述光源用于为培养皿上盖和培养皿下盖提供光照。

一些实施方式中，所述摄像机拍摄位于所述上盖容置槽与所述下盖容置槽中的产品的时间为0.15~0.25S。

一些实施方式中，所述视觉识别系统是基于卷积神经网络深度学习算法形成的图像识别系统，包括：

不良品存储模块：收集培养皿上盖和培养皿下盖的各类不良品，通过标注软件根据缺陷类型进行标注；

数据增强、泛化模块：获取所述不良品存储模块中的数据，通过数据增强软件对各类缺陷的角度与亮度进行自动调整，对增强后的各类缺陷数据进行泛化处理，获取各类缺陷所对应的特征；

神经网络训练模块：基于各类缺陷特征初始化模型参数，利用高斯分布随机初始化网络结构中的参数，输入数据在卷积神经网络获得期望值，如期望值与实际不良品标签相同则结束训练，如期望值与实际不良品标签存在误差，则将误差逐层反向传播至输入层，每层的神经元会根据该误差对网络结构中的参数进行更新，直至期望值与实际不良品标签相同；

数据优化模块：检测过程中持续收集不良品类型并存储至所述不良品存储模块。

一些实施方式中，所述缺陷类型包括油污、杂色、划痕、缺料、开裂以及表面磨损。

一些实施方式中，所述上盖容置槽与所述下盖容置槽的结构相同，所述上盖容置槽与所述下盖容置槽上端均开设有坡口，所述上盖容置槽与所述下盖容置槽的侧面均设置有夹持口。

一些实施方式中，所述治具包括夹片、吸嘴以及伸缩气缸，两块所述夹片分别传动连接于所述伸缩气缸相对的两侧，所述吸嘴位于两块所述夹片之间，所述吸嘴通过所述伸缩气缸实现负压吸附。

一些实施方式中，所述治具中还设置有弹簧，所述吸嘴通过所述弹簧与所述伸缩气缸弹性连接。

一些实施方式中，两块所述夹片相对的内表面设有圆弧凹槽，所述圆弧凹槽为台阶状。

一些实施方式中，所述封装袋内同时盛装多个所述良品培养皿，多个所述良品培养皿层叠放置于所述封装袋内。

与现有技术相比，本发明具有如下的有益效果：

1、本发明提供的培养皿组装生产线实现了培养皿的检测、组装以及封装工序的全自动化操作，避免了人工辅助操作造成的对培养皿的细菌污染等情况，提升了培养皿的自动化检测组装效率。

2、本发明通过两台摄像机基本上同步拍摄的培养皿上下盖图片进行识别并传输至视觉识别系统进行识别，不仅提升对培养皿缺陷的检测精度而且可有效提高培养皿的检测效率，而且通过与触发开关的相互协同，通过触发开关与摄像机进行联动，使得摄像机具有飞拍功能，大幅提高培养皿上下盖的检测与组装效率。

3、本发明通过优化治具的结构设计，具体是优化治具中吸嘴的连接方式为弹性连接，提高培养皿上下盖的组装精度。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明培养皿组装生产线的整体结构示意图；

图2为本发明治具的结构示意图；

图3为本发明上盖容置槽或下盖容置槽的结构示意图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。

实施例1

本发明提供了一种培养皿组装生产线，如图1-3所示，包括翻转工位1、运载工位2、检测工位3、夹取工位4以及封装工位5。待组装的培养皿上盖和培养皿下盖从模具中运出时，开口为同向，即从模具中运出的培养皿上盖和培养皿下盖均为开口朝上或均为开口朝下，为此，翻转工位1用于将培养皿上下盖中的其中一个通过翻转的方式置于运载工位2的相应位置，运载工位2用于承载培养皿上盖和培养皿下盖并运输至夹取工位4，同时在运输过程中通过检测工位3对培养皿上盖和培养皿下盖进行拍照，夹取工位4将培养皿上盖和培养皿下盖组装，并且夹取工位4根据检测工位3拍照的数据识别良品和不良品，将不良品移除，将良品夹取至封装工位5上进行封装。此处，所谓良品和不良品是指有无缺陷且组装为一体的培养皿。本发明提供的培养皿组装生产线实现了培养皿的检测、组装以及封装工序的全自动化操作，避免了人工辅助操作容易对培养皿造成细菌污染的问题，提升了培养皿的自动化检测组装效率。具体的：

