CN113380393A - 一种妇科用医疗器械监管方法及系统 - Google Patents
一种妇科用医疗器械监管方法及系统 Download PDFInfo
- Publication number
- CN113380393A CN113380393A CN202110717818.5A CN202110717818A CN113380393A CN 113380393 A CN113380393 A CN 113380393A CN 202110717818 A CN202110717818 A CN 202110717818A CN 113380393 A CN113380393 A CN 113380393A
- Authority
- CN
- China
- Prior art keywords
- instrument
- information
- disinfection
- obtaining
- attribute
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Apparatus For Disinfection Or Sterilisation (AREA)
Abstract
本发明公开了一种妇科用医疗器械监管方法及系统,所述方法包括:通过图像采集装置获得第一图像信息,进而获得第一器械的参数规格信息,并对第一器械进行分类,获得第一分类信息及每个类别相对应的卫生等级要求信息;通过图像采集装置获得第二图像信息,即第一器械消毒前的图像信息,可以获得第一器械的污染等级;获得智能消毒柜的参数信息;将第一器械的污染等级和所述智能消毒柜的参数信息输入器械消毒时间估计模型,获得第一器械的消毒时间,根据第一分类信息,确定第一器械的消毒类型,进而确定第一器械的消毒管理方案。解决了无法通过图像采集对器械进行分类、确定消毒管理方案,提高管理效率、减少人工工作量的技术问题。
Description
技术领域
本发明涉及医疗器械监管领域,尤其涉及一种妇科用医疗器械监管方法及系统。
背景技术
医疗器械通常指直接或间接用于人体的各种仪器和设备、体外诊断所需的试剂和其他相关用品,越来越多的医疗企业在运作过程中会用到相关医疗器械,人们使用医疗器械的频率正在逐步上升。同时,随着科学技术的不断发展和延伸,医疗器械的新型品种也在日益增多。手术过程中,所涉及到的医疗器械种类多,规格多样,还有很多形状不规则的手术器具。部分医疗器械在使用完毕后需要对其进行充分的清洗消毒操作,以保证医疗器械在下次使用时的安全性,因此,医疗器械的清洗过程非常重要,而人工对医疗器械进行清洗时为了保证完全的消毒环境,必须要有严格的操作、同时存在操作时可能损伤消毒者本人、消毒不充分,因此亟需研发一种能够操作简便、安全可靠、消毒充分的医疗器械分类消毒装置。对这些医疗器械进行消毒处理时,如果将这些医疗器械分散地放入消毒设备内,则消毒处理后,操作人员需要逐一将这些医疗器械取出,再装入收纳箱或者收纳盒内。这种整理过程增加了操作人员的工作量,工作效率低下,非常不方便。随着大数据、智能控制、物联网等技术的发展,会使对医疗器械监管更加智能化。
本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中存在无法通过图像采集对器械进行分类、确定消毒管理方案,提高管理效率、减少人工工作量、降低不必要的污染的技术问题。
发明内容
本申请实施例通过提供一种妇科用医疗器械监管方法及系统,通过图像采集装置获得第一图像信息,进而获得第一器械的参数规格信息,并对第一器械进行分类,获得第一分类信息及每个类别相对应的卫生等级要求信息;通过图像采集装置获得第二图像信息,即第一器械消毒前的图像信息,可以获得第一器械的污染等级;获得智能消毒柜的参数信息;将第一器械的污染等级和所述智能消毒柜的参数信息输入器械消毒时间估计模型,获得第一器械的消毒时间,根据第一分类信息,确定第一器械的消毒类型,进而确定第一器械的消毒管理方案。解决了无法通过图像采集对器械进行分类、确定消毒管理方案,提高管理效率、减少人工工作量、降低不必要的污染的技术问题。实现了对医疗器械进行图像采集,达到了对医疗器械管理的智能化操作,有效提高管理效率、减少人工工作量、降低不必要的污染、提高安全性的技术效果。
鉴于上述问题,本申请实施例提供一种妇科用医疗器械监管方法及系统。
第一方面,本申请提供了一种妇科用医疗器械监管方法,其中,所述方法包括:通过所述图像采集装置获得第一图像信息,所述第一图像信息包括第一器械的图像信息;根据所述第一图像信息获得第一器械的参数规格信息;根据所述参数规格信息对第一器械进行分类,获得第一分类信息;根据所述第一分类信息,获得与每个类别相对应的卫生等级要求信息;通过所述图像采集装置获得第二图像信息,所述第二图像信息包括所述第一器械消毒前的图像信息;根据所述第二图像信息,获得所述第一器械的污染等级;获得所述智能消毒柜的参数信息;将所述第一器械的所述污染等级和所述智能消毒柜的参数信息输入器械消毒时间估计模型,获得所述第一器械的消毒时间;根据所述第一分类信息,确定所述第一器械的消毒类型;根据所述消毒时间和所述消毒类型,确定所述第一器械的消毒管理方案。
另一方面,本申请还提供了一种妇科用医疗器械监管系统,其中,所述系统包括:第一获得单元,所述第一获得单元用于通过所述图像采集装置获得第一图像信息,所述第一图像信息包括第一器械的图像信息;第二获得单元,所述第二获得单元用于根据所述第一图像信息获得第一器械的参数规格信息;第三获得单元,所述第三获得单元用于根据所述参数规格信息对第一器械进行分类,获得第一分类信息;第四获得单元,所述第四获得单元用于根据所述第一分类信息,获得与每个类别相对应的卫生等级要求信息;第五获得单元,所述第五获得单元用于通过所述图像采集装置获得第二图像信息,所述第二图像信息包括所述第一器械消毒前的图像信息;第六获得单元,所述第六获得单元用于根据所述第二图像信息,获得所述第一器械的污染等级;第七获得单元,所述第七获得单元用于获得所述智能消毒柜的参数信息;第八获得单元,所述第八获得单元用于将所述第一器械的所述污染等级和所述智能消毒柜的参数信息输入器械消毒时间估计模型,获得所述第一器械的消毒时间;第一确定单元,所述第一确定单元用于根据所述第一分类信息,确定所述第一器械的消毒类型;第二确定单元,所述第二确定单元用于根据所述消毒时间和所述消毒类型,确定所述第一器械的消毒管理方案。
