CN112598087A - 器械清点方法、装置及电子设备 - Google Patents
器械清点方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112598087A CN112598087A CN202110237608.6A CN202110237608A CN112598087A CN 112598087 A CN112598087 A CN 112598087A CN 202110237608 A CN202110237608 A CN 202110237608A CN 112598087 A CN112598087 A CN 112598087A
- Authority
- CN
- China
- Prior art keywords
- instrument
- feature
- checked
- information
- set position
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种器械清点方法、装置及电子设备,首先获取待清点器械对应的图片;然后通过预先训练的特征提取模型提取图片中的待清点器械的相关信息;进而根据预先保存的器械存储信息、预先建立的器械特征库、以及待清点器械的相关信息,确定器械清点结果。本发明通过提取包括待清点器械的图片中的器械相关信息,并结合预先建立的器械特征库对待清点器械进行清点,提高了工作效率,降低了人力成本。
Description
技术领域
本发明涉及人工智能技术领域,尤其是涉及一种器械清点方法、装置及电子设备。
背景技术
相关技术中,通常人工对手术器械进行多次核对,以保证手术的正常进行。然而该方式需要多人记录清点过程及确认清点结果,人力成本较高,且工作效率较低。
发明内容
有鉴于此,本发明的目的在于提供一种器械清点方法、装置及电子设备,以提高器械清点的效率,降低人工成本。
第一方面,本发明实施例提供了一种器械清点方法,包括:获取待清点器械对应的图片;通过预先训练的特征提取模型提取图片中的待清点器械的相关信息;根据预先保存的器械存储信息、预先建立的器械特征库、以及待清点器械的相关信息,确定器械清点结果。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,上述特征提取模型通过以下方式训练:获取训练样本;训练样本中包括多组图片;图片包含包括器械的相关信息;根据预设的模型架构,建立初始模型;将训练样本输入至初始模型进行训练,得到特征提取模型。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方式,其中,上述待清点器械包括多个;相关信息包括待清点器械的形状特征;形状特征位于图片的设定位置;器械存储信息包括设定位置及位于设定位置的设定器械;根据预先保存的器械存储信息、预先建立的器械特征库、以及待清点器械的相关信息,确定器械清点结果的步骤,包括:针对于每一个待清点器械,从预先建立的器械特征库中查找位于设定位置的设定器械对应的第一特征信息;将形状特征与第一特征信息进行匹配,得到匹配结果;匹配结果包括相匹配或不匹配;如果匹配结果为相匹配,则确定位于设定位置的待清点器械为设定器械,将待清点器械的标签设置为设定器械;如果匹配结果为不匹配,则确定位于设定位置的待清点器械非设定器械,将待清点器械的标签设置为清点异常;将待清点器械的标签,以及待清点器械对应的设定位置确定为器械清点结果。
结合第一方面的第二种可能的实施方式,本发明实施例提供了第一方面的第三种可能的实施方式,其中,上述形状特征包括第一形状特征及第二形状特征;器械特征库包括主要特征库及详细特征库;第一特征信息从主要特征库查找得到;将形状特征与第一特征信息进行匹配,得到匹配结果的步骤,包括:将第一形状特征与第一特征信息进行匹配;如果第一形状特征与第一特征信息匹配成功,确定匹配结果为相匹配;如果第一形状特征与第一特征信息匹配不成功,从详细特征库查找器械存储信息对应的第二特征信息;将第二形状特征与第二特征信息进行匹配;如果第二形状特征与第二特征信息匹配成功,确定匹配结果为相匹配;如果第二形状特征与第二特征信息匹配不成功,确定匹配结果为不匹配。
