李旭東 李昱彤 蘇偉鵬 王培德 石征錦

摘? 要：本文介紹新開發(fā)的一款基于CNN技術(shù)的醫(yī)療垃圾運輸機器人。該機器人由底盤部分、抬升部分、夾取部分、識別部分四個部分組成。底盤部分的全方位移動能夠滿足復雜環(huán)境要求。抬升部分能夠抓取到不同高度的物品。夾取部分的氣閥式抓取能夠更加迅速，牢固地抓取物品。識別部分通過OV5640攝像機獲取目標，通過深度學習CNN技術(shù)來對物品進行圖像處理以及分析，并將數(shù)據(jù)實時傳送給STM32F427進行處理。

關(guān)鍵詞：深度學習? STM32F427? 卷積神經(jīng)網(wǎng)絡? MPU6500

中圖分類號：X799.5;TP277 ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? 文章編號：1674-098X（2021）01（b）-0102-03

Medical Waste Transportation Robot Based on CNN Technology

LI Xudong1? LI Yutong1? SU Weipeng2? WANG Peide3? SHI Zhengjin1*

（1. School of Automation and Electrical Engineering， Shenyang Ligong University， Shenyang， Liaoning Province，110159 China ; 2. School of Mechanical Engineering， Shenyang， Ligong University， Shenyang， Liaoning Province，110159 China ; 3. School of Science， Shenyang Ligong University， Shenyang， Liaoning Province， 110159 China）

Abstract： A medical waste transportation robot based on CNN technology has been developed. The robot is composed of four parts： a chassis part， a lifting part， a clamping part， and an identification part. The all-round movement of the chassis can meet the requirements of complex environments. The lifting part can grab objects of different heights. The air valve type grabbing of the gripping part can grab the objects more quickly and firmly. The recognition part uses the OV5640 camera to acquire the target， uses deep learning CNN technology to process and analyze the image of the item， and transfer the data to STM32F427 in real time for processing.

Key Words： Deep learning; STM32F427; Convolutional neural network; MPU6500

目前世界上的醫(yī)療機器人大多應用于臨床病人的看護以及藥品的運輸，不具備對藥品的識別以及主動運輸功能。國內(nèi)大部分醫(yī)院已經(jīng)投入使用的機器人需要先人工添加藥物然后根據(jù)已經(jīng)設定好的路線將藥品運輸?shù)街付ㄎ恢茫t(yī)護人員無法通過后臺直接操控機器人的行動[1]?；贑NN技術(shù)的醫(yī)療垃圾運輸機器人在一定程度上能夠彌補這些空缺的同時節(jié)省勞動力，并提高工作效率。特別是采用搖桿控制，操作簡便、任意設計路徑、適應環(huán)境能力極強，能夠在高效率、低成本的完成醫(yī)療垃圾運輸任務的同時，減少醫(yī)護人員感染風險[2]。

1 總體設計方案

基于 CNN 技術(shù)的醫(yī)療垃圾運輸機器人由底盤部分、抬升部分、夾取部分、識別部分四個部分組成。底盤部分的全方位移動提高了機器人的靈活性、可行走路線更多，因此可以滿足醫(yī)院復雜的環(huán)境，能夠獲取任何位置的醫(yī)療垃圾運輸。抬升部分能夠滿足不同高度的垃圾箱、袋的抓取。夾取部分的氣閥式抓取能夠更加迅速，牢固的抓取箱子、袋子。識別部分基于 CNN 技術(shù) 能夠?qū)崿F(xiàn)對不同垃圾箱、袋的識別[3]，從而達到智能分揀的要求。多方位運動;利用OPENMV、MINIPC 以及 CNN 技術(shù)實現(xiàn)對標識物視覺分析;利用氣閥來提高機械臂的抓取效率;基于CNN技術(shù)的醫(yī)療垃圾運輸機器人的功能如圖 1 所示。

2? 底盤設計方案

2.1 避震懸掛

避震結(jié)構(gòu)選用受力效果明顯的V行懸掛。裝配方式簡單且容易更換，受損原因也能及時發(fā)現(xiàn)，方便了設計者針對特殊地形進行特殊改進。而獨立懸掛使產(chǎn)生的震動也對機器人裝載的物品影響較小，大大提高了運輸物品的可靠性，同時，也使得初版設計機器人可以適應多種復雜地形。機器人底盤懸掛采用了縱壁式懸掛。

2.2 麥克納姆輪設計

在完成了機器基本運動的同時，也使得機器人可以進行平移旋轉(zhuǎn)，加大了機器人的靈活性，可以更加廣泛地運用在各種復雜環(huán)境。因為可走的線路更多，也讓機器人在多障礙環(huán)境下從出發(fā)點到目的地的運動距離減小，大大提高了工作效率[4]。

2.3 云臺夾取穩(wěn)定系統(tǒng)

在云臺夾取抬升方面，我們采用了滑軌鏈輪抬升結(jié)構(gòu)，配合氣瓶輔助抬升夾取 穩(wěn)定，降低貨物脫落的風險。滑軌鏈輪抬升系統(tǒng)指在機器人的云臺抬升的基礎上，在云臺下加裝了滑軌，以抵消云臺在抬升下降過程中出現(xiàn)左右兩端高低不平的情況，保證了云臺的穩(wěn)定性，降低機器人在運行時候的損耗，同時降低維護成本。

3? 電控系統(tǒng)設計方案

3.1 加入操作系統(tǒng)

為了減少中斷處理容易出現(xiàn)重復的情況，以及提高處理速度。我們決定采用FREERTOS操作系統(tǒng)來加以輔助，實現(xiàn)代碼邏輯處理的有序和處理速度的提高。

3.2 IMU采用陀螺儀和磁力計融合

為了減少原始數(shù)據(jù)高噪音點帶來的誤差，我們采用了低通濾波以及滑動濾波對讀取的數(shù)據(jù)進行處理。由于YAW軸沒有校準的東西，容易產(chǎn)生較大的誤差[5]。我們采用了磁力計與陀螺儀融合的方式來減小誤差[6]。

4? 視覺系統(tǒng)設計方案

4.1 多傳感器輔助視覺技術(shù)

通過大量研究，我們發(fā)現(xiàn)想要增加機器人夾取的準確性，除了機器人本身機構(gòu)穩(wěn)定之外，仍要配合大量的傳感器進行輔助操作。較為突出的是視覺輔助設計，我們使用攝像頭和 MINIPC加上高精度紅外激光測距模塊，對目標進行基于CNN技術(shù)的智能分析，進而可以判斷出目標，配合電機的精準控制，使機器人瞄準目標進行夾取和轉(zhuǎn)移作業(yè)。

4.2 基于CNN技術(shù)的視覺識別

機器人通過圖像檢測識別技術(shù)實現(xiàn)視覺系統(tǒng)高速目標定位和識別作業(yè)。傳統(tǒng)檢測識別技術(shù)有基于分割的方法、特征分析方法、圖像識別決策分類方法、模式學習和形狀匹配方法。而隨著CNN技術(shù)的日益完善，我們通過結(jié)合圖像處理技術(shù)、采用邊界像素檢測算法以及深度神經(jīng)網(wǎng)絡識別訓練算法對目標進行精確定位與圖像分割，應用 CNN 模型構(gòu)建定位識別算法[4]。深度學習在工業(yè)、生活等領域有優(yōu)越的特征抽取性能，而我們采用深度卷積網(wǎng)絡，能夠快速準確地識別和定位復雜目標物體。

5? 醫(yī)療垃圾運輸機器人各部分功能介紹

5.1 底盤功能

控制機器人的基本行走，在基本行走的基礎上添加原地旋轉(zhuǎn)、平移等功能，可以在 360°范圍內(nèi)轉(zhuǎn)彎行走，以此擴大機器人的行走范圍，從而達到符合醫(yī)院復雜環(huán)境的行走要求[7]。

5.2 抬升部分功能

抬升結(jié)構(gòu)在設計時考慮到適應物品的不同尺寸，增加了夾取的適應范圍。在結(jié)構(gòu)上使用扎實可靠的鏈傳動方式。為了節(jié)省能源以及保證抬升高度，我們將兩個 鏈傳動結(jié)構(gòu)以對角方式放置。為了使機器人使用壽命更長、外框更加牢固、提高運輸效率，我們選用鋁方管作為機器人抬升部分的外框材料。為了提高傳動效率，我們選用兩個3510電機作為主動力，通過PID閉環(huán)，控制抬升時的穩(wěn)定。在抬升方法的選擇上，我們采用齒輪傳輸，這樣不僅能使頂部云臺更加平穩(wěn)，而且工作可靠性高。

5.3 視覺部分功能

主要針對于識別物的算法設計，根據(jù)醫(yī)用的需求，算法以識別定位獲取醫(yī)療垃圾箱的坐標，偏轉(zhuǎn)角度、類別信息為目的，兼顧算法速度、定位精度及識別準確率。算法由目標定位算法和目標識別算法兩部分組成。工業(yè)相機采集指定區(qū)域圖像，對圖像經(jīng)過灰度均衡化，提高圖片對比度;基于 Otsu 閾值分割再將圖像二值化處理。通過腐蝕操作濾除圖像的顆粒噪聲，再分割提取圖像中有用數(shù)據(jù)，最后通過CNN進行目標識別分類[8]。

5.4 邏輯部分功能

在機器人啟動后，首先完成自檢，遙控器、云臺、底盤任務的創(chuàng)建。在自檢成功后，等待獲取遙控器數(shù)據(jù)。底盤 mpu6050取數(shù)據(jù)后，在解算后完成通過CAN總線發(fā)送到云臺主控板，以此完成防止翻側(cè)、底盤跟隨等任務。底盤通過電機的轉(zhuǎn)速閉環(huán)來保證機器人的速度能夠達到期望速度。攝像頭獲取圖像后發(fā)送給 MINIPC，MINIPC解算完數(shù)據(jù)后，將數(shù)據(jù)通過串口發(fā)送到主控板?？刂瓢逋ㄟ^控制電磁閥開啟完成目標抓取任務。

6? 結(jié)語

本次研發(fā)的機器人是通過多傳感器以及CNN技術(shù)實現(xiàn)對物品的識別后，將數(shù)據(jù)發(fā)送到單片機上，單片機完成實時的處理。我們通過多次對機器人的調(diào)試，最終機器人可以通過遙桿或電腦兩種方式操控方式，再根據(jù)圖傳設備傳來的圖像，實現(xiàn)遠程操作完成對醫(yī)療垃圾的分類和運輸。從而達到系統(tǒng)設定的功能。

參考文獻

[1] 邵帥.醫(yī)療垃圾預處理器具設計研究[D].武漢：湖北工業(yè)大學，2019.

[2] 彭小波.醫(yī)療垃圾回收處理監(jiān)控系統(tǒng)設計與實現(xiàn)[D].綿陽：西南科技大學，2018.

[3] 齊燕.基于人工智能算法的圖像識別與生成研究[J]. 電子元器件與信息技術(shù)，2019（11）：34-56.

[4] 鄭仁輝.麥克納姆輪全向機器人移動平臺的設計[D].哈爾濱：哈爾濱工程大學，2017.

[5] 萬俊.四軸飛行器的研究與制作[D].南京：東南大學， 2014（5）：45-64.

[6] 王建政，林克賓.STM32慣性姿態(tài)模擬系統(tǒng)[J].電子元器件與信息技術(shù)，2018（5）：16-19.

[7] 張忠民，鄭仁輝.基于模糊PID的麥克納姆輪移動平臺的控制算法[J].應用科技，2017（5）20-39.

[8] 任志敏.基于STM32F407的圖像采集系統(tǒng)設計[J].山西電子技術(shù)，2016（3）：45-48.