Impression 3D d'un pilulier intelligent avec reconnaissance d'image de réseau neuronal

Impression 3D d'un pilulier intelligent avec reconnaissance d'image de réseau neuronal

Les pharmaciens hospitaliers ont les mains pleines, car ils doivent manipuler une grande variété de médicaments. Ils ont besoin de garder le médicament en toute sécurité, et peu importe à quel point nous pouvons essayer, les gens ne sont pas

«La sécurité de la prise de médicaments est importante dans les soins de santé. Dans cette étude, nous proposons un concept complet de pilulier intelligent actif, qui comprend une unité de contrôle principale, une unité de distribution de pilules et un logiciel d’application (application) pour la distribution automatique de médicaments. Le pilulier intelligent utilise la technologie de reconnaissance d’image de réseau neuronal convolutif et la technologie d’impression 3D », expliquent les résumés.

Ils ont conçu le système comme un mécanisme imprimé en 3D, qui utilise une plate-forme Arduino pour contrôler ses mouvements et une application mobile pour définir les paramètres via un smartphone. L'application définit le type de médicament et l'heure à laquelle il doit être pris, et le smartphone transmettra ensuite les paramètres sélectionnés via Bluetooth à la plate-forme principale.

«L’Arduino (maître) envoie les commandes d’action via un MAX485 à l’Arduino (esclave). L’Arduino (esclave) reçoit la commande et démarre l’action. Dans le processus d’action Arduino (esclave), l’Arduino principal (maître) continue de transmettre le message à chaque Arduino (esclave) et termine les actions pour chaque Arduino (esclave). Après avoir complètement distribué les pilules, l’Arduino principal (maître) renvoie le message au smartphone pour informer l’utilisateur qui prend le médicament », ont expliqué les chercheurs.

Le système de pilulier a été conçu dans Solidworks, et il a été imprimé en 3D, avec le mécanisme rotatif.

Au début, un réglage de bouton est utilisé pour faire fonctionner le pilulier intelligent, mais finalement, l'application mobile définira laquelle des pilules doit être administrée, puis définira les commandes de médicaments pour quand elles doivent être abandonnées.

« Pour augmenter le nombre de types de pilules qui peuvent être stockés, l’Arduino (maître) donne des instructions à l’esclave via MAX485, définit le nombre de chaque type de pilule et fait fonctionner le système », ont-ils écrit. «Les heures auxquelles les pilules doivent être abandonnées sont définies en fonction du numéro de kit prévu. Plusieurs heures peuvent être définies, et il est rappelé à l’utilisateur de prendre le médicament à ces différents moments. »

Une fois que la quantité de pilules à distribuer est définie, le contrôleur Arduino donne une commande pour démarrer à la fois le moteur et le capteur. Les engrenages du moteur entraînent les engrenages qui se connectent aux dents en rotation, qui font ensuite tourner le dispensaire de pilules. Ensuite, une fois la pilule arrivée à la goulotte, elle

Les autres éléments de ce système sont la reconnaissance d'image des pilules et le modèle d'entraînement. Trois processus sont utilisés pour reconnaître une image

Ce CNN utilise l'architecture Googlenet pour la formation des modèles, qui a du mal à atteindre la diversité des données. Mais, comme l'objet

«Le principe est de capturer les caractéristiques du réseau neuronal pour la reconnaissance d’images. La couche finale entièrement connectée pour la classification n’est pas entrée, mais l’entité est entrée comme une (128, 1). Le vecteur, également connu sous le nom d’incorporation, jette ensuite la photo de l’élément identifié et la photo dans la base de données est sélectionnée pour que le modèle obtienne un vecteur de (128, 1), puis les deux vecteurs sont comparés », les chercheurs a écrit. «Pour entraîner ce modèle, nous devons d’abord définir une fonction de perte pour mesurer la distance entre les plongements. Ici, nous utilisons la fonction de perte de triplet; il y aura trois photos: l’ancre et les images positives et négatives de l’ancre. »

Comme l'ensemble de données est une image d'une seule pilule, afin de détecter les pilules individuelles, plusieurs images sont traitées afin que la détection des bords puisse être utilisée pour découper et séparer chacune. Le modèle trouve le bord

Élimine le bruit et l'image lisse avec un masque Calculez les gradients horizontaux et verticaux pour trouver la frontière Trouver le contour

«Recherche du contour: utilisez la fonction findtour de cv2; avec le paramètre CV_RETR_EXTERNAL, seul le contour de la couche la plus externe est pris. Entrée d’image carrée: le paramètre cv2.boundingRect est utilisé et enregistré en tant que fichier image », ont-ils déclaré.

Il y a encore quelques problèmes à résoudre, comme une friction excessive générée si trop de médicaments sont dans la boîte et le fait que le modèle de formation

«Si nous pouvons accumuler davantage de jeux de données à l’avenir, la précision du modèle peut être augmentée et le modèle peut être comparé à d’autres modèles», ont-ils déclaré.

Mais, comme les utilisateurs peuvent définir leur type de pilule et le temps de médication avec l'application, il

«Le but de cette étude est de développer un système de pilulier automatique intelligent sur la base du concept d’un système d’emballage pharmaceutique utilisé dans les hôpitaux intelligents, un système adapté à une utilisation personnalisée. Le développement de l’application pour smartphone fournit un système de médication plus pratique et plus sûr pour les soins à domicile des patients. Il n’est pas nécessaire de placer les comprimés un par un dans une zone désignée en fonction du temps de médication de l’utilisateur, ce qui peut réduire la perte de temps inutile et l’exposition des comprimés », ont conclu les chercheurs.

Discutez de ce sujet et d'autres sujets relatifs à l'impression 3D sur 3DPrintBoard.com ou partagez vos réflexions ci-dessous.

Le post 3D Printing a Smart Pillbox with Neural Network Image Recognition est apparu en premier sur 3DPrint.com | La voix de l'impression 3D / fabrication additive.