结合第一方面的第二种可能的实施方式,本发明实施例提供了第一方面的第四种可能的实施方式,其中,上述待清点器械设置于电子托盘的凹槽中;凹槽的形状与预设的设定器械的设定部分相匹配;设定位置为图片中凹槽的位置;凹槽的颜色为设定颜色;相关信息包括图片中设定位置的提取颜色;从预先建立的器械特征库中查找位于设定位置的设定器械对应的第一特征信息之前,方法还包括:判断提取颜色是否为设定颜色;如果不是设定颜色,确定凹槽中的待清点器械为设定器械,将待清点器械的标签设置为设定器械。
第二方面,本发明实施例还提供一种器械清点装置,包括:图片获取装置,用于获取待清点器械对应的图片;信息提取装置,用于通过预先训练的特征提取模型提取图片中的待清点器械的相关信息;清点模块,用于根据预先保存的器械存储信息、预先建立的器械特征库、以及待清点器械的相关信息,确定器械清点结果。
结合第二方面,本发明实施例提供了第二方面的第一种可能的实施方式,其中,上述特征提取模型通过以下方式训练:获取训练样本;训练样本中包括多组图片;图片包含包括器械的相关信息;根据预设的模型架构,建立初始模型;将训练样本输入至初始模型进行训练,得到特征提取模型。
结合第二方面,本发明实施例提供了第二方面的第二种可能的实施方式,其中,上述待清点器械包括多个;相关信息包括待清点器械的形状特征;形状特征位于图片的设定位置;器械存储信息包括设定位置及位于设定位置的设定器械;清点模块还用于:针对于每一个待清点器械,从预先建立的器械特征库中查找位于设定位置的设定器械对应的第一特征信息;将第一特征信息与形状特征进行匹配,得到匹配结果;匹配结果包括相匹配或不匹配;如果匹配结果为相匹配,则确定位于设定位置的待清点器械为设定器械,将待清点器械的标签设置为设定器械;如果匹配结果为不匹配,则确定位于设定位置的待清点器械非设定器械,将待清点器械的标签设置为清点异常;将待清点器械的标签,以及待清点器械对应的设定位置确定为器械清点结果。
第三方面,本发明实施例还提供一种电子设备,包括处理器和存储器,存储器存储有能够被处理器执行的机器可执行指令,处理器执行机器可执行指令以实现上述方法。
第四方面,本发明实施例还提供一种机器可读存储介质,机器可读存储介质存储有机器可执行指令,机器可执行指令在被处理器调用和执行时,机器可执行指令促使处理器实现上述方法。
本发明实施例带来了以下有益效果:
本发明实施例提供了一种器械清点方法、装置及电子设备,首先获取待清点器械对应的图片;然后通过预先训练的特征提取模型提取图片中的待清点器械的相关信息;进而根据预先保存的器械存储信息、预先建立的器械特征库、以及待清点器械的相关信息,确定器械清点结果。该方式通过提取包括待清点器械的图片中的器械相关信息,并结合预先建立的器械特征库对待清点器械进行清点,提高了工作效率,降低了人力成本。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种器械清点方法的流程图;
图2为本发明实施例提供的另一种器械清点方法的流程图;
图3为本发明实施例提供的另一种器械清点方法中,同一图片上多个设定位置的示意图;
图4为本发明实施例提供的另一种器械清点方法的流程图;
图5为本发明实施例提供的另一种器械清点装置的结构示意图;
图6为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
目前,根据手术安全质量要求,在实施手术过程中,手术间内的当值器械护士和洗手护士必须对手术器械进行多次现场核对,包括器械的类别、数量,每次清点时,双方要共同确认清点结果,并把每一次的清点情况记录清楚,才能算完成本次清点任务,手术方可进入下一环节。由于手术中使用到器械种类和数量很多,而且必须做到万无一失,清点时必然占用不少手术时间,延长了手术时间。
基于此,本发明实施例提供的一种器械清点方法、装置及电子设备,可以应用于各种场景下工具设备的清点。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种器械清点方法进行详细介绍。
本发明实施例提供了一种器械清点方法,如图1所示,该方法包括如下步骤:
步骤S100,获取待清点器械对应的图片。
上述图片中通常包括待清点器械的图像。待清点器械可以为多个,放置在设定位置上。利用图像采集装置采集包括待清点器械的图片作为上述待清点器械对应的图片。为了便于对上述图片中的待清点器械的相关信息进行提取,上述图片应为较清晰的图片,且待清点器械在图片上的位置应固定。