另一方面,本申请实施例还提供了一种妇科用医疗器械监管方法及系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现上述第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例提供了一种妇科用医疗器械监管方法及系统,通过所述图像采集装置获得第一图像信息,所述第一图像信息包括第一器械的图像信息;根据所述第一图像信息获得第一器械的参数规格信息;根据所述参数规格信息对第一器械进行分类,获得第一分类信息;根据所述第一分类信息,获得与每个类别相对应的卫生等级要求信息;通过所述图像采集装置获得第二图像信息,所述第二图像信息包括所述第一器械消毒前的图像信息;根据所述第二图像信息,获得所述第一器械的污染等级;获得所述智能消毒柜的参数信息;将所述第一器械的所述污染等级和所述智能消毒柜的参数信息输入器械消毒时间估计模型,获得所述第一器械的消毒时间;根据所述第一分类信息,确定所述第一器械的消毒类型;根据所述消毒时间和所述消毒类型,确定所述第一器械的消毒管理方案。解决了无法通过图像采集对器械进行分类、确定消毒管理方案,提高管理效率、减少人工工作量、降低不必要的污染、提高安全性的技术问题。实现了对医疗器械进行图像采集,达到了对医疗器械管理的智能化操作,有效提高管理效率、减少人工工作量、降低不必要的污染、提高安全性的技术效果。
上述说明是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种妇科用医疗器械监管方法的流程示意图;
图2为本申请实施例一种妇科用医疗器械监管系统的结构示意图;
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第四获得单元14,第五获得单元15,第六获得单元16,第七获得单元17,第八获得单元18,第一确定单元19,第二确定单元20,电子设备300,存储器301,处理器302,通信接口303,总线架构304。
具体实施方式
本申请实施例通过提供一种妇科用医疗器械监管方法及系统,解决了无法通过图像采集对器械进行分类、确定消毒管理方案,提高管理效率、减少人工工作量、降低不必要的污染、提高安全性的技术问题。实现了对医疗器械进行图像采集,达到了对医疗器械管理的智能化操作,有效提高管理效率、减少人工工作量、降低不必要的污染、提高安全性的技术效果。
下面,将参考附图详细的描述本申请的示例实施例,显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
医疗器械通常指直接或间接用于人体的各种仪器和设备、体外诊断所需的试剂和其他相关用品,越来越多的医疗企业在运作过程中会用到相关医疗器械,人们使用医疗器械的频率正在逐步上升。同时,随着科学技术的不断发展和延伸,医疗器械的新型品种也在日益增多。手术过程中,所涉及到的医疗器械种类多,规格多样,还有很多形状不规则的手术器具。部分医疗器械在使用完毕后需要对其进行充分的清洗消毒操作,以保证医疗器械在下次使用时的安全性,因此,医疗器械的清洗过程非常重要,而人工对医疗器械进行清洗时为了保证完全的消毒环境,必须要有严格的操作、同时存在操作时可能损伤消毒者本人、消毒不充分,因此亟需研发一种能够操作简便、安全可靠、消毒充分的医疗器械分类消毒装置。对这些医疗器械进行消毒处理时,如果将这些医疗器械分散地放入消毒设备内,则消毒处理后,操作人员需要逐一将这些医疗器械取出,再装入收纳箱或者收纳盒内。这种整理过程增加了操作人员的工作量,工作效率低下,非常不方便。随着大数据、智能控制、物联网等技术的发展,会使对医疗器械监管更加智能化。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请提供了一种妇科用医疗器械监管方法,所述方法应用于一智能消毒柜,其中,所述方法包括:通过所述图像采集装置获得第一图像信息,所述第一图像信息包括第一器械的图像信息;根据所述第一图像信息获得第一器械的参数规格信息;根据所述参数规格信息对第一器械进行分类,获得第一分类信息;根据所述第一分类信息,获得与每个类别相对应的卫生等级要求信息;通过所述图像采集装置获得第二图像信息,所述第二图像信息包括所述第一器械消毒前的图像信息;根据所述第二图像信息,获得所述第一器械的污染等级;获得所述智能消毒柜的参数信息;将所述第一器械的所述污染等级和所述智能消毒柜的参数信息输入器械消毒时间估计模型,获得所述第一器械的消毒时间;根据所述第一分类信息,确定所述第一器械的消毒类型;根据所述消毒时间和所述消毒类型,确定所述第一器械的消毒管理方案。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请实施例提供一种妇科用医疗器械监管方法,其中,所述方法包括:
步骤S1000:通过所述图像采集装置获得第一图像信息,所述第一图像信息包括第一器械的图像信息;
步骤S2000:根据所述第一图像信息获得第一器械的参数规格信息;
具体而言,所述方法应用于一智能消毒柜,所述智能消毒柜包括图像采集装置。所述图像采集装置,包括:控制器、与控制器连接的转台,以及与控制器连接的至少一个摄像头,每个摄像头对准转台上用于放置待测物的位置;控制器用于控制放置在转台上的待测物沿转台上设定的滑动轨迹运动,并控制每个摄像头拍摄运动中的待测物。第一器械的参数规格信息包括医疗器械的材质、尺寸大小、外观、功率大小以及用途等等。智能消毒柜系统通过所述图像采集装置,对第一器械进行图像采集,可以获得第一图像信息,根据所述第一图像信息,进而获得第一器械的参数规格信息。
