梁懷新 孫小棋 張眾磊 楊鑫 （通訊作者）

1．秦皇島市疾病預(yù)防控制中心 河北秦皇島 066000／清華大學(xué)天津高端裝備研究院 天津 300300 2．富士機(jī)電（天津）有限公司 天津 300450 3．北京時(shí)間中國網(wǎng)科技有限公司 天津 300300

1 機(jī)器視覺設(shè)計(jì)應(yīng)用分析

1.1 機(jī)器視覺方案設(shè)計(jì)

利用信息系統(tǒng)對(duì)醫(yī)療垃圾進(jìn)行分類的一個(gè)重要前提是實(shí)現(xiàn)對(duì)不同類別醫(yī)療垃圾的識(shí)別。通過對(duì)機(jī)器視覺方案的設(shè)計(jì)，能夠?qū)崿F(xiàn)系統(tǒng)構(gòu)想。簡(jiǎn)單來說，機(jī)器視覺方案主要有以下幾個(gè)要點(diǎn)。一是一般醫(yī)療垃圾分類能夠借助信息視同實(shí)現(xiàn)室內(nèi)的識(shí)別，在對(duì)垃圾進(jìn)行掃描的過程中，需要進(jìn)行畫面的捕捉。

二是在進(jìn)行畫面捕捉的過程中，由于外界的環(huán)境因素不確定，主要是光亮的明暗程度會(huì)對(duì)垃圾畫面的識(shí)別造成一定的影響。為了避免出現(xiàn)相關(guān)問題，在進(jìn)行機(jī)器視覺設(shè)計(jì)時(shí)，主要使用了背景差分算法進(jìn)行系統(tǒng)設(shè)計(jì)，實(shí)現(xiàn)垃圾識(shí)別平臺(tái)的補(bǔ)照強(qiáng)光。三是之所以會(huì)使用背景差分的算法，主要是應(yīng)為該算法在醫(yī)療垃圾分類系統(tǒng)中的應(yīng)用能力較強(qiáng)，能夠確保整體系統(tǒng)的穩(wěn)定和運(yùn)行。在算法的具體應(yīng)用過程中，主要是通過當(dāng)前幀與背景幀進(jìn)行運(yùn)算，對(duì)垃圾物品實(shí)現(xiàn)預(yù)先的判定，確保準(zhǔn)確進(jìn)行醫(yī)療垃圾的識(shí)別[1]。

1.2 機(jī)器視覺方案實(shí)現(xiàn)

在醫(yī)療垃圾分類系統(tǒng)設(shè)計(jì)過程中，所使用的是OpenCV（Open Source Computer Vision Library）實(shí)現(xiàn)背景差分算法，這種算法首先通過cvtColor函數(shù)將采集到的三通道RGB圖像轉(zhuǎn)換成單通道的灰度圖像?；叶葓D像中每一個(gè)像素值均為0-255之間的值。但是，在系統(tǒng)運(yùn)行中，外部條件不一致，外部光照出現(xiàn)變化的話，灰度的像素值也會(huì)有所波動(dòng)，考慮到這一情況，針對(duì)有灰度的圖片，采用threshold函數(shù)實(shí)現(xiàn)二值化處理，然后像素就會(huì)變?yōu)?與255兩個(gè)值，然后再將待識(shí)別的二值化圖片同二值化背景圖像做差值，實(shí)現(xiàn)背景的區(qū)分。

其次，為了減少圖像像素的明顯變化，系統(tǒng)會(huì)對(duì)已有的灰度圖像進(jìn)行二值化處理，被檢測(cè)到的醫(yī)療垃圾的具體圖像十分明顯和清晰，能夠進(jìn)行人眼識(shí)別與判斷。最后，通過背景差分算法在被應(yīng)用在系統(tǒng)上進(jìn)行系統(tǒng)檢測(cè)，發(fā)現(xiàn)被識(shí)別的物體能夠清晰地呈現(xiàn)在系統(tǒng)之中，并且可以高效快速地進(jìn)行大量物品的識(shí)別，有利于醫(yī)療垃圾分類工作的開展，提高垃圾分類的工作效率。機(jī)器視覺方案實(shí)際上涉及到很多復(fù)雜的計(jì)算機(jī)算法和技術(shù)，在具體的技術(shù)實(shí)現(xiàn)方面具有一定的精準(zhǔn)度，能夠有效應(yīng)用在系統(tǒng)之中，配合其他系統(tǒng)開展工作[2]。

