CN112132061A - 一种基于在线识别***的药物筛分方法及其*** - Google Patents
一种基于在线识别***的药物筛分方法及其*** Download PDFInfo
- Publication number
- CN112132061A CN112132061A CN202011021506.2A CN202011021506A CN112132061A CN 112132061 A CN112132061 A CN 112132061A CN 202011021506 A CN202011021506 A CN 202011021506A CN 112132061 A CN112132061 A CN 112132061A
- Authority
- CN
- China
- Prior art keywords
- medicine
- new
- storage
- identification system
- medicines
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000003814 drug Substances 0.000 title claims abstract description 448
- 229940079593 drug Drugs 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012216 screening Methods 0.000 title claims description 14
- 238000007877 drug screening Methods 0.000 claims abstract description 16
- 238000012549 training Methods 0.000 claims description 34
- 230000006870 function Effects 0.000 claims description 11
- 239000002547 new drug Substances 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 9
- 238000013473 artificial intelligence Methods 0.000 claims description 8
- 238000013135 deep learning Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 6
- 239000003962 counterfeit drug Substances 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000002372 labelling Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 3
- 238000007599 discharging Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Development Economics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Preparation Storing Or Oral Administration Devices (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及药物数据处理技术领域,公开了一种基于在线识别***的药物筛分方法及其***,其方法包括步骤:S1、采集药品图像信息;S2、将该药品图像信息发送至药品在线识别***中识别药品,判断是否为新药,若为新药,则进入步骤S3,若不为新药,则进入步骤S4;S3、对新药的药品图像信息进行提取,获取药品名称、电子监管码、药品盒长宽高尺寸和药品类别,进入步骤S5;S4、识别药品唯一的电子监管码,根据数据库药品存储位置与电子监管码的索引关系,将归置到已有药品的存储位置;S5、找到适合该药品类别的存储位置,将新药品存储至药品区域。解决目前药品识别***对每次药品更新换代或者新药的产生均需要人员进行***维护和调试的问题。
Description
技术领域
本发明涉及药物数据处理技术领域,具体而言,涉及一种基于在线识别***的药物筛分方法及其***。