步骤S102,通过预先训练的特征提取模型提取图片中的待清点器械的相关信息。
上述特征提取模型可以基于人工智能(Artificial Intelligence,简称“AI”)建立,如神经网络模型、深度学习算法。预先通过大量的包含器械的图片对特征提取模型进行训练,使特征提取模型可以准确地提取输入图片中位于设定位置的待清点器械的形状特征等相关信息。
步骤S104,根据预先保存的器械存储信息、预先建立的器械特征库、以及待清点器械的相关信息,确定器械清点结果。
清点过程实际为确定待清点器械与预先设定的器械是否一致的过程。上述器械存储信息主要包括了预先设定的器械的名称、存储位置等信息;器械特征库中可以存储器械的形状特征。在具体实现时,可以在器械特征库中查找预设的器械对应的形状特征,再将该形状特征与提取到的待清点器械的形状特征进行比对,如果一致,则确定待清点器械为预设的器械;如果不一致,则认为待清点器械不是预设的器械,完成对该待清点器械的清点。如果待清点器械包括多个,可以依次进行清点,最后得到清点结果。
本发明实施例提供了一种器械清点方法,首先获取待清点器械对应的图片;然后通过预先训练的特征提取模型提取图片中的待清点器械的相关信息;进而根据预先保存的器械存储信息、预先建立的器械特征库、以及待清点器械的相关信息,确定器械清点结果。该方法通过提取包括待清点器械的图片中的器械相关信息,并结合预先建立的器械特征库对待清点器械进行清点,提高了工作效率,降低了人力成本。
本发明实施例还提供了另一种器械清点方法,该方法在如图1所示的方法基础上实现;该方法主要应用于有多个待清点器械的场景,相关信息可以包括待清点器械的形状特征;每个待清点器械的形状特征位于图片的设定位置;预先存储的器械存储信息可以包括设定位置及位于设定位置的设定器械。如图2所示,该方法包括如下步骤:
步骤S200,获取待清点器械对应的图片。
步骤S202,通过预先训练的特征提取模型提取图片中的待清点器械的相关信息。
具体而言,上述特征提取模型可以通过以下方式训练:
(1)获取训练样本;训练样本中包括多组图片;图片包含包括器械的相关信息。
(2)根据预设的模型架构,建立初始模型。上述模型架构可以为基于卷积神经网络理论建立的。
(3)将训练样本输入至初始模型进行训练,得到特征提取模型。在该训练过程中,可以引入损失函数,以损失函数收敛作为判断模型训练完成的标准。
步骤S204,针对于当前的设定位置,从预先建立的器械特征库中查找位于当前的设定位置的设定器械对应的第一特征信息。
具体而言,可以通过对器械进行3D扫描得到器械特征,然后基于将器械特征建立器械特征库。可以将器械特征库分为主要特征库及详细特征库;其中,主要特征库可以存储快速区分器械的特征,如手术剪和手术刀之间的区别特征;第一特征信息从主要特征库查找得到。详细特征库可以存储更为细节的特征,如不同形状的手术刀之间的区别特征。
步骤S206,判断形状特征与第一特征信息是否匹配;如果相匹配,执行步骤S208;如果不匹配,执行步骤S210。
当器械特征库分为主要特征库及详细特征库时,对应地,特征提取模型提取到的形状特征也可以分为第一形状特征及第二形状特征。上述步骤在实现过程中,可以将第一形状特征与第一特征信息进行匹配;如果第一形状特征与第一特征信息匹配成功,确定匹配结果为相匹配;如果第一形状特征与第一特征信息匹配不成功,从详细特征库查找器械存储信息对应的第二特征信息;将第二形状特征与第二特征信息进行匹配;如果第二形状特征与第二特征信息匹配成功,确定匹配结果为相匹配;如果第二形状特征与第二特征信息匹配不成功,确定匹配结果为不匹配。
步骤S208,确定位于设定位置的待清点器械为设定器械,将待清点器械的标签设置为设定器械,执行步骤S212。
步骤S210,确定位于设定位置的待清点器械非设定器械,将待清点器械的标签设置为清点异常,执行步骤S212。
步骤S212,判断当前的设定位置是否为最后的设定位置;如果是,执行步骤S216;如果否,执行步骤S214。
如果当前的设定位置为最后的设定位置,可以认为清点结束,汇总清点结果。如果当前的设定位置不是最后的设定位置,需要继续清点。
步骤S214,按照预设的清点顺序,将当前的设定位置的下一个设定位置确定为当前的设定位置;执行步骤S204。
由于待清点器械包括多个,对应的设定位置也包括多个,如图3所示,以一张图片上包括4个设定位置为例,分别为位置1,位置2,位置3及位置4,可以按照其标号的顺序进行清点。如对位置1上的待清点器械的清点完毕后,可以将位置2设置为当前的设定位置。
