La calidad de la información diagnóstica obtenida en el transcurso de estudios de laboratorio depende de la precisión en el cumplimiento de las regulaciones para el trabajo necesario. El proceso de alicuotado de suero sanguíneo requiere sumergir la pipeta a diferentes profundidades dependiendo del nivel límite entre las fases de la sangre. Se puede utilizar un sistema de visión para determinar esta profundidad durante el alicuotado automatizado utilizando varios algoritmos. Como parte del trabajo, se sintetizan dos algoritmos de reconocimiento, uno de los cuales se basa en el uso de la paleta de colores HSV, y el otro se basa en la red neuronal convolucional. En el lenguaje Python, se han desarrollado sistemas de software que implementan la capacidad de un sistema de visión para reconocer sangre en tubos de ensayo. Se supone que los métodos desarrollados se utilizarán para alicuotar biosamples utilizando un robot delta en un sistema multirrobot, lo que aumentará la productividad de la investigación biomédica en curso a través del uso de nuevas soluciones técnicas y principios de robótica inteligente. Se presentan los resultados visualizados del trabajo de los programas considerados y se lleva a cabo un análisis comparativo de la calidad de reconocimiento.