翻转工位1包括吸盘11、旋转架12和旋转气缸13，其中旋转架12包括旋转杆121和支撑杆122，多根支撑杆122相互平行地间隔连接于旋转杆121上，多个吸盘11以同轴的方式连接于支撑杆122的末端，旋转杆121与旋转气缸13转动连接。以培养皿下盖吸附于吸盘11上为例进行说明，旋转气缸13驱动旋转杆121转动，进而带动支撑杆122以及与连接于支撑杆122上的吸盘11翻转，进而使得吸附于吸盘11上的培养皿下盖随之翻转至相应位置。

运载工位2包括承载板21、导轨22和动力缸23，承载板21与导轨22滑动连接，动力缸23通过伸缩轴与承载板21连接并驱动承载板21沿导轨22往复滑动，进而实现将培养皿上盖和培养皿下盖穿过检测工位3到达夹取工位4。承载板21上设置有上盖容置槽211和下盖容置槽212，上盖容置槽211和下盖容置槽212左右并排设置，且优选的，多个上盖容置槽211前后成列设置，与上盖容置槽211数量相同的下盖容置槽212前后成列设置，即一列上盖容置槽211和一列下盖容置槽212左右并排设置，左右并排的上盖容置槽211和下盖容置槽212分别放置培养皿的上盖和下盖，左右并排的培养皿上盖和培养皿下盖为一组，组装后形成一个培养皿。上盖容置槽211与下盖容置槽212并排设置，在高速移动时起到固定作用，保证培养皿的位置不发生移动，确保后道装配工位顺利进行。待检测的培养皿上盖通过工业机器人直接放入上盖容置槽211内，待检测的培养皿下盖通过工业机器人放置于吸盘11上，通过旋转气缸13驱动旋转架12旋转后，待检测的培养皿下盖置于下盖容置槽212内。优选的，上盖容置槽211和下盖容置槽212的结构基本相同，均由两块竖向的弧形板和一块连接两块弧形板的平板构成的对称结构。上盖容置槽211与下盖容置槽212的上端开口开设有坡口2110，坡口2110增大了上盖容置槽211和下盖容置槽212的开口度，方便培养皿上盖和培养皿下盖的取出，同时可避免培养皿的上下盖取出时与容置槽棱边的摩擦损伤问题。进一步的，上盖容置槽211和下盖容置槽212的侧面设置有夹持口2111，通过侧面夹持口2111的设置，即方便了培养皿上下盖的夹取，又可避免容置槽与培养皿上下盖外表面的过多接触。

检测工位3包括拍摄用的摄像机31，与摄像机31联动的触发开关32，以及用于摄像机31和触发开关32安装的门架33。安装于门架33上的摄像机31为两台，两台摄像机31并排设置于门架33的横梁上，分别对应拍摄并排的一组培养皿上盖和培养皿下盖。触发开关32优选为光纤传感器，可在感应到产品后16微秒内将信息传递，另外，触发开关32优选安装于门架33的竖向支撑杆上。触发开关32与摄像机31的控制系统电连接，当触发开关32检测到培养皿上盖和\或培养皿下盖到达相应位置后，将信号传递至摄像机31的控制系统，进而由摄像机31的控制系统开启摄像功能进行拍照。在此过程中，当每一组并排的培养皿上盖和培养皿下盖进入触发开关32设定的检测范围后，触发开关32触发摄像机31对下方通过的位于上盖容置槽211和下盖容置槽212内的培养皿上下盖进行拍照，此时，摄像机31对培养皿上下盖进行拍照时，承载有培养皿上下盖的承载板21无需停留，即摄像机31通过与触发开关32的联动，使得摄像机31具备了类似视觉计算物体位置的功能，进而在培养皿上下盖运动过程中完成拍照功能，提升了拍摄效率，整体上提高了培养皿上下盖的检测与组装效率。其触发开关32对培养皿上下盖到位情况可通过预设相应的光感距离，即当触发开关32的检测光感距离达到预设的范围值后，即触发摄像机31进行拍摄。例如，采用光纤传感器的触发开关32的响应时间为16μs，摄像机31为120帧/秒的高速相机，动力缸23的运行速度为2000mm/秒，培养皿上下盖的直径为60~90mm。承载板21通过动力缸23带动培养皿上下盖高速移动（2000mm/秒，不含加速时间），当触发开关32检测到培养皿上下盖进入预设距离范围后16μs左右给摄像机31信号，摄像机31开始拍照，一个培养皿上下盖从触发开关32给出信号到移出摄像机31的视野，摄像机31可以拍照数量8到12张照片，进而一组培养皿上下盖的高速飞拍结束。培养皿上下盖采用此种的技术手段，摄像机31拍摄位于上盖容置槽211与下盖容置槽212中的培养皿上下盖的时间可控制在0.15-0.25S之间。