背景技术
随着药学产业的飞速发展,市面上的药品种类繁多,大多数医院药品多达成千上万种,其中相同药品的不同品规、不同剂量又有多种形式。传统的药品筛分由人工拣药、配药的医院,医院取药窗口,在最终把药品给病人之前,需要有一位工作人员确认药品的种类数量是否正确,其放药速度慢,且存在人员对医院信息***(HIS)传送处方的误读以及药品包装相似或易混淆药品加错等情况,增加了药师的工作量及发药差错的概率。
在专利号为CN202010190348.7中,公开了一种药品自助终端***,包括:出药品单元、进药品单元、进药品识别单元、出药品识别单元、控制单元、药品缺少报警单元和药品信息存储数据库。本发明一种药品自助终端***的有益效果:利用全自动化控制进药、出药,减少人工分拣的过程,并且伴随着验证药品相关信息功能,使得药品自助终端***进药和出药效率提高,出错率为零,更加智能化的满足用户的需求。
现有技术的缺陷在于,虽然实现全自动化控制进药、出药,减少人工分拣的过程,但是药品更新换代,新药的产生,均需要对出药品识别单元进行新的调试,以避免无法识别药品的产生。
发明内容
本发明的主要目的在于提供一种基于在线识别***的药物筛分方法及其***,以解决目前药品识别***对每次药品更新换代或者新药的产生均需要人员进行***维护和调试的问题。
为了实现上述目的,本发明提供了如下技术:
一种基于在线识别***的药物筛分方法,包括步骤:
S1、采集药品图像信息;
S2、将该药品图像信息发送至药品在线识别***中识别药品,判断是否为新药,若为新药,则进入步骤S3,若不为新药,则进入步骤S4;
S3、对新药的药品图像信息进行提取,获取药品名称、电子监管码、药品盒长宽高尺寸和药品类别,进入步骤S5;
S4、识别药品唯一的电子监管码,根据数据库药品存储位置与电子监管码的索引关系,将归置到已有药品的存储位置;
S5、找到适合该药品类别的存储位置,将新药品存储至药品区域。
进一步地,步骤S1中,采集药品数据信息的方法包括:首先扫描药品盒上的序列码,或者扫描药品盒上的二维码;然后根据扫描得到的序列码或者二维码到ims国家医药数据库中查找该药品的基本数据;最后从基本数据中提取新药品在本***中存储所需数据信息,并将该数据信息存储至本***的数据库中。
进一步地,新药存储所需数据信息至少包括药品名称、电子监管码、药品盒长宽高尺寸和药品类别。
进一步地,其步骤S5包括:
S51、判断步骤S1中采集的药品数据信息与步骤S3中提取的药品图像信息逐一比对,如果匹配信息有差异,则新药品不予存储,提醒管理人员是假药的报错信息,匹配符合,则进入步骤S52,进一步匹配新药品应该存储的位置;
S52、根据新药品的药品盒长宽高尺寸,采用穷举的算法,遍历所有空余存储位置的存储槽的尺寸大于或等于新药品的药品盒长宽高尺寸,得到剩余空间最小的存储槽位置,即为适合该药品存储位置。
进一步地,其步骤S5还包括:S53、若计量得到的存储位置有多个最优位置,通过药品类别分析,得到类别相近的存储区域内存储新药品位置。
进一步地,还包括步骤S6、将新药品的存储位置与电子监管码做唯一索引关系,存储至本***数据库中。
进一步地,在步骤S2中所述药品在线识别***,包括模型训练算法和识别算法。
进一步地,模型训练算法包括:
A1:通过摄像头获得实际场景下药品的药品图片,整理得到一个图片库;
A2:对药品图片库中的药品一一进行标注,包括每个药品的药品名称、电子监管码、药品盒长宽高尺寸和药品类别,并将数据集分为训练集、验证集和测试集;
A3:通过研究问题搭建药品识别任务所需的深度学习算法模型;
A4:使用训练集和验证集训练算法模型,每次优化迭代更新参数,直至模型收敛;
A5:使用测试集进一步测试模型的性能,若满足要求,则停止训练;若不满足要求,则通过增加数据量以及修改深度学习算法模型,重复上面的步骤,直至模型性能满足要求。
进一步地,识别算法包括:
B1、使用摄像头拍摄药品图片,并将药品图片送入到检测分割模块;
B2、利用人工智能算法,计算出每个药品的准确位置,并且将药品一一分割出来;
B3、利用人工智能算法,识别药盒外形、文字、商标和图片信息,准确的识别药品的种类以及每个种类的数目;
B4、将输出的药品信息和病人的药品清单进行比对核查,如果数量种类均能对上,则通过;若比对不上,则输出没有配比成功的药品图片、名字及数量。
一种基于在线识别***的药物筛分***,包括药品在线识别***、药品数据信息采集单元、存储单元、计量比对单元和报警单元;