步骤S216,将待清点器械的标签,以及待清点器械对应的设定位置确定为器械清点结果。
上述器械清点结果包括待清点器械的标签,即待清点器械为设定器械或者为清点异常的情形,以及待清点器械所放置的设定位置。该器械清点结果通常需要相关责任人进行确认,以确保清点的有效性。
此外,在依据形状特征对待清点器械进行清点前,还可以对盛放待清点器械的设备与对应的设定设备进行匹配处理,以实现对器械的初步清点。例如,将待清点器械设置于电子托盘的凹槽中;凹槽的形状与预设的设定器械的设定部分相匹配;设定位置为图片中凹槽的位置;凹槽的颜色为设定颜色;相关信息包括图片中设定位置的提取颜色。如果该凹槽中保存的器械为设定器械,则凹槽应该被覆盖,该图片中设定位置的提取颜色为设定器械的颜色,而不是提取颜色;因此在初步清点时,可以判断提取颜色是否为设定颜色;如果不是设定颜色,可以确定凹槽中的待清点器械为设定器械,将待清点器械确定为已清点器械。
上述器械清点方法通过将待清点器械的形状特征与预先建立的器械特征库中的特征信息进行比对,实现了对待清点器械进行清点,提高了工作效率。
本发明实施例还提供了另一种器械清点方法,该方法在图1所述的方法的基础上实现;该方法为实现手术器械的快速清点,采用3D扫描和建模技术,预先构建手术器械图形图像特征库(相当于上述“器械特征库”),在器械清点时通过比对手术器械的形状特征,快速完成器械的识别和计数,同时配套的电子托盘通过预先设定摆放位置与器械名称的对应关系,提供器械识别的辅助信息,从而实现手术器械的清点。
在使用该方法前,首先需要建立手术器械的图形图像特征库。手术器械具有异形性、金属性等特质,普通相机拍摄时,很难真实获取其全部外观信息。采用3D扫描方式,为每一个手术器械扫描360°全景图像,提取每一个手术器械的全部外观特征,为手术器械建模,构建对应的3D图像信息库,即上述图形图像特征库。信息库从主要特征库和详细特征库两个层面构建,当进行信息比对时,首先从主要特征库提取信息进行比对,如果不能获取结果,再调用详细特征库,加快比对速度。
AI智能技术具有自学习能力,当反复训练系统识别器械后,可以对预先建立的手术器械图形图像特征库进行自动更新和完善,去除多余信息,补充有效信息,不断精简主要特征库信息,大部分信息比对只要调取主要信息库完成即可,减少调用详细信息库的次数,加快比对分析,加快器械清点速度。
在该方法中,可以采用电子托盘盛放手术器械。电子托盘底部嵌入信息处理系统,托盘设计为有与手术器械外形一致的凹槽和拍照辅助线,侧面架设高清高拍仪,垂直于托盘,架设高度可确保拍摄到托盘全景,高拍仪具有补光能力。电子托盘支持语音交互,用户可采用语音方式发出指令,并从扬声器进行播报。电子托盘支持有线和无线的通信方式,可以将高拍仪拍摄到的图像实时发送至信息系统。
电子托盘的凹槽设计实现辅助识别的方法。电子托盘上不同器械的凹陷位置设计为不同的颜色,在凹陷位置的四周,画上拍照辅助线,有助于高拍仪拍摄图像时快速定焦。位置与器械名称的绑定信息预先存在数据库内,当该位置被高拍仪获取到实物时,就可以颜色、位置绑定信息进行第一轮器械确认,辅助后续的AI识别,提高识别的速度和准确性。手术室内各手术间设有专科手术间,例如骨外科手术间、脑外科手术间、妇产科手术间、心外科手术间等,每个类型的手术间使用的器械不同,因此在不同的手术间针对性的配置对应电子托盘。
如图4所示,上述方法主要包括如下步骤:
(1)语音控制开始器械清点:开始清点时,器械护士通过语音发出“第X次清点”命令。
(2)高拍仪获取图像:高拍仪对电子托盘拍照,获取全部的图像信息。
(3)有线或无线同步传输图像至信息系统。
(4)基于手术器械图像特征库及手术器械与位置绑定信息库进行图像特征对比:通过各种图像处理、识别和比对后,确认托盘内的器械名称和数量。
(5)清点结果入库及清点结果播报:将清点结果存储至数据库,并通过语音播报,每类器械的清点结果播报两次。所有器械清点完成后,系统发出“完成清点”语音提示。
(6)清点结果双人确认:器械护士和洗手护士在系统中双人确认后,本次清点任务完成。信息系统记录本次清点的全部信息,包括清点的时间、清点人、清点器械名称和数量,第几次清点等。最后结束本次清点。