优选的，触发开关32为两组，分别连接于门架33的两侧竖向支撑杆上，两组触发开关32分别与相临近的摄像机31电连接，两组触发开关32分别检测培养皿上盖和培养皿下盖的到位情况，并分别触发相应的摄像机31进行拍摄。设置2组触发开关32分别对应两台摄像机31，可避免培养皿上下盖放置不规范而引起的到位拍摄误差等问题，提高拍摄精度。通过检测工位中设置触发开关，使得触发开关与摄像机进行联动，使得摄像机具有飞拍功能，大幅提高培养皿上下盖的检测与组装效率。进一步的，检测工位3中设置有光源34，光源34优选为环形LED灯，环形LED灯可通过支座连接于门架33的横梁下方，摄像机31的摄像头位于环形LED灯的光圈中间。光源34可提高对培养皿上盖和培养皿下盖的亮度，以此提高摄像机31的拍摄效果，即通过设置光照装置，提高视觉识别系统对培养皿上盖和培养皿下盖上的缺陷的识别与检测精度。

夹取工位4包括机器人41以及连接于机器人41的机械臂上的治具42。机器人41的操控软件中包括有控制系统和视觉识别系统。视觉识别系统采集摄像机31拍摄的每组培养皿上下盖的所有图片并经模型推理识别相应图片中培养皿上盖和\或培养皿下盖是否存在相应的缺陷，同时将识别的结果传输至控制系统。承载板21携带培养皿上盖和培养皿下盖穿过门架33后移动至夹取工位4，其控制系统通过控制连接于机械臂上的治具42将培养皿上盖和培养皿下盖组装为一体，同时根据视觉识别系统对摄像机31拍摄的图片的识别结果，将对应位置的不良品移除，将良品移至封装工位5进行封装。优选的，治具42包括有吸嘴421、夹片422以及伸缩气缸423，吸嘴421置于两块夹片422之间并与伸缩气缸423连通，吸嘴421通过伸缩气缸423实现负压吸附。两块夹片422对称传动连接于伸缩气缸423的两侧，两夹片422通过伸缩气缸423相互靠近或相互远离，以实现对培养皿上下盖的夹取动作。优选的，两块夹片422相对的内表面设计为圆弧形凹槽4220，同时，圆弧形凹槽4220设计优选为台阶状结构，以较好的结构面适应培养皿上盖与培养皿下盖外径大小不同的情况。视觉识别系统对摄像机31拍摄的图片的识别过程中，同组中的培养皿上盖与培养皿下盖中的任何一个被检测出存在缺陷时，视觉识别系统即停止对该组中另一个盖体的对比识别，即培养皿上盖存在缺陷、培养皿下盖存在缺陷以及培养皿上盖和培养皿下盖同时存在缺陷的情况均为不良品。本发明通过两台摄像机同步拍摄的培养皿上下盖图片进行识别并传输至视觉识别系统进行识别，不仅提升对培养皿缺陷的检测精度而且可有效提高培养皿的检测效率。