药品在线识别***,用于识别和区分本***已有药品或者新药品,还包括实现模型训练算法功能的模型训练模块和识别算法功能的在线识别模块;
药品数据信息采集单元包括:药品数据信息采集模块和新药品图像信息采集模块;
药品数据信息采集模块,用于采集进入***的已有药品或者新药品的信息;
新药品图像信息采集模块,用于新药的药品图像信息进行提取;
存储单元,用于存储药品信息;
计量比对单元,用于新药品的采集数据与图像数据的比对,以及新药品的最优存储位置的计算;
报警单元,用于对新药品的采集数据与图像数据的比对错误的假药品,进行报警操作。
与现有技术相比较,本发明能够带来如下技术效果:
1、相较传统的药品识别***,通过增加在线识别***达到新药品入库时,自动识别和存储,不需要额外的人力物力对新药品的入库进行***的维护和调试;
2、通过模型训练算法,提高***的深度学习能力,对新的药品识别过程进行学习,进而实现整个***和方法的智能化和自我更新学习能力;
3、通过计量比对单元,实现了新药品入库时存储位置的最优化,存储空间利用率最大化,存储空间空置率最小化。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,使得本发明的其它特征、目的和优点变得更明显。本发明的示意性实施例附图及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明一种基于在线识别***的药物筛分方法的流程图;
图2是本发明一种基于在线识别***的药物筛分***的结构图;
图3是本发明一种基于在线识别***的药物筛分方法的模型训练算法流程图;
图4是本发明一种基于在线识别***的药物筛分方法的在线识别算法流程图;
图中:药品在线识别***10、药品数据信息采集单元20、存储单元30、计量比对单元40、报警单元50、模型训练模块11、在线识别模块12、药品数据信息采集模块21、新药品图像信息采集模块22。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本发明中,术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本发明及其实施例,并非用于限定所指示的装置、元件或组成部分必须具有特定方位,或以特定方位进行构造和操作。
并且,上述部分术语除了可以用于表示方位或位置关系以外,还可能用于表示其他含义,例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言,可以根据具体情况理解这些术语在本发明中的具体含义。
另外,术语“多个”的含义应为两个以及两个以上。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
实施例1
如图1和2所示,一种基于在线识别***的药物筛分方法,包括步骤:
S1、采集药品图像信息;
步骤S1中,采集药品数据信息的方法包括:首先扫描药品盒上的序列码,或者扫描药品盒上的二维码;然后根据扫描得到的序列码或者二维码到ims国家医药数据库中查找该药品的基本数据;最后从基本数据中提取新药品在本***中存储所需数据信息,并将该数据信息存储至本***的数据库中。
新药存储所需数据信息至少包括药品名称、电子监管码、药品盒长宽高尺寸和药品类别。
S2、将该药品图像信息发送至药品在线识别***10中识别药品,判断是否为新药,若为新药,则进入步骤S3,若不为新药,则进入步骤S4;
在步骤S2中所述药品在线识别***10,包括模型训练算法和识别算法。
S3、对新药的药品图像信息进行提取,获取药品名称、电子监管码、药品盒长宽高尺寸和药品类别,进入步骤S5;
S4、识别药品唯一的电子监管码,根据数据库药品存储位置与电子监管码的索引关系,将归置到已有药品的存储位置;
S5、找到适合该药品类别的存储位置,将新药品存储至药品区域。
其步骤S5包括:
S51、判断步骤S1中采集的药品数据信息与步骤S3中提取的药品图像信息逐一比对,如果匹配信息有差异,则新药品不予存储,提醒管理人员是假药的报错信息,匹配符合,则进入步骤S52,进一步匹配新药品应该存储的位置;
S52、根据新药品的药品盒长宽高尺寸,采用穷举的算法,遍历所有空余存储位置的存储槽的尺寸大于或等于新药品的药品盒长宽高尺寸,得到剩余空间最小的存储槽位置,即为适合该药品存储位置。
S53、若计量得到的存储位置有多个最优位置,通过药品类别分析,得到类别相近的存储区域内存储新药品位置。
还包括步骤S6、将新药品的存储位置与电子监管码做唯一索引关系,存储至本***数据库中。