上述方法采用3D扫描技术,可以不失真的获取手术器械的全部外观信息,即便微小的差别也不会被忽略,3D数据转化为图像信息库,对现场拍摄的器械图像可以进行不通过层面的比对,即便颜色失真、摆放不是正面、强光反射等情况下,也可以通过局部详细信息完成识别,对拍照条件要求没有过高限制。
上述方法中,AI技术的自学习能力应用与重复性工作适用于器械清点,经常性的重复识别与错误纠正,对初期建立的信息库可以快速完成更新和迭代,优化图像特征信息库,加快比对速度和准确性。同时采用了个性化电子托盘辅助完成图像识别预处理,提供的信息作为图像特征信息库的有效补充,降低了图像识别的难度,增加了器械识别的速度和准确性。
进一步地,应用上述方法的信息系统与其它信息系统可以进行数据共享:完成器械清点的同时,所有信息可以同步至其它系统,包括本次器械清点时间、清点人、器械名称、数量,与上次清点结果符合性等等,节省了人力成本,且效率较高。
对应于上述方法实施例面,本发明实施例还提供一种器械清点装置,如图5所示,该装置包括:
图片获取装置500,用于获取待清点器械对应的图片;
信息提取装置502,用于通过预先训练的特征提取模型提取图片中的待清点器械的相关信息;
清点模块504,用于根据预先保存的器械存储信息、预先建立的器械特征库、以及待清点器械的相关信息,确定器械清点结果。
具体地,上述特征提取模型通过以下方式训练:获取训练样本;训练样本中包括多组图片;图片包含包括器械的相关信息;根据预设的模型架构,建立初始模型;将训练样本输入至初始模型进行训练,得到特征提取模型。
具体地,上述待清点器械包括多个;相关信息包括待清点器械的形状特征;形状特征位于图片的设定位置;器械存储信息包括设定位置及位于设定位置的设定器械;清点模块还用于:针对于每一个待清点器械,从预先建立的器械特征库中查找位于设定位置的设定器械对应的第一特征信息;将第一特征信息与形状特征进行匹配,得到匹配结果;匹配结果包括相匹配或不匹配;如果匹配结果为相匹配,则确定位于设定位置的待清点器械为设定器械,将待清点器械的标签设置为设定器械;如果匹配结果为不匹配,则确定位于设定位置的待清点器械非设定器械,将待清点器械的标签设置为清点异常;将待清点器械的标签,以及待清点器械对应的设定位置确定为器械清点结果。
本发明实施例提供的器械清点装置,与上述实施例提供的器械清点方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
本发明实施例还提供了一种电子设备,参见图6所示,该电子设备包括处理器130和存储器131,该存储器131存储有能够被处理器130执行的机器可执行指令,该处理器130执行机器可执行指令以实现上述器械清点方法。
进一步地,图6所示的电子设备还包括总线132和通信接口133,处理器130、通信接口133和存储器131通过总线132连接。
其中,存储器131可能包含高速随机存取存储器(RAM,Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口133(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。总线132可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
处理器130可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器130中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器130可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DigitalSignal Processing,简称DSP)、专用集成电路(Application Specific IntegratedCircuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器131,处理器130读取存储器131中的信息,结合其硬件完成前述实施例的方法的步骤。
本发明实施例还提供了一种机器可读存储介质,该机器可读存储介质存储有机器可执行指令,该机器可执行指令在被处理器调用和执行时,该机器可执行指令促使处理器实现上述器械清点方法,具体实现可参见方法实施例,在此不再赘述。