2 深度學(xué)習(xí)方案應(yīng)用分析

2.1 深度學(xué)習(xí)方案設(shè)計(jì)

在深度學(xué)習(xí)方案上面，主要應(yīng)用MobileNet結(jié)構(gòu)模型實(shí)現(xiàn)了對(duì)各類醫(yī)療物品的分類卷積，該結(jié)構(gòu)由深度級(jí)可分離卷積（depthwise separable convolution）作為基礎(chǔ)單元組成，該方法融合兩種卷積方法depthwise convolution和 pointwise convolution，如圖1所示。簡(jiǎn)單來說，深度分離卷積主要指的是將傳統(tǒng)的卷積分為一個(gè)深度卷積和1×1卷積，在方案應(yīng)用過程中，深度分離卷積的運(yùn)行速度更快，更能夠節(jié)省成本，達(dá)到醫(yī)療垃圾分類的目的。

同時(shí)，在方案設(shè)計(jì)的過程中，MobileNet結(jié)構(gòu)在深度分離卷積后增加了激活層，該激活層主要是用于提升系統(tǒng)的運(yùn)行效率，減少了預(yù)處理操作環(huán)境，提高了物品的分類工作效率。

圖1 Depthwise separable convolution

2.2 深度學(xué)習(xí)方案實(shí)現(xiàn)

在醫(yī)療垃圾分類系統(tǒng)正式運(yùn)行之前，想要確保對(duì)不同垃圾的有效識(shí)別，就需要進(jìn)行系統(tǒng)深度學(xué)習(xí)方案的實(shí)現(xiàn)，在系統(tǒng)中進(jìn)行Caffe深度學(xué)習(xí)框架和MobileNet模型安裝以后，還需要對(duì)將要識(shí)別的物品進(jìn)行信息采集，訓(xùn)練模型繼而形成一個(gè)完整的神經(jīng)網(wǎng)絡(luò)。

表1 深度學(xué)習(xí)方案測(cè)試結(jié)果

一般來說，要對(duì)醫(yī)療工作中所涉及到的全部醫(yī)療垃圾樣本進(jìn)行信息采集，這里主要識(shí)別的醫(yī)療物品有醫(yī)用手套、防護(hù)服、止血鉗等，在物品信息采集過程中，需要不斷變換物品的形態(tài)和擺放位置。這是因?yàn)樵谶M(jìn)行垃圾識(shí)別掃描的過程中，物品不是有序擺放，而是雜亂無章放置在傳輸臺(tái)上。通過數(shù)十個(gè)圖樣信息的采集，記錄醫(yī)療物品的不同形態(tài)，最終能夠?qū)崿F(xiàn)深度學(xué)習(xí)系統(tǒng)神經(jīng)網(wǎng)絡(luò)的構(gòu)建，確保系統(tǒng)在應(yīng)用過程中，能夠?qū)Ω黝愇锲愤M(jìn)行有效識(shí)別。通過對(duì)醫(yī)療垃圾分類系統(tǒng)進(jìn)行測(cè)試（如表1），測(cè)試結(jié)果發(fā)現(xiàn)，深度學(xué)習(xí)方案對(duì)注射器、輸液袋、醫(yī)用手套等醫(yī)療廢物的識(shí)別能力能夠達(dá)到99%，可以有效解決醫(yī)療垃圾分類的問題。

3 結(jié)語

總而言之，借助于現(xiàn)在信息技術(shù)構(gòu)建醫(yī)療垃圾分類系統(tǒng)時(shí)，需要通過不同方案和模型的構(gòu)建，經(jīng)過系統(tǒng)的不斷測(cè)試和應(yīng)用，才能夠不斷改進(jìn)設(shè)計(jì)方案，實(shí)現(xiàn)系統(tǒng)的有效運(yùn)行。在機(jī)器視覺方案和深度學(xué)習(xí)方案設(shè)計(jì)和應(yīng)用工作開展中，需要工作人員注意是，由于不同醫(yī)院所產(chǎn)生的醫(yī)療廢物類型也有細(xì)微的差別，因此說，系統(tǒng)設(shè)計(jì)和完善需要結(jié)合實(shí)際情況開展功能設(shè)計(jì)工作，并且在機(jī)器視覺方案和深度學(xué)習(xí)方案設(shè)計(jì)上也需要不斷升級(jí)創(chuàng)新，提高系統(tǒng)建設(shè)能力[3]。