步骤S3000:根据所述参数规格信息对第一器械进行分类,获得第一分类信息;
步骤S4000:根据所述第一分类信息,获得与每个类别相对应的卫生等级要求信息;
具体而言,系统根据医疗器械上的参数规格信息,对第一器械进行分类,获得第一分类信息。比如按照用途、作用人体部位、有源或无源、是否侵入器械对其进行分类,以此对需要消毒的医疗器械分类,分类完成后,可以得到所有医疗器械的分类信息。根据所述第一分类信息,获得与每个类别相对应的卫生等级要求信息,有的医疗器械对消毒要求很高,比如应用于手术室的医疗器械,有的要求没有那么高,对于这些医疗器械,必须要进行分类,才能保证得到了较高的消毒效果。
步骤S5000:通过所述图像采集装置获得第二图像信息,所述第二图像信息包括所述第一器械消毒前的图像信息;
步骤S6000:根据所述第二图像信息,获得所述第一器械的污染等级;
具体而言,污染等级一般可分为4个污染等级:污染等级1:无污染或仅有干燥的非导电性污染。污染等级2:一般情况仅有非导电性污染,但是必须考虑到偶然由于凝露造成短暂的导电性。污染等级3:有导电性污染,或由于凝露使干燥的非导电性污染变成导电性的。污染等级4:造成持久性的导电性污染,例如由于导电尘埃或雨雪所造成的污染。系统通过图像采集装置,对第一医疗器械进行采集,获得所述第一器械消毒前的图像信息,包括器械使用污染情况、是什么原因导致的污染等,记为第二图像信息,根据所述第二图像信息,进而获得所述第一器械的污染等级。按照不同的等级进行分类,方便将污染情况相同的一起进行清理。
步骤S7000:获得所述智能消毒柜的参数信息;
步骤S8000:将所述第一器械的所述污染等级和所述智能消毒柜的参数信息输入器械消毒时间估计模型,获得所述第一器械的消毒时间;
具体而言,消毒柜的参数具体包括消毒方式、消毒时间、消毒对象材质的约束、消毒效果、烘干效果以及异味对比等等。器械消毒时间估计模型是根据所述第一器械的所述污染等级和所述智能消毒柜的参数信息决定的,其模型的输入信息是第一器械的所述污染等级和所述智能消毒柜的参数信息,第一器械的消毒时间是其输出结果。首先获得所述智能消毒柜的参数信息,将所述第一器械的所述污染等级和所述智能消毒柜的参数信息作为输入信息,输入到器械消毒时间估计模型中,得到输出结果,即所述第一器械的消毒时间。
步骤S9000:根据所述第一分类信息,确定所述第一器械的消毒类型;
步骤S10000:根据所述消毒时间和所述消毒类型,确定所述第一器械的消毒管理方案。
具体而言,消毒是指杀死病原微生物、但不一定能杀死细菌芽孢的方法。通常用化学的方法来达到消毒的作用。消毒类型分疫源地消毒和预防性消毒两种,也可按照消毒水平的高低,分为高水平消毒、中水平消毒与低水平消毒。系统根据步骤3000所得到的第一分类信息,确定所述第一器械的消毒类型,确定具体的消毒方式,材质不同的医疗器械,消毒方式有可能不同。根据所述消毒时间和所述消毒类型,进而确定所述第一器械的消毒管理方案,使其有针对性地进行消毒处理。
进一步而言,本申请实施例步骤S11000包括:
步骤S11100:获得所述第一器械的微生物数量信息;
步骤S11200:根据所述微生物数量信息和所述消毒时间,获得第一曲线;
步骤S11300:根据所述第一曲线,获得第一调整参数;
步骤S11400:根据所述第一调整参数,调整所述第一器械的消毒时间,获得第一消毒时间。
具体而言,微生物是肉眼难以看清,需要借助光学显微镜或电子显微镜才能观察到的一切微小生物的总称。它个体微小,与人类关系密切。涵盖了有益跟有害的众多种类,广泛涉及食品、医药、工农业、环保、体育等诸多领域。系统使用图像采集装置中的显微镜模块,对第一器械的微生物进行图像采集,对所述第一器械的微生物数量信息进行统计,根据所述微生物数量信息和所述消毒时间,构建平面坐标轴,消毒时间为横坐标参数,微生物数量为纵坐标参数,获得第一曲线图,根据所述第一曲线,可以看出随着消毒时间的变化,微生物数量在慢慢减少,到一定时间,一些微生物会产生一定的抗药性,微生物数量会稳定下来,进而获得第一调整参数;根据所述第一调整参数,调整所述第一器械的消毒时间,获得第一消毒时间。
进一步而言,本申请实施例步骤S12000包括:
步骤S12100:获得所述第一器械的微生物种类信息;
步骤S12200:对所述种类信息、所述数量信息在所述消毒时间的时间轴上进行拟合,获得第二曲线;
步骤S12300:根据所述第二曲线,获得第二调整参数;
步骤S12400:根据所述第二调整参数,调整所述第一器械的消毒时间,获得第二消毒时间。
具体而言,微生物包括:细菌、病毒、真菌以及一些小型的原生生物、显微藻类等在内的一大类生物群体,它个体微小,与人类关系密切。涵盖了有益跟有害的众多种类,广泛涉及食品、医药、工农业、环保、体育等诸多领域。在我国教科书中,将微生物划分为以下8大类:细菌、病毒、真菌、放线菌、立克次氏体、支原体、衣原体、螺旋体。有些微生物是肉眼可以看见的,像属于真菌的蘑菇、灵芝、香菇等。还有微生物是一类由核酸和蛋白质等少数几种成分组成的“非细胞生物”获得所述第一器械的微生物种类信息,微生物的种类不同,对于消毒剂的耐受情况就不一样,因此,微生物的种类对于第一器械的消毒时间也是一个影响参数。对所述种类信息、所述数量信息在所述消毒时间的时间轴上进行拟合,构建平面坐标轴,消毒时间为横坐标参数,微生物种类为纵坐标参数,进而获得第二曲线图。根据所述第二曲线,获得第二调整参数;根据所述第二调整参数,调整所述第一器械的消毒时间,获得第二消毒时间。微生物种类对消毒时间影响较大,比如,细菌繁殖体易被消毒剂消灭,真菌对干燥、日光、紫外线以及多数化学药物耐力较强,但不耐热,所以对消毒时间几乎没影响。因此,明确微生物种类可以对消毒时间进行调整。
进一步而言,所述根据所述参数规格信息对第一器械进行分类,获得第一分类信息,本申请实施例步骤S3000包括:
步骤S3100:获得每个所述参数规格信息的属性特征;
步骤S3200:对所述属性特征进行特征提取,获得第一属性特征、第二属性特征和第三属性特征;
步骤S3300:根据所述第一属性特征、所述第二属性特征和所述第三属性特征,构建第一属性雷达图;
步骤S3400:获得预定突出阈值;
步骤S3500:根据所述预定突出阈值,对所述第一属性雷达图进行分析,获得符合所述预定突出阈值的突出属性特征;
步骤S3600:将所述突出属性特征作为分类标准,对第一器械进行分类,获得第一分类信息。
具体而言,雷达图是以从同一点开始的轴上表示的三个或更多个定量变量的二维图表的形式显示多变量数据的图形方法。轴的相对位置和角度通常是无信息的。 雷达图也称为网络图,蜘蛛图,星图,蜘蛛网图,不规则多边形,极坐标图或Kiviat图。它相当于平行坐标图,轴径向排列。阈值又叫临界值,是指一个效应能够产生的最低值或最高值。此一名词广泛用于各方面,包括建筑学、生物学、飞行、化学、电信、电学、心理学等。首先确定预设关联度阈值,关联度阈值可以根据实际情况进行改变。首先获得每个所述参数规格信息的属性特征,对所述属性特征进行特征提取,将最主要特征提取出来,分别记为第一属性特征、第二属性特征和第三属性特征。根据所述第一属性特征、所述第二属性特征和所述第三属性特征,构建第一属性雷达图,使得属性特征更直观明了。对突出阈值进行预设,对所述第一属性雷达图进行数据分析,将所述预定突出阈值与第一属性雷达图中的属性特征进行比较,获得符合所述预定突出阈值的突出属性特征。将所述突出属性特征作为分类标准,对第一器械进行分类,进而获得第一分类信息。第一属性雷达图的构建,可以更加直观地发现突出属性特征,便于对第一器械进行分类。
进一步而言,所述根据所述预定突出阈值,对所述第一属性雷达图进行分析,获得符合所述预定突出阈值的突出属性特征之后,本申请实施例步骤S3500包括:
步骤S3510:获得所述符合所述预定突出阈值的突出属性特征的数量信息;
步骤S3520:判断所述数量信息是否大于1;
步骤S3530:如果所述数量信息为1,将所述突出属性特征作为分类标准,对第一器械进行分类,获得第一分类信息。
具体而言,特征提取,是指对某一模式的组测量值进行变换,以突出该模式具有代表性特征的一种方法。通过影像分析和变换,以提取所需特征的方法。根据所述预定突出阈值,对所述第一属性雷达图进行分析,获得符合所述预定突出阈值的突出属性特征之后,如何制定分类标准,对其进行分类。获得所述符合预定突出阈值的突出属性特征的数量信息,对突出属性特征的数量信息进行分析,看其是否大于1。如果所述数量信息为1,则将所述突出属性特征作为分类标准,对第一器械进行分类,获得第一分类信息。分析突出属性特征数量与1的关系,便于得到分类标准,进而对其进行分类。
进一步而言,本申请实施例步骤S3520包括:
步骤S3521:如果所述数量信息大于1,获得第一突出属性特征、第二突出属性特征,直到第N突出属性特征,其中,所述第一突出属性特征、所述第二突出属性特征,直到所述第N突出属性特征属于所述符合所述预定突出阈值的突出属性特征;
步骤S3522:对所述第一突出属性特征、所述第二突出属性特征,直到所述第N突出属性特征进行主特征提取,获得主突出属性特征;
步骤S3523:将所述主突出属性特征作为分类标准,对第一器械进行分类,获得第一分类信息。
具体而言,如果所述数量信息为1,将所述突出属性特征作为分类标准,对第一器械进行分类,获得第一分类信息;如果所述数量信息大于1,获得符合所述预定突出阈值的突出属性特征的第一突出属性特征、第二突出属性特征,直到第N突出属性特征,对所述第一突出属性特征、所述第二突出属性特征,直到所述第N突出属性特征进行主特征提取,获得主突出属性特征;将所述主突出属性特征作为分类标准,对第一器械进行分类,获得第一分类信息。当上一步骤得不到分类标准时,对其进行从第一至第N突出属性特征的主特征提取,更加细致的进行分析,进而得到其分类标准,对第一器械进行分类。
进一步而言,本申请实施例步骤S8000包括:
步骤S8100:通过历史数据中器械的污染等级和智能消毒柜的参数信息作为训练集对神经网络模型进行训练,构建器械消毒时间估计模型;
步骤S8200:将所述第一器械的所述污染等级和所述智能消毒柜的参数信息作为输入信息输入器械消毒时间估计模型;
步骤S8300:获得所述器械消毒时间估计模型的输出结果,所述输出结果包括所述第一器械的消毒时间。
具体而言,想要获得所述第一器械的消毒时间,必须先构建器械消毒时间估计模型。器械消毒时间估计模型是根据所述第一器械的所述污染等级和所述智能消毒柜的参数信息决定的,其模型的输入信息是第一器械的所述污染等级和所述智能消毒柜的参数信息,第一器械的消毒时间是其输出结果。输入信息与输出信息一一对应。人工神经网络(Artificial Neural Networks,简写为ANNs)也简称为神经网络(NNs)或称作连接模型(Connection Model),它是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的。通过历史数据中器械的污染等级和智能消毒柜的参数信息作为训练集,对神经网络模型进行反复训练,构建器械消毒时间估计模型,将所述第一器械的所述污染等级和所述智能消毒柜的参数信息作为输入信息,输入到器械消毒时间估计模型中,即可获得所述器械消毒时间估计模型的输出结果,即所述第一器械的消毒时间。构建器械消毒时间估计模型,可以提前对消毒时间有个预测,也有利于后续的对于消毒时间进行调整。
综上所述,本申请实施例所提供的一种妇科用医疗器械监管方法,具有如下技术效果:
1、本申请提供了一种妇科用医疗器械监管方法,所述方法应用于一智能消毒柜,其中,所述方法包括:通过所述图像采集装置获得第一图像信息,所述第一图像信息包括第一器械的图像信息;根据所述第一图像信息获得第一器械的参数规格信息;根据所述参数规格信息对第一器械进行分类,获得第一分类信息;根据所述第一分类信息,获得与每个类别相对应的卫生等级要求信息;通过所述图像采集装置获得第二图像信息,所述第二图像信息包括所述第一器械消毒前的图像信息;根据所述第二图像信息,获得所述第一器械的污染等级;获得所述智能消毒柜的参数信息;将所述第一器械的所述污染等级和所述智能消毒柜的参数信息输入器械消毒时间估计模型,获得所述第一器械的消毒时间;根据所述第一分类信息,确定所述第一器械的消毒类型;根据所述消毒时间和所述消毒类型,确定所述第一器械的消毒管理方案。解决了无法通过图像采集对器械进行分类、确定消毒管理方案,提高管理效率、减少人工工作量、降低不必要的污染、提高安全性的技术问题。实现了对医疗器械进行图像采集,达到了对医疗器械管理的智能化操作,有效提高管理效率、减少人工工作量、降低不必要的污染、提高安全性的技术效果。
实施例二
基于与前述实施例中一种妇科用医疗器械监管方法,同样发明构思,本发明还提供了一种妇科用医疗器械监管系统,如图2所示,所述系统包括:
第一获得单元11,所述第一获得单元11用于通过所述图像采集装置获得第一图像信息,所述第一图像信息包括第一器械的图像信息;
第二获得单元12,所述第二获得单元12用于根据所述第一图像信息获得第一器械的参数规格信息;
第三获得单元13,所述第三获得单元13用于根据所述参数规格信息对第一器械进行分类,获得第一分类信息;
第四获得单元14,所述第四获得单元14用于根据所述第一分类信息,获得与每个类别相对应的卫生等级要求信息;
第五获得单元15,所述第五获得单元15用于通过所述图像采集装置获得第二图像信息,所述第二图像信息包括所述第一器械消毒前的图像信息;
第六获得单元16,所述第六获得单元16用于根据所述第二图像信息,获得所述第一器械的污染等级;
第七获得单元17,所述第七获得单元17用于获得所述智能消毒柜的参数信息;
第八获得单元18,所述第八获得单元18用于将所述第一器械的所述污染等级和所述智能消毒柜的参数信息输入器械消毒时间估计模型,获得所述第一器械的消毒时间;
第一确定单元19,所述第一确定单元19用于根据所述第一分类信息,确定所述第一器械的消毒类型;
第二确定单元20,所述第二确定单元20用于根据所述消毒时间和所述消毒类型,确定所述第一器械的消毒管理方案。
进一步的,所述系统还包括:
第九获得单元,所述第九获得单元用于获得所述第一器械的微生物数量信息;
第十获得单元,所述第十获得单元用于根据所述微生物数量信息和所述消毒时间,获得第一曲线;
第十一获得单元,所述第十一获得单元用于根据所述第一曲线,获得第一调整参数;
第十二获得单元,所述第十二获得单元用于根据所述第一调整参数,调整所述第一器械的消毒时间,获得第一消毒时间。
进一步的,所述系统还包括:
第十三获得单元,所述第十三获得单元用于获得所述第一器械的微生物种类信息;
第十四获得单元,所述第十四获得单元用于对所述种类信息、所述数量信息在所述消毒时间的时间轴上进行拟合,获得第二曲线;
第十五获得单元,所述第十五获得单元用于根据所述第二曲线,获得第二调整参数;
第十六获得单元,所述第十六获得单元用于根据所述第二调整参数,调整所述第一器械的消毒时间,获得第二消毒时间。
进一步的,所述系统还包括:
第十七获得单元,所述第十七获得单元用于获得每个所述参数规格信息的属性特征;
第十八获得单元,所述第十八获得单元用于对所述属性特征进行特征提取,获得第一属性特征、第二属性特征和第三属性特征;
第一构建单元,所述第一构建单元用于根据所述第一属性特征、所述第二属性特征和所述第三属性特征,构建第一属性雷达图;
第十九获得单元,所述第十九获得单元用于获得预定突出阈值;
第二十获得单元,所述第二十获得单元用于根据所述预定突出阈值,对所述第一属性雷达图进行分析,获得符合所述预定突出阈值的突出属性特征;
第二十一获得单元,所述第二十一获得单元用于将所述突出属性特征作为分类标准,对第一器械进行分类,获得第一分类信息。
进一步的,所述系统还包括:
第二十二获得单元,所述第二十二获得单元用于获得所述符合所述预定突出阈值的突出属性特征的数量信息;
第一判断单元,所述第一判断单元用于 判断所述数量信息是否大于1;
第二十三获得单元,所述第二十三获得单元用于如果所述数量信息为1,将所述突出属性特征作为分类标准,对第一器械进行分类,获得第一分类信息。
进一步的,所述系统还包括:
第二十四获得单元,所述第二十四获得单元用于如果所述数量信息大于1,获得第一突出属性特征、第二突出属性特征,直到第N突出属性特征,其中,所述第一突出属性特征、所述第二突出属性特征,直到所述第N突出属性特征属于所述符合所述预定突出阈值的突出属性特征;
第二十五获得单元,所述第二十五获得单元用于对所述第一突出属性特征、所述第二突出属性特征,直到所述第N突出属性特征进行主特征提取,获得主突出属性特征;
第二十六获得单元,所述第二十六获得单元用于将所述主突出属性特征作为分类标准,对第一器械进行分类,获得第一分类信息。
进一步的,所述系统还包括:
第二构建单元,所述第二构建单元用于通过历史数据中器械的污染等级和智能消毒柜的参数信息作为训练集对神经网络模型进行训练,构建器械消毒时间估计模型;
第一执行单元,所述第一执行单元用于将所述第一器械的所述污染等级和所述智能消毒柜的参数信息作为输入信息输入器械消毒时间估计模型;
第二十七获得单元,所述第二十七获得单元用于获得所述器械消毒时间估计模型的输出结果,所述输出结果包括所述第一器械的消毒时间。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
基于与前述实施例中一种妇科用医疗器械监管方法相同的发明构思,本申请实施例还提供了一一种妇科用医疗器械监管系统,包括:处理器,所述处理器与存储器耦合,所述存储器用于存储程序,当所述程序被所述处理器执行时,使得系统以执行第一方面任一项所述的方法。
该电子设备300包括:处理器302、通信接口303、存储器301。可选的,电子设备300还可以包括总线架构304。其中,通信接口303、处理器302以及存储器301可以通过总线架构304相互连接;总线架构304可以是外设部件互连标总线或扩展工业标准结构总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
处理器302可以是一个CPU,微处理器,ASIC,或一个或多个用于控制本申请方案程序执行的集成电路。通信接口303,使用任何收发器一类的装置,用于与其他设备或通信网络通信,如以太网,无线接入网,无线局域网,有线接入网等。存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器、只读光盘或其他光盘存储、光碟存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
其中,存储器301用于存储执行本申请方案的计算机执行指令,并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令,从而实现本申请上述实施例提供的一种提高消化科病房管理质量的方法。
可选的,本申请实施例中的计算机执行指令也可以称之为应用程序代码,本申请实施例对此不作具体限定。
本申请实施例解决了无法通过图像采集对器械进行分类、确定消毒管理方案,提高管理效率、减少人工工作量、降低不必要的污染、提高安全性的技术问题。实现了对医疗器械进行图像采集,达到了对医疗器械管理的智能化操作,有效提高管理效率、减少人工工作量、降低不必要的污染、提高安全性的技术效果。
本领域普通技术人员可以理解:本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分,并不用来限制本申请实施例的范围,也不表示先后顺序。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a ,b,或c中的至少一项(个、种),可以表示:a ,b,c,a -b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指
令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质、光介质、或者半导体介质等。
本申请实施例中所描述的各种说明性的逻辑单元和电路可以通过通用处理器,数字信号处理器,专用集成电路(ASIC),现场可编程门阵列(FPGA)或其它可编程逻辑装置,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于终端中。可选地,处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管结合具体特征及其实施例对本申请进行了描述,显而易见的,在不脱离本申请的精神和范围的情况下,可对其进行各种修改和组合。
相应地,本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (9)
1.一种妇科用医疗器械监管方法,其中,所述方法应用于一智能消毒柜,所述智能消毒柜包括图像采集装置,所述方法包括:
通过所述图像采集装置获得第一图像信息,所述第一图像信息包括第一器械的图像信息;
根据所述第一图像信息获得第一器械的参数规格信息;
根据所述参数规格信息对第一器械进行分类,获得第一分类信息;
根据所述第一分类信息,获得与每个类别相对应的卫生等级要求信息;
通过所述图像采集装置获得第二图像信息,所述第二图像信息包括所述第一器械消毒前的图像信息;
根据所述第二图像信息,获得所述第一器械的污染等级;
获得所述智能消毒柜的参数信息;
将所述第一器械的所述污染等级和所述智能消毒柜的参数信息输入器械消毒时间估计模型,获得所述第一器械的消毒时间;
根据所述第一分类信息,确定所述第一器械的消毒类型;
根据所述消毒时间和所述消毒类型,确定所述第一器械的消毒管理方案。
2.如权利要求1所述的方法,其中,所述方法包括:
获得所述第一器械的微生物数量信息;
根据所述微生物数量信息和所述消毒时间,获得第一曲线;
根据所述第一曲线,获得第一调整参数;
根据所述第一调整参数,调整所述第一器械的消毒时间,获得第一消毒时间。
3.如权利要求2所述的方法,其中,所述方法包括:
获得所述第一器械的微生物种类信息;
对所述种类信息、所述数量信息在所述消毒时间的时间轴上进行拟合,获得第二曲线;
根据所述第二曲线,获得第二调整参数;
根据所述第二调整参数,调整所述第一器械的消毒时间,获得第二消毒时间。
4.如权利要求1所述的方法,其中,所述根据所述参数规格信息对第一器械进行分类,获得第一分类信息,包括:
获得每个所述参数规格信息的属性特征;
对所述属性特征进行特征提取,获得第一属性特征、第二属性特征和第三属性特征;
根据所述第一属性特征、所述第二属性特征和所述第三属性特征,构建第一属性雷达图;
获得预定突出阈值;
根据所述预定突出阈值,对所述第一属性雷达图进行分析,获得符合所述预定突出阈值的突出属性特征;
将所述突出属性特征作为分类标准,对第一器械进行分类,获得第一分类信息。
5.如权利要求4所述的方法,其中,所述根据所述预定突出阈值,对所述第一属性雷达图进行分析,获得符合所述预定突出阈值的突出属性特征之后,包括:
获得所述符合所述预定突出阈值的突出属性特征的数量信息;
判断所述数量信息是否大于1;
如果所述数量信息为1,将所述突出属性特征作为分类标准,对第一器械进行分类,获得第一分类信息。
6.如权利要求5所述的方法,其中,所述判断所述数量信息是否大于1之后,包括:
如果所述数量信息大于1,获得第一突出属性特征、第二突出属性特征,直到第N突出属性特征,其中,所述第一突出属性特征、所述第二突出属性特征,直到所述第N突出属性特征属于所述符合所述预定突出阈值的突出属性特征;
对所述第一突出属性特征、所述第二突出属性特征,直到所述第N突出属性特征进行主特征提取,获得主突出属性特征;
将所述主突出属性特征作为分类标准,对第一器械进行分类,获得第一分类信息。
7.如权利要求1所述的方法,其中,所述将所述第一器械的所述污染等级和所述智能消毒柜的参数信息输入器械消毒时间估计模型,获得所述第一器械的消毒时间,包括:
通过历史数据中器械的污染等级和智能消毒柜的参数信息作为训练集对神经网络模型进行训练,构建器械消毒时间估计模型;
将所述第一器械的所述污染等级和所述智能消毒柜的参数信息作为输入信息输入器械消毒时间估计模型;
获得所述器械消毒时间估计模型的输出结果,所述输出结果包括所述第一器械的消毒时间。
8.一种妇科用医疗器械监管系统,应用于权利要求1-7任一所述方法,其中,所述系统包括:
第一获得单元,所述第一获得单元用于通过图像采集装置获得第一图像信息,所述第一图像信息包括第一器械的图像信息;
第二获得单元,所述第二获得单元用于根据所述第一图像信息获得第一器械的参数规格信息;
第三获得单元,所述第三获得单元用于根据所述参数规格信息对第一器械进行分类,获得第一分类信息;
第四获得单元,所述第四获得单元用于根据所述第一分类信息,获得与每个类别相对应的卫生等级要求信息;
第五获得单元,所述第五获得单元用于通过所述图像采集装置获得第二图像信息,所述第二图像信息包括所述第一器械消毒前的图像信息;
第六获得单元,所述第六获得单元用于根据所述第二图像信息,获得所述第一器械的污染等级;
第七获得单元,所述第七获得单元用于获得所述智能消毒柜的参数信息;
第八获得单元,所述第八获得单元用于将所述第一器械的所述污染等级和所述智能消毒柜的参数信息输入器械消毒时间估计模型,获得所述第一器械的消毒时间;
第一确定单元,所述第一确定单元用于根据所述第一分类信息,确定所述第一器械的消毒类型;
第二确定单元,所述第二确定单元用于根据所述消毒时间和所述消毒类型,确定所述第一器械的消毒管理方案。
9.一种妇科用医疗器械监管系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110717818.5A CN113380393A (zh) | 2021-06-28 | 2021-06-28 | 一种妇科用医疗器械监管方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110717818.5A CN113380393A (zh) | 2021-06-28 | 2021-06-28 | 一种妇科用医疗器械监管方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113380393A true CN113380393A (zh) | 2021-09-10 |
Family
ID=77579504
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110717818.5A Withdrawn CN113380393A (zh) | 2021-06-28 | 2021-06-28 | 一种妇科用医疗器械监管方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113380393A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114812697A (zh) * | 2022-06-28 | 2022-07-29 | 张家港市欧凯医疗器械有限公司 | 一种医疗用管卫生检测方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105303494A (zh) * | 2015-11-10 | 2016-02-03 | 中国人民解放军第三军医大学第三附属医院 | 一种医疗器械的管理方法及系统 |
CN110362001A (zh) * | 2019-06-22 | 2019-10-22 | 上海金禹道具设计制作有限公司 | 一种医疗柜及其智能控制系统 |
CN111419414A (zh) * | 2020-03-24 | 2020-07-17 | 德阳市人民医院 | 一种清理创口用护理盒及控制方法 |
CN111553422A (zh) * | 2020-04-28 | 2020-08-18 | 南京新空间信息科技有限公司 | 手术器械自动识别回收方法及系统 |
TWM601369U (zh) * | 2020-04-20 | 2020-09-11 | 林裕斌 | 器械滅菌監測系統 |
DE202020107436U1 (de) * | 2020-04-20 | 2021-02-04 | Ching-Feng Lee | System zur Überwachung der Sterilisation von Instrumenten |
CN112818154A (zh) * | 2021-01-27 | 2021-05-18 | 广西融安蚂蚁农业发展有限公司 | 一种果品表面高效处理的方法及装置 |
-
2021
- 2021-06-28 CN CN202110717818.5A patent/CN113380393A/zh not_active Withdrawn
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105303494A (zh) * | 2015-11-10 | 2016-02-03 | 中国人民解放军第三军医大学第三附属医院 | 一种医疗器械的管理方法及系统 |
CN110362001A (zh) * | 2019-06-22 | 2019-10-22 | 上海金禹道具设计制作有限公司 | 一种医疗柜及其智能控制系统 |
CN111419414A (zh) * | 2020-03-24 | 2020-07-17 | 德阳市人民医院 | 一种清理创口用护理盒及控制方法 |
TWM601369U (zh) * | 2020-04-20 | 2020-09-11 | 林裕斌 | 器械滅菌監測系統 |
DE202020107436U1 (de) * | 2020-04-20 | 2021-02-04 | Ching-Feng Lee | System zur Überwachung der Sterilisation von Instrumenten |
CN111553422A (zh) * | 2020-04-28 | 2020-08-18 | 南京新空间信息科技有限公司 | 手术器械自动识别回收方法及系统 |
CN112818154A (zh) * | 2021-01-27 | 2021-05-18 | 广西融安蚂蚁农业发展有限公司 | 一种果品表面高效处理的方法及装置 |
Non-Patent Citations (1)
Title |
---|
李赛艳等: "手术器械电子图谱在消毒供应中心信息化管理中的应用", 《中医药管理杂志》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114812697A (zh) * | 2022-06-28 | 2022-07-29 | 张家港市欧凯医疗器械有限公司 | 一种医疗用管卫生检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sheta et al. | Genetic algorithms: a tool for image segmentation | |
CN107742290A (zh) | 植物病害识别预警方法及装置 | |
CN113380393A (zh) | 一种妇科用医疗器械监管方法及系统 | |
Doesburg et al. | Development of a structure analysis algorithm on structures from CuCl2⋅ 2H2O crystallization with agricultural products | |
Pratondo et al. | Classification of apples using machine learning | |
Whiting et al. | Determining the microbiological criteria for lot rejection from the performance objective or food safety objective | |
CN106960153A (zh) | 病毒的类型识别方法及装置 | |
CN113229750A (zh) | 扫地机的清扫消毒路径控制方法、装置、设备及介质 | |
CN117018256B (zh) | 多传感器数据融合的智能除菌祛味喷淋系统及方法 | |
Xin et al. | Real-time assessment of swine thermal comfort by computer vision | |
ALMEIDA et al. | Detecting Three Different Diseases of Plants by Using CNN Model and Image Processing | |
Jung et al. | Rank tests for clustered survival data | |
CN115006566B (zh) | 一种智慧消杀方法、装置、设备及存储介质 | |
Schwanck et al. | Measuring lesion attributes and analysing their spatial patterns at the leaf scale using digital image analysis | |
Prommakhot et al. | Exploiting convolutional neural network for automatic fungus detection in microscope images | |
CN108197230A (zh) | 一种化妆品配方生成方法与装置 | |
CN111143585A (zh) | 自动化大数据排序方法 | |
Padhy et al. | Leaf disease detection using K-means clustering and fuzzy logic classifier | |
Afdhal et al. | Image investigation using higher moment statistics and edge detection for recognizing abnormal skin | |
European Food Safety Authority | Statistical analysis of temporal and spatial trends of zoonotic agents in animals and food Part II: applications of spatial analysis and further developments of temporal analysis | |
Douphrate et al. | Reliability of observational-and machine-based teat hygiene scoring methodologies | |
KR20200049972A (ko) | 사료 영양성분의 유사도 분석 장치 및 방법 | |
Seelwal et al. | Machine Vision Systems for Rice Diseases Detection: A Review | |
Zhang et al. | On the limiting distribution of the spatial scan statistic | |
CN112883873B (zh) | 叶部病害的识别方法、装置、电子装置和存储介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210910 |