优选的，视觉识别系统是基于卷积神经网络深度学习算法形成的图像识别系统，包括：

不良品存储模块：收集培养皿上盖以及培养皿下盖的各类不良品，通过标注软件根据缺陷类型进行标注；

数据增强、泛化模块：获取不良品存储模块中的数据，通过数据增强软件对各类缺陷的角度与亮度进行自动调整，对增强后的各类缺陷数据进行泛化处理，获取各类缺陷所对应的特征；

神经网络训练模块：基于各类缺陷特征初始化模型参数，利用高斯分布随机初始化网络结构中的参数，输入数据在卷积神经网络获得期望值，如期望值与实际不良品标签相同则结束训练，如期望值与实际不良品标签存在误差，则将误差逐层反向传播至输入层，每层的神经元会根据该误差对网络结构中的参数进行更新，直至期望值与实际不良品标签相同；

数据优化模块：检测过程中持续收集出现的不良品并存储至不良品存储模块。

封装工位5包括封装袋51和用于使封装袋51呈敞口状态的撑口工装52。封装袋51可通过机械臂控制治具（附图中未示出，机械臂以及治具可连接在位于撑口工装52右侧的连接柱上）自封装袋储存箱内将封装袋51吸取后，侧姿翻转90度后将封装袋51移动至撑口工装52中，撑口工装52两侧的吸盘吸住封装袋51相对的两侧同时向外移动一定的距离，进而由撑口工装52将封装袋51的袋口撑开并保持竖立状态。机器人41控制治具42将良品培养皿放入封装袋51内，优选的，放入封装袋51内的良品培养皿可为多个，一个封装袋51内的多个良品培养皿层叠放置。放置有良品培养皿的封装袋51可通过热封塑方式进行封装。

实施例2

本实施例2是在实施例1的基础上形成，通过优化治具的结构设计，具体是优化治具中吸嘴的连接方式为弹性连接，提高培养皿上下盖的组装精度。具体地：

如图1-2所示，治具42中还设置有弹簧424，弹簧424套接在吸嘴421的吸管上，同时弹簧424两端分别与伸缩气缸423和吸嘴421的端面连接，即吸嘴421通过弹簧424与伸缩气缸423实现弹性连接。当机器人41控制治具42吸附培养皿上盖时，即将吸嘴421的嘴口贴合于培养皿上盖的表面后，通过控制伸缩气缸423使吸嘴421产生负压进而使得培养皿上盖被吸附，此时弹簧424由于吸嘴421的负压作用被一定程度的压缩。当机器人41控制吸嘴421携带培养皿上盖移至培养皿下盖的上方后，两夹片422通过伸缩气缸423先行向外移动后使得培养皿上下盖与夹片422的位置对应后，解除吸嘴421所具有的负压作用，培养皿上盖在自身重力以及弹簧424弹力的作用下与培养皿下盖合体，进而再通过控制伸缩气缸423使得两夹片422相互靠近以夹持培养皿上盖和培养皿下盖，由此完成培养皿上下盖的组装。治具中吸嘴通过弹簧与伸缩气缸弹性连接，借助弹簧的弹性作用提高培养皿上下盖合体时的相互作用力，提高了培养皿上下盖的组装精度。

在本申请的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种培养皿组装生产线，其特征在于，包括翻转工位（1）、运载工位（2）、检测工位（3）、夹取工位（4）以及封装工位（5）；

所述翻转工位（1）包括吸盘（11）、旋转架（12）和旋转气缸（13），所述吸盘（11）连接于所述旋转架（12）上，所述旋转气缸（13）驱动所述旋转架（12）翻转；

所述运载工位（2）包括承载板（21）、导轨（22）和动力缸（23），所述承载板（21）通过所述动力缸（23）沿所述导轨（22）直线往复移动，所述承载板（21）设有上盖容置槽（211）和下盖容置槽（212），所述上盖容置槽（211）与所述下盖容置槽（212）并排设置，一组培养皿的上下盖分别容置于左右并排的所述上盖容置槽（211）与所述下盖容置槽（212）内，培养皿下盖吸附于所述吸盘（11）上并通过翻转动作置于所述下盖容置槽（212）内；

所述检测工位（3）包括摄像机（31）、触发开关（32）以及门架（33），两台所述摄像机（31）并排安装于所述门架（33）上，所述触发开关（32）检测到达预定位的培养皿上盖和\或培养皿下盖并触发两台所述摄像机（31）分别对培养皿上盖和培养皿下盖拍照，所述摄像机（31）进行拍照时，所述承载板（21）不停止移动；

所述夹取工位（4）包括机器人（41）和治具（42），所述机器人（41）包括视觉识别系统和控制系统，所述视觉识别系统采集所述摄像机（31）的数据并识别相应位置的培养皿上盖和\或培养皿下盖是否为良品，所述控制系统控制所述治具（42）将培养皿上盖与培养皿下盖组装成培养皿并根据所述视觉识别系统的识别结果移除不良品培养皿；

所述封装工位（5）包括封装袋（51）和撑口工装（52），所述撑口工装（52）用于保持所述封装袋（51）呈敞口状态，组装后的良品培养皿通过所述治具（42）放入所述封装袋（51）内。

2.根据权利要求1所述的培养皿组装生产线，其特征在于，所述检测工位（3）还包括光源（34），所述光源（34）安装于所述门架（33）上，所述光源（34）用于为培养皿上盖和培养皿下盖提供光照。

3.根据权利要求1或2所述的培养皿组装生产线，其特征在于，所述摄像机（31）拍摄位于所述上盖容置槽（211）与所述下盖容置槽（212）中的产品的时间为0.15~0.25S。

4.根据权利要求1所述的培养皿组装生产线，其特征在于，所述视觉识别系统是基于卷积神经网络深度学习算法形成的图像识别系统，包括：

不良品存储模块：收集培养皿上盖和培养皿下盖的各类不良品，通过标注软件根据缺陷类型进行标注；

数据增强、泛化模块：获取所述不良品存储模块中的数据，通过数据增强软件对各类缺陷的角度与亮度进行自动调整，对增强后的各类缺陷数据进行泛化处理，获取各类缺陷所对应的特征；

神经网络训练模块：基于各类缺陷特征初始化模型参数，利用高斯分布随机初始化网络结构中的参数，输入数据在卷积神经网络获得期望值，如期望值与实际不良品标签相同则结束训练，如期望值与实际不良品标签存在误差，则将误差逐层反向传播至输入层，每层的神经元会根据该误差对网络结构中的参数进行更新，直至期望值与实际不良品标签相同；

数据优化模块：检测过程中持续收集不良品类型并存储至所述不良品存储模块。

5.根据权利要求4所述的培养皿组装生产线，其特征在于，所述缺陷类型包括油污、杂色、划痕、缺料、开裂以及表面磨损。

6.根据权利要求1所述的培养皿组装生产线，其特征在于，所述上盖容置槽（211）与所述下盖容置槽（212）的结构相同，所述上盖容置槽（211）与所述下盖容置槽（212）上端均开设有坡口（2110），所述上盖容置槽（211）与所述下盖容置槽（212）的侧面均设置有夹持口（2111）。

7.根据权利要求1所述的培养皿组装生产线，其特征在于，所述治具（42）包括吸嘴（421）、夹片（422）以及伸缩气缸（423），两块所述夹片（422）分别传动连接于所述伸缩气缸（423）相对的两侧，所述吸嘴（421）位于两块所述夹片（422）之间，所述吸嘴（421）通过所述伸缩气缸（423）实现负压吸附。

8.根据权利要求7所述的培养皿组装生产线，其特征在于，所述治具（42）中还设置有弹簧（424），所述吸嘴（421）通过所述弹簧（424）与所述伸缩气缸（423）弹性连接。

9.根据权利要求7或8所述的培养皿组装生产线，其特征在于，两块所述夹片（422）相对的内表面设有圆弧凹槽（4220），所述圆弧凹槽（4220）为台阶状。

10.根据权利要求1所述的培养皿组装生产线，其特征在于，所述封装袋（51）内同时盛装多个所述良品培养皿，多个所述良品培养皿层叠放置于所述封装袋（51）内。

Images