一种基于在线识别***的药物筛分***,包括药品在线识别***10、药品数据信息采集单元20、存储单元30、计量比对单元40和报警单元50;
药品在线识别***10,用于识别和区分本***已有药品或者新药品,还包括实现模型训练算法功能的模型训练模块11和识别算法功能的在线识别模块12;
药品数据信息采集单元20包括:药品数据信息采集模块21和新药品图像信息采集模块22;
药品数据信息采集模块21,用于采集进入***的已有药品或者新药品的信息;
新药品图像信息采集模块22,用于新药的药品图像信息进行提取;
存储单元30,用于存储药品信息;
计量比对单元40,用于新药品的采集数据与图像数据的比对,以及新药品的最优存储位置的计算;
报警单元50,用于对新药品的采集数据与图像数据的比对错误的假药品,进行报警操作。
实施例2
如图1、2、3和4所示,如果新药品进入本***进行识别时。
一种基于在线识别***的药物筛分方法,包括步骤:
S1、采集药品图像信息;
步骤S1中,采集药品数据信息的方法包括:首先扫描药品盒上的序列码,或者扫描药品盒上的二维码;然后根据扫描得到的序列码或者二维码到ims国家医药数据库中查找该药品的基本数据;最后从基本数据中提取新药品在本***中存储所需数据信息,并将该数据信息存储至本***的数据库中。
新药存储所需数据信息至少包括药品名称、电子监管码、药品盒长宽高尺寸和药品类别。
S2、将该药品图像信息发送至药品在线识别***10中识别药品,判断是否为新药,若为新药,则进入步骤S3,若不为新药,则进入步骤S4;
在步骤S2中所述药品在线识别***10,包括模型训练算法和识别算法。
模型训练算法包括:
A1:通过摄像头获得实际场景下药品的药品图片,整理得到一个图片库;
A2:对药品图片库中的药品一一进行标注,包括每个药品的药品名称、电子监管码、药品盒长宽高尺寸和药品类别,并将数据集分为训练集、验证集和测试集;
A3:通过研究问题搭建药品识别任务所需的深度学习算法模型;
A4:使用训练集和验证集训练算法模型,每次优化迭代更新参数,直至模型收敛;
A5:使用测试集进一步测试模型的性能,若满足要求,则停止训练;若不满足要求,则通过增加数据量以及修改深度学习算法模型,重复上面的步骤,直至模型性能满足要求。
识别算法包括:
B1、使用摄像头拍摄药品图片,并将药品图片送入到检测分割模块;
B2、利用人工智能算法,计算出每个药品的准确位置,并且将药品一一分割出来;
B3、利用人工智能算法,识别药盒外形、文字、商标和图片信息,准确的识别药品的种类以及每个种类的数目;
B4、将输出的药品信息和病人的药品清单进行比对核查,如果数量种类均能对上,则通过;若比对不上,则输出没有配比成功的药品图片、名字及数量。
S3、对新药的药品图像信息进行提取,获取药品名称、电子监管码、药品盒长宽高尺寸和药品类别,进入步骤S5;
S5、找到适合该药品类别的存储位置,将新药品存储至药品区域。
其步骤S5包括:
S51、判断步骤S1中采集的药品数据信息与步骤S3中提取的药品图像信息逐一比对,如果匹配信息有差异,则新药品不予存储,提醒管理人员是假药的报错信息,匹配符合,则进入步骤S52,进一步匹配新药品应该存储的位置;
S52、根据新药品的药品盒长宽高尺寸,采用穷举的算法,遍历所有空余存储位置的存储槽的尺寸大于或等于新药品的药品盒长宽高尺寸,得到剩余空间最小的存储槽位置,即为适合该药品存储位置。
S53、若计量得到的存储位置有多个最优位置,通过药品类别分析,得到类别相近的存储区域内存储新药品位置。
还包括步骤S6、将新药品的存储位置与电子监管码做唯一索引关系,存储至本***数据库中。
一种基于在线识别***的药物筛分***,包括药品在线识别***10、药品数据信息采集单元20、存储单元30、计量比对单元40和报警单元50;
药品在线识别***10,用于识别和区分本***已有药品或者新药品,还包括实现模型训练算法功能的模型训练模块11和识别算法功能的在线识别模块12;
药品数据信息采集单元20包括:药品数据信息采集模块21和新药品图像信息采集模块22;
药品数据信息采集模块21,用于采集进入***的已有药品或者新药品的信息;
新药品图像信息采集模块22,用于新药的药品图像信息进行提取;
存储单元30,用于存储药品信息;
计量比对单元40,用于新药品的采集数据与图像数据的比对,以及新药品的最优存储位置的计算;
报警单元50,用于对新药品的采集数据与图像数据的比对错误的假药品,进行报警操作。
实施例3
如图1、2和4如果是本***的已有药品进入本***进行识别时。
一种基于在线识别***的药物筛分方法,包括步骤:
S1、采集药品图像信息;
步骤S1中,采集药品数据信息的方法包括:首先扫描药品盒上的序列码,或者扫描药品盒上的二维码;然后根据扫描得到的序列码或者二维码到ims国家医药数据库中查找该药品的基本数据;最后从基本数据中提取新药品在本***中存储所需数据信息,并将该数据信息存储至本***的数据库中。
新药存储所需数据信息至少包括药品名称、电子监管码、药品盒长宽高尺寸和药品类别,还包括入库时间。
S2、将该药品图像信息发送至药品在线识别***10中识别药品,判断是否为新药,若为新药,则进入步骤S3,若不为新药,则进入步骤S4;
在步骤S2中所述药品在线识别***10,包括模型训练算法和识别算法。
识别算法包括:
B1、使用摄像头拍摄药品图片,并将药品图片送入到检测分割模块;
B2、利用人工智能算法,计算出每个药品的准确位置,并且将药品一一分割出来;
B3、利用人工智能算法,识别药盒外形、文字、商标和图片信息,准确的识别药品的种类以及每个种类的数目;
B4、将输出的药品信息和病人的药品清单进行比对核查,如果数量种类均能对上,则通过;若比对不上,则输出没有配比成功的药品图片、名字及数量。
S4、识别药品唯一的电子监管码,根据数据库药品存储位置与电子监管码的索引关系,将归置到已有药品的存储位置;
一种基于在线识别***的药物筛分***,包括药品在线识别***10、药品数据信息采集单元20、存储单元30、计量比对单元40和报警单元50;
药品在线识别***10,用于识别和区分本***已有药品或者新药品,还包括实现模型训练算法功能的模型训练模块11和识别算法功能的在线识别模块12;
药品数据信息采集单元20包括:药品数据信息采集模块21和新药品图像信息采集模块22;
药品数据信息采集模块21,用于采集进入***的已有药品或者新药品的信息;
新药品图像信息采集模块22,用于新药的药品图像信息进行提取;
存储单元30,用于存储药品信息;
计量比对单元40,用于新药品的采集数据与图像数据的比对,以及新药品的最优存储位置的计算;
报警单元50,用于对新药品的采集数据与图像数据的比对错误的假药品,进行报警操作。
与现有技术相比较,本发明能够带来如下技术效果:
1、相较传统的药品识别***,通过增加在线识别***达到新药品入库时,自动识别和存储,不需要额外的人力物力对新药品的入库进行***的维护和调试;
2、通过模型训练算法,提高***的深度学习能力,对新的药品识别过程进行学习,进而实现整个***和方法的智能化和自我更新学习能力;
3、通过计量比对单元40,实现了新药品入库时存储位置的最优化,存储空间利用率最大化,存储空间空置率最小化。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于在线识别***的药物筛分方法,其特征在于,包括步骤:
S1、采集药品数据信息;
S2、将该药品数据信息发送至药品在线识别***中识别药品,判断是否为新药,若为新药,则进入步骤S3,若不为新药,则进入步骤S4;
S3、对新药的药品图像信息进行提取,获取药品名称、电子监管码、药品盒长宽高尺寸和药品类别,进入步骤S5;
S4、识别药品唯一的电子监管码,根据数据库药品存储位置与电子监管码的索引关系,将归置到已有药品的存储位置;
S5、找到适合该药品类别的存储位置,将新药品存储至药品区域。
2.如权利要求1所述的一种基于在线识别***的药物筛分方法,其特征在于,步骤S1中,采集药品数据信息的方法包括:首先扫描药品盒上的序列码,或者扫描药品盒上的二维码;然后根据扫描得到的序列码或者二维码到ims国家医药数据库中查找该药品的基本数据;最后从基本数据中提取新药品在本***中存储所需数据信息,并将该数据信息存储至本***的数据库中。
3.如权利要求1或2所述的一种基于在线识别***的药物筛分方法,其特征在于,新药存储所需数据信息至少包括药品名称、电子监管码、药品盒长宽高尺寸和药品类别。
4.如权利要求3所述的一种基于在线识别***的药物筛分方法,其特征在于,其步骤S5包括:
S51、判断步骤S1中采集的药品数据信息与步骤S3中提取的药品图像信息逐一比对,如果匹配信息有差异,则新药品不予存储,提醒管理人员是假药的报错信息,匹配符合,则进入步骤S52,进一步匹配新药品应该存储的位置;
S52、根据新药品的药品盒长宽高尺寸,采用穷举的算法,遍历所有空余存储位置的存储槽的尺寸大于或等于新药品的药品盒长宽高尺寸,得到剩余空间最小的存储槽位置,即为适合该药品存储位置。