本发明实施例所提供的器械清点方法、装置和电子设备的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,网关电子设备,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种器械清点方法,其特征在于,包括:
获取待清点器械对应的图片;
通过预先训练的特征提取模型提取所述图片中的待清点器械的相关信息;
根据预先保存的器械存储信息、预先建立的器械特征库、以及所述待清点器械的相关信息,确定器械清点结果。
2.根据权利要求1所述的方法,其特征在于,所述特征提取模型通过以下方式训练:
获取训练样本;所述训练样本中包括多组图片;所述图片包含包括器械的相关信息;
根据预设的模型架构,建立初始模型;
将所述训练样本输入至所述初始模型进行训练,得到所述特征提取模型。
3.根据权利要求1所述的方法,其特征在于,所述待清点器械包括多个;所述相关信息包括所述待清点器械的形状特征;所述形状特征位于所述图片的设定位置;所述器械存储信息包括设定位置及位于所述设定位置的设定器械;
根据预先保存的器械存储信息、预先建立的器械特征库、以及所述待清点器械的相关信息,确定器械清点结果的步骤,包括:
针对于每一个待清点器械,从所述预先建立的器械特征库中查找位于所述设定位置的所述设定器械对应的第一特征信息;
将所述形状特征与所述第一特征信息进行匹配,得到匹配结果;所述匹配结果包括相匹配或不匹配;
如果所述匹配结果为相匹配,则确定位于所述设定位置的所述待清点器械为所述设定器械,将所述待清点器械的标签设置为所述设定器械;
如果所述匹配结果为不匹配,则确定位于所述设定位置的所述待清点器械非所述设定器械,将所述待清点器械的标签设置为清点异常;
将所述待清点器械的标签,以及所述待清点器械对应的设定位置确定为器械清点结果。
4.根据权利要求3所述的方法,其特征在于,所述形状特征包括第一形状特征及第二形状特征;
所述器械特征库包括主要特征库及详细特征库;所述第一特征信息从所述主要特征库查找得到;
将所述形状特征与所述第一特征信息进行匹配,得到匹配结果的步骤,包括:
将所述第一形状特征与所述第一特征信息进行匹配;
如果所述第一形状特征与所述第一特征信息匹配成功,确定所述匹配结果为相匹配;
如果所述第一形状特征与所述第一特征信息匹配不成功,从所述详细特征库查找所述器械存储信息对应的第二特征信息;
将所述第二形状特征与所述第二特征信息进行匹配;
如果所述第二形状特征与所述第二特征信息匹配成功,确定所述匹配结果为相匹配;
如果所述第二形状特征与所述第二特征信息匹配不成功,确定所述匹配结果为不匹配。
5.根据权利要求3所述的方法,其特征在于,所述待清点器械设置于电子托盘的凹槽中;所述凹槽的形状与预设的设定器械的设定部分相匹配;所述设定位置为所述图片中凹槽的位置;所述凹槽的颜色为设定颜色;所述相关信息包括所述图片中设定位置的提取颜色;
从所述预先建立的器械特征库中查找位于所述设定位置的所述设定器械对应的第一特征信息之前,所述方法还包括:
判断所述提取颜色是否为所述设定颜色;
如果不是设定颜色,确定所述凹槽中的待清点器械为所述设定器械,将所述待清点器械的标签设置为所述设定器械。
6.一种器械清点装置,其特征在于,包括:
图片获取装置,用于获取待清点器械对应的图片;
信息提取装置,用于通过预先训练的特征提取模型提取所述图片中的待清点器械的相关信息;
清点模块,用于根据预先保存的器械存储信息、预先建立的器械特征库、以及所述待清点器械的相关信息,确定器械清点结果。
7.根据权利要求6所述的装置,其特征在于,所述特征提取模型通过以下方式训练:
获取训练样本;所述训练样本中包括多组图片;所述图片包含包括器械的相关信息;
根据预设的模型架构,建立初始模型;
将所述训练样本输入至所述初始模型进行训练,得到所述特征提取模型。
8.根据权利要求6所述的装置,其特征在于,所述待清点器械包括多个;所述相关信息包括所述待清点器械的形状特征;所述形状特征位于所述图片的设定位置;所述器械存储信息包括设定位置及位于所述设定位置的设定器械;
所述清点模块还用于:
针对于每一个待清点器械,从所述预先建立的器械特征库中查找位于所述设定位置的所述设定器械对应的第一特征信息;
将所述第一特征信息与所述形状特征进行匹配,得到匹配结果;所述匹配结果包括相匹配或不匹配;
如果所述匹配结果为相匹配,则确定位于所述设定位置的所述待清点器械为所述设定器械,将所述待清点器械的标签设置为所述设定器械;
