[发明专利]一种基于yolov5的皮肤科非处方药售药方法

说明书

本发明公开的一种基于yolov5的皮肤科非处方药售药方法，包括采集皮肤病原始图像并进行预处理，提取各类皮肤病特征值；使用数据集标注软件labelimg对特征值进行人工标注，得到皮肤病类别信息以及坐标信息；将其输入yolov5深度学习检测网络并进行训练；采集患者患病处照片，输入yolov5检测网络中进行检测，判断出相应皮肤病的类型；利用概率数据关联将皮肤病类型与对应药物进行链接并向患者展示。本发明通过采集待检测皮肤病图片，利用yolov5深度学习算法检测皮肤病类型，将检测结果与推荐药物利用Apriori关联算法进行连接并推送相关药物，解决了现有人工售药带来的识别精度低和检测速度慢的问题。

技术领域

本发明属于图像识别技术领域，具体涉及一种基于yolov5的皮肤科非处方药售药方法。

背景技术

皮肤是人体最大的器官，皮肤病的种类主要有：斑疹、脓疱、风团、糜烂或溃疡、丘疹、痂、结节、鳞屑、水疱、皲裂等；市场上主流的治疗皮肤病的药物可分为：非真菌感染类、病毒性皮肤病、过敏性皮肤病、皮脂汗腺皮肤病等几大类。对于轻微皮肤病治疗，常见方式是购买皮肤科用药类非处方药药品进行涂抹。

非处方药是不需要医师或其它医疗专业人员开写处方即可购买的药品，公众可在各大药店的柜台或通过网络线上购买获得。皮肤科用药类非处方药药品常用于解决各种皮肤科疾病，市场上现有的主要用药有：复方醋酸地塞米松乳膏、糠酸莫米松乳膏、曲安奈德益康唑乳膏、酮康唑乳膏、硝酸益康唑喷剂、999皮炎平软膏、莫匹罗星软膏、马应龙麝香痔疮膏、维A酸乳膏、疗癣卡西甫散、复方聚维酮碘搽剂、驱白巴布期片等。

常见皮肤病的临床症状具有显著性差异，药店医导可直接通过肉眼观察推荐相应的非处方药。但由于部分医导病理知识有限，使得售药过程存在着识别精度低、检测速度慢等问题。

发明内容

本发明的目的在于提供一种基于yolov5的皮肤科非处方药售药方法，解决了现有人工售药带来的识别精度低和检测速度慢的问题。

本发明所采用的技术方案是：一种基于yolov5的皮肤科非处方药售药方法，包括以下步骤：

步骤1、采集皮肤病原始图像并进行预处理，提取各类皮肤病特征值；

步骤2、使用数据集标注软件labelimg对步骤1中得到的特征值进行人工标注，得到每张图片中的皮肤病类别信息以及坐标信息；

步骤3、将步骤2中得到的皮肤病类别信息以及坐标信息输入yolov5深度学习检测网络并进行训练；

步骤4、采集患者患病处照片，输入步骤3中训练好的yolov5检测网络中进行检测，判断出相应皮肤病的类型；

步骤5、利用概率数据关联将步骤4中判断出的皮肤病类型与对应药物进行链接并向患者展示。

本发明的特点还在于，

步骤1中采集到的图片分辨率大小为2560×1920，采集到的皮肤病类型包括疱疹、脓包型痤疮、粉刺、皮炎湿疹、毛囊炎和蚊虫叮咬等六类皮肤病。

步骤1中的预处理具体为：首先利用图像锐化得到更陡峭、清晰的图像边缘信息，然后利用平滑滤波抑制噪声，最后利用边缘检测算子进行阈值化处理，以确定突出的边缘信息。

步骤3具体包括以下步骤：

步骤3.1、将步骤2中得到的皮肤病类别信息以及坐标信息的VOC格式数据转化为yolov5格式的数据集；

步骤3.2、将yolov5格式的数据集以6:2:2的比例划分为训练集、测试集、验证集；

步骤3.3、进行一个copy或move的指令进行数据集重构，即可训练皮肤病yolov5检测网络。