[发明专利]一种智能口腔检测系统及口腔图像检测方法

权利要求书

1.一种智能口腔检测系统，其特征在于，该系统包括口气与唾液检测模块、图像检测模块、控制底座和云平台；口气与唾液检测模块和图像检测模块均可插拔安装在控制底座上，控制底座分别与口气与唾液检测模块、图像检测模块和云平台进行数据传输。

2.根据权利要求1所述的智能口腔检测系统，其特征在于，所述控制底座包括三号单片机、三号wifi模块、LCD显示屏、TF卡、按键和三号电源模块；TF卡和三号wifi模块均与三号单片机进行双向数据传输，三号wifi模块与云平台实现双向数据传输；三号单片机与按键和LCD显示屏进行单向信号传输；

所述口气与唾液检测模块包括一号单片机、一号wifi模块、唾液检测单元、口气检测单元、一号电源模块和一号外壳；一号外壳的一端设有呼气口，另一端设有与呼气口相对的出气口；一号单片机、一号wifi模块、唾液检测单元、口气检测单元和一号电源模块均位于一号外壳内，唾液检测单元的检测端露在一号外壳的外表面；唾液检测单元和口气检测单元均与一号单片机进行单向数据传输，一号wifi模块分别与一号单片机和三号wifi模块进行双向数据传输；

所述图像检测模块包括二号单片机、二号wifi模块、相机、二号电源模块、LED灯和二号外壳；二号单片机、二号wifi模块、相机和二号电源模块均位于二号外壳的内腔中，相机能够转动，LED灯安装在二号外壳的视觉区下方；二号wifi模块分别与相机、二号单片机和三号wifi模块进行双向数据传输。

3.根据权利要求2所述的智能口腔检测系统，其特征在于，所述口气与唾液检测模块还包括一号电机驱动器、扇叶电机和扇叶；一号电机驱动器和扇叶电机均安装在一号外壳的内壁上，一号电机驱动器与一号单片机进行单向信号传输；扇叶电机的输出轴上固定有扇叶，扇叶正对一号外壳的出气口；口气检测单元的检测端位于扇叶与一号外壳的出气口之间。

4.根据权利要求2所述的智能口腔检测系统，其特征在于，所述图像检测模块通过驱动组件实现相机的转动，驱动组件包括二号电机驱动器、直流减速电机和安装盘；二号电机驱动器位于二号外壳内，二号电机驱动器分别与相机和直流减速电机进行单向信号传输；直流减速电机与二号外壳的内壁连接，直流减速电机的输出轴朝向二号外壳的上部，安装盘固定在直流减速电机的输出轴上，相机固定在安装盘上。

5.根据权利要求2所述的智能口腔检测系统，其特征在于，口气检测单元包括酒精传感器、一氧化碳传感器和硫化氢传感器；唾液检测单元包括pH传感器。

6.根据权利要求5所述的智能口腔检测系统，其特征在于，唾液检测单元还包括血糖传感器和血压传感器。

7.一种只能口腔图像检测方法，包括如下步骤：

1)搭建基于模糊注意力的深度残差网络模型；

1-1)搭建初始模型，该初始模型包括卷积层、池化层、模糊注意力层、全连接层、BN层、softmax层和损失层；

1-2)采用相机采集的历史数据形成训练集和验证集；

1-3)以损失函数最小为目标，利用训练集对初始模型进行反复训练，直至形成满足条件的模型，并采用验证集进行验证；

2)将步骤1-3)中得到的模型植入系统上，根据智能相机采集的数据信息对口腔状态进行分析；

3)通过相机采集了口腔运行时的3000张图片数据，其中2400张数据作为训练集，600张数据作为验证集；

4)构建基于模糊注意力的深度残差网络模型，基于Keras构建，后端引擎采用TensorFlow，基于模糊注意力的深度残差网络模型的训练采用GPU进行训练，所述的基于模糊注意力的深度残差网络由积层、池化层、模糊注意力层、全连接层、BN层、softmax层和损失层组成；

5)利用步骤1-2)的训练集对3构建的深度残差网络进行训练，直至损失函数最小；

6)利用步骤1-2)的验证集，对训练好的残差网络进行验证，若性能符合要求，则利用训练好的基于模糊注意力的深度残差网络对口腔状态进行识别和分类。