摘要
基于机器视觉与深度学习的医疗垃圾分类系统包括目标定位系统和智能识别系统。目标定位系统由OpenCV检测并定位待识别物体,智能识别系统应用深度学习的MobileNet模型对识别物体进行训练和分类。以手术钳、手套、输液带和注射器为例,实验结果表明,设计的医疗垃圾自动识别分类系统的识别精度大于99%。该系统在应用于实际的医疗垃圾分类中,能有效减少人工投入、降低分拣员受病毒感染的风险。
引文
[1]陈扬,吴安华,冯钦忠,等.医疗废物处理处置技术与源头分类对策[J].中国感染控制杂志, 2012,11(6).
[2] Jain R C, Kasturi R, Schunck B G. Machine Vision[M]. China Machine Press; McGraw-Hill Education(Asia), 2003.
[3]秦小文,温志芳,乔维维.基于OpenCV的图像处理[J].电子测试, 2011,(7):39-41.
[4]孙志军,薛磊,许阳明,等.深度学习研究综述[J].计算机应用研究, 2012, 29(8):2806-2810.
[5] Howard A G, Zhu M, Chen B,等. MobileNets:Efficient Convolutional Neural Networks for Mobile Vision Applications[J]. 2017.
[6] Sifre L, Mallat, Stéphane. Rigid-Motion Scattering for Texture Classification[J]. Computer Science, 2014.
[7]张帅,李涛,王艺峰,焦晓帆,杨愚鲁,等.细粒度任务并行GPU通用矩阵乘[J].计算机工程与科学, 2015, 37(5):847-856.
[8] Vasudevan A, Anderson A, Gregg D. Parallel Multi Channel Convolution using General Matrix Multiplication[J]. 2017.