如果所述匹配结果为不匹配,则确定位于所述设定位置的所述待清点器械非所述设定器械,将所述待清点器械的标签设置为清点异常;
将所述待清点器械的标签,以及所述待清点器械对应的设定位置确定为器械清点结果。
9.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的机器可执行指令,所述处理器执行所述机器可执行指令以实现权利要求1-5任一项所述的方法。
10.一种机器可读存储介质,其特征在于,所述机器可读存储介质存储有机器可执行指令,所述机器可执行指令在被处理器调用和执行时,所述机器可执行指令促使所述处理器实现权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110237608.6A CN112598087B (zh) | 2021-03-04 | 2021-03-04 | 器械清点方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110237608.6A CN112598087B (zh) | 2021-03-04 | 2021-03-04 | 器械清点方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112598087A true CN112598087A (zh) | 2021-04-02 |
CN112598087B CN112598087B (zh) | 2021-06-08 |
Family
ID=75210236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110237608.6A Active CN112598087B (zh) | 2021-03-04 | 2021-03-04 | 器械清点方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112598087B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116473692A (zh) * | 2023-04-17 | 2023-07-25 | 中山大学附属第六医院 | 基于人工智能图像识别的手术室器械敷料点数方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650580A (zh) * | 2016-09-23 | 2017-05-10 | 南京理工大学 | 基于图像处理的货架快速清点方法 |
CN109171996A (zh) * | 2018-09-07 | 2019-01-11 | 广东省中医院(广州中医药大学第二附属医院、广州中医药大学第二临床医学院、广东省中医药科学院) | 一种可视化手术器械的清点检查膜组件及清点检查方法 |
WO2020030903A1 (en) * | 2018-08-08 | 2020-02-13 | Sphere Fluidics Limited | Droplet processing methods and systems |
CN110992325A (zh) * | 2019-11-27 | 2020-04-10 | 同济大学 | 基于深度学习的目标清点方法、装置和设备 |
CN111860711A (zh) * | 2020-06-28 | 2020-10-30 | 维怡医疗科技有限公司 | 一种手术器械管理方法、系统及装置 |
CN111899859A (zh) * | 2020-08-03 | 2020-11-06 | 苏州思必驰信息科技有限公司 | 手术器械清点方法及装置 |
-
2021
- 2021-03-04 CN CN202110237608.6A patent/CN112598087B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106650580A (zh) * | 2016-09-23 | 2017-05-10 | 南京理工大学 | 基于图像处理的货架快速清点方法 |
WO2020030903A1 (en) * | 2018-08-08 | 2020-02-13 | Sphere Fluidics Limited | Droplet processing methods and systems |
