[发明专利]一种用于服药依从性管理的药片目标检测方法

说明书

本发明公开了一种用于服药依从性管理的药片目标检测方法，本发明可准确识别室内复杂光照环境、复杂背景、不同拍摄角度距离、药片重叠分布图片中的药片位置和类别；其次，本发明实施例的检测模型是基于深度学习yolov3开源算法，部署在云端服务器，可高并发快速处理原始图片，实现实时输出结果；再者，本发明创新的结合了计算机图形学与计算机视觉两个领域的技术，通过光线追踪技术自动渲染生成药片图片样本，节省了采集和标注图片样本所需的大量人力和时间，同时在识别性能上取得了良好的效果。有效解决了深度学习技术在实际工程应用中遇到的样本缺乏的问题。

技术领域

本发明涉及计算机技术领域，特别是涉及一种用于服药依从性管理的药片目标检测方法。

背景技术

随着科学技术的不断进步，目前已经能够实现通过自动包装机器来包装并发送药品，从而减轻医生的负担，但是目前自动包装机器对药品的检测并不完善，所以就会存在漏检和误检，进而导致医疗事故等问题，所以如何准确地对药品进行检测成为现在亟待需要解决的问题。

发明内容

本发明提供了一种用于服药依从性管理的药片目标检测方法，以解决现有技术中不能准确地对预设目标进行检测的问题。

本发明提供了一种用于服药依从性管理的药片目标检测方法，该方法包括：批量生成预设目标的样本图训练集；基于所述预设目标的样本图训练集，通过Yolov3算法训练检测模型，并根据所述检测模型对预设目标进行检测；其中，所述检测模型为采用开源结构的模型，且所述检测模型的网络架构包含53个卷积层。

可选地，所述批量生成预设目标的样本图训练集，包括：通过样本生成器批量生成预设目标的样本图训练集。

可选地，所述通过样本生成器批量生成预设目标的样本图训练集，包括：所述样本生成器通过3ds max构建多个所述预设目标的3d模型，借助Unity3D HDRP高清晰度渲染管线中的光线追踪技术对所述预设目标的3d模型进行渲染，生成多种场景下不同数量和不同种类的所述预设目标的图像。

可选地，生成多种场景下不同数量和不同种类的所述预设目标的图像之后，所述方法还包括：将所述图片中所述预设目标的检测框信息和所述预设目标的种类，生成标注信息，并将所述标注信息存储为xml格式文件。

可选地，所述预设目标的检测框信息包括：检测框中心x、y坐标信息、检测框的长度信息和检测框的宽度信息。

可选地，所述预设目标的种类包括：所述预设目标的颜色和所述预设目标的形状。

可选地，采用逻辑回归对待检测的预设目标进行目标性评分。

可选地，通过损失函数计算交叉熵和检测框信息的总平方误差，用于反向传播以调整所述检测模型的参数。

可选地，将所述检测模型部署在云服务器上，通过所述云服务器以多线程方式来监听不同客户端的预设目标识别请求；其中，所述云服务器的每一个线程对应一个客户端。

可选地，所述预设目标为以下中的一种或多种：药片、药丸和药瓶。

本发明有益效果如下：

本发明通过大量地批量生成预设目标的样本图训练集，然后基于该样本图训练集通过Yolov3算法训练检测模型，最后通过该检测模型对预设目标进行准确检测，从而有效解决现有技术中不能准确地对预设目标进行检测的问题。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明