5.如权利要求1或4所述的一种基于在线识别***的药物筛分方法,其特征在于,其步骤S5还包括:S53、若计量得到的存储位置有多个最优位置,通过药品类别分析,得到类别相近的存储区域内存储新药品位置。
6.如权利要求5所述的一种基于在线识别***的药物筛分方法,其特征在于,还包括步骤S6、将新药品的存储位置与电子监管码做唯一索引关系,存储至本***数据库中。
7.如权利要求1或6所述的一种基于在线识别***的药物筛分方法,其特征在于,在步骤S2中所述药品在线识别***,包括模型训练算法和识别算法。
8.如权利要求1所述的一种基于在线识别***的药物筛分方法,其特征在于,模型训练算法包括:
A1:通过摄像头获得实际场景下药品的药品图片,整理得到一个图片库;
A2:对药品图片库中的药品一一进行标注,包括每个药品的药品名称、电子监管码、药品盒长宽高尺寸和药品类别,并将数据集分为训练集、验证集和测试集;
A3:通过研究问题搭建药品识别任务所需的深度学习算法模型;
A4:使用训练集和验证集训练算法模型,每次优化迭代更新参数,直至模型收敛;
A5:使用测试集进一步测试模型的性能,若满足要求,则停止训练;若不满足要求,则通过增加数据量以及修改深度学习算法模型,重复上面的步骤,直至模型性能满足要求。
9.如权利要求3或6或8所述的一种,其特征在于,识别算法包括:
B1、使用摄像头拍摄药品图片,并将药品图片送入到检测分割模块;
B2、利用人工智能算法,计算出每个药品的准确位置,并且将药品一一分割出来;
B3、利用人工智能算法,识别药盒外形、文字、商标和图片信息,准确的识别药品的种类以及每个种类的数目;
B4、将输出的药品信息和病人的药品清单进行比对核查,如果数量种类均能对上,则通过;若比对不上,则输出没有配比成功的药品图片、名字及数量。
10.一种基于在线识别***的药物筛分***,其特征在于,包括药品在线识别***、药品数据信息采集单元、存储单元、计量比对单元和报警单元;
药品在线识别***,用于识别和区分本***已有药品或者新药品,还包括实现模型训练算法功能的模型训练模块和识别算法功能的在线识别模块;
药品数据信息采集单元包括:药品数据信息采集模块和新药品图像信息采集模块;
药品数据信息采集模块,用于采集进入***的已有药品或者新药品的信息;
新药品图像信息采集模块,用于新药的药品图像信息进行提取;
存储单元,用于存储药品信息;
计量比对单元,用于新药品的采集数据与图像数据的比对,以及新药品的最优存储位置的计算;
报警单元,用于对新药品的采集数据与图像数据的比对错误的假药品,进行报警操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011021506.2A CN112132061A (zh) | 2020-09-24 | 2020-09-24 | 一种基于在线识别***的药物筛分方法及其*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011021506.2A CN112132061A (zh) | 2020-09-24 | 2020-09-24 | 一种基于在线识别***的药物筛分方法及其*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112132061A true CN112132061A (zh) | 2020-12-25 |
Family
ID=73839853
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011021506.2A Pending CN112132061A (zh) | 2020-09-24 | 2020-09-24 | 一种基于在线识别***的药物筛分方法及其*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112132061A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114789870A (zh) * | 2022-05-20 | 2022-07-26 | 深圳市信成医疗科技有限公司 | 一种创新型模块化药储仓管理实现模式 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012115530A (ja) * | 2010-12-01 | 2012-06-21 | Tosho Inc | 薬品管理システム |
CN105809397A (zh) * | 2016-03-04 | 2016-07-27 | 南京理工大学 | 智能中药房库房管理*** |
CN109118148A (zh) * | 2018-08-30 | 2019-01-01 | 深圳市南硕明泰科技有限公司 | 一种药品种类的智能分类存储管理*** |
CN111311836A (zh) * | 2020-03-18 | 2020-06-19 | 重庆万而亿科技有限公司 | 一种药品自助终端*** |
CN111382622A (zh) * | 2018-12-28 | 2020-07-07 | 泰芯科技(杭州)有限公司 | 一种基于深度学习的药品识别***及其实现方法 |
CN111401498A (zh) * | 2020-04-30 | 2020-07-10 | 深圳市联新移动医疗科技有限公司 | 一种非接触非对准式药品识别方法及装置 |
-
2020
- 2020-09-24 CN CN202011021506.2A patent/CN112132061A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012115530A (ja) * | 2010-12-01 | 2012-06-21 | Tosho Inc | 薬品管理システム |
CN105809397A (zh) * | 2016-03-04 | 2016-07-27 | 南京理工大学 | 智能中药房库房管理*** |
CN109118148A (zh) * | 2018-08-30 | 2019-01-01 | 深圳市南硕明泰科技有限公司 | 一种药品种类的智能分类存储管理*** |
CN111382622A (zh) * | 2018-12-28 | 2020-07-07 | 泰芯科技(杭州)有限公司 | 一种基于深度学习的药品识别***及其实现方法 |
CN111311836A (zh) * | 2020-03-18 | 2020-06-19 | 重庆万而亿科技有限公司 | 一种药品自助终端*** |
CN111401498A (zh) * | 2020-04-30 | 2020-07-10 | 深圳市联新移动医疗科技有限公司 | 一种非接触非对准式药品识别方法及装置 |
Non-Patent Citations (1)
Title |
---|
沈力等: "药事管理与法规 供药学类、药品制造类、食品药品管理类、食品类专业用 第3版", 31 January 2017, 《北京:中国医药科技出版社》, pages: 51 - 53 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114789870A (zh) * | 2022-05-20 | 2022-07-26 | 深圳市信成医疗科技有限公司 | 一种创新型模块化药储仓管理实现模式 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10984526B2 (en) | Method for predicting defects in assembly units | |
US8374965B2 (en) | System and method for verifying the contents of a filled, capped pharmaceutical prescription | |
CN109711492B (zh) | 药品物流智能监管***和方法 | |
CN108229888B (zh) | 一种基于图像处理的药房库存管理***和方法 | |
CN105723382A (zh) | 远程药物验证 | |
CN112446351A (zh) | 医疗票据智能识别***解决方法 | |
CN111382622A (zh) | 一种基于深度学习的药品识别***及其实现方法 | |
CN110472082A (zh) | 数据处理方法、装置、存储介质及电子设备 | |
WO2021179138A1 (zh) | 商超货架上商品的分析方法和*** | |
JP5197729B2 (ja) | ピッキングシステムおよびピッキング方法 | |
CN113518998B (zh) | 计数***、计数装置、机器学习装置、计数方法、零件配置方法以及记录介质 | |
CN112132061A (zh) | 一种基于