CN109171996A (zh) * | 2018-09-07 | 2019-01-11 | 广东省中医院(广州中医药大学第二附属医院、广州中医药大学第二临床医学院、广东省中医药科学院) | 一种可视化手术器械的清点检查膜组件及清点检查方法 |
CN110992325A (zh) * | 2019-11-27 | 2020-04-10 | 同济大学 | 基于深度学习的目标清点方法、装置和设备 |
CN111860711A (zh) * | 2020-06-28 | 2020-10-30 | 维怡医疗科技有限公司 | 一种手术器械管理方法、系统及装置 |
CN111899859A (zh) * | 2020-08-03 | 2020-11-06 | 苏州思必驰信息科技有限公司 | 手术器械清点方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116473692A (zh) * | 2023-04-17 | 2023-07-25 | 中山大学附属第六医院 | 基于人工智能图像识别的手术室器械敷料点数方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112598087B (zh) | 2021-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108198177A (zh) | 图像获取方法、装置、终端及存储介质 | |
CN106886774A (zh) | 识别身份证信息的方法和装置 | |
CN113807451B (zh) | 全景图像特征点匹配模型的训练方法、装置以及服务器 | |
CN112598087B (zh) | 器械清点方法、装置及电子设备 | |
CN109872233A (zh) | 合同签订方法、装置、计算机设备及存储介质 | |
US20200226772A1 (en) | Anti-counterfeiting method based on feature of surface texture image of products | |
CN112668629A (zh) | 基于图片识别的智能仓储方法、系统、设备及存储介质 | |
CN111144484B (zh) | 一种图像识别方法及装置 | |
CN113486739B (zh) | 螺钉检测方法、装置、电子设备和存储介质 | |
CN110991357A (zh) | 一种答案匹配方法、装置和电子设备 | |
CN110992500A (zh) | 考勤方法、装置及存储介质、服务器 | |
CN109934798A (zh) | 体内目标物信息标注方法及装置、电子设备、存储介质 | |
CN113706513A (zh) | 基于图像检测的车损图像的分析方法、装置、设备及介质 | |
US7519237B2 (en) | Method for characterizing stored information | |
CN113012030A (zh) | 图像拼接方法、装置及设备 | |
CN116189200A (zh) | 硬盘身份字符识别方法、系统、终端及存储介质 | |
CN113469135A (zh) | 对象身份信息的确定方法、装置、存储介质及电子装置 | |
CN115857661A (zh) | 语音交互方法、电子设备及计算机可读存储介质 | |
CN113313050A (zh) | 一种基于视频流的皮肤智能检测系统 | |
CN112633117A (zh) | 浮游生物分类识别方法及系统 | |
CN111435418B (zh) | 机器人个性化物体识别方法、装置、存储介质及机器人 | |
CN110807403A (zh) | 一种用户身份识别方法、装置及电子设备 | |
CN117894041B (zh) | 一种基于物联网的屠宰场智能管理方法及系统 | |
CN109583471A (zh) | 用于智能手机识别的方法及装置 | |
CN117711580B (zh) | 一种图像处理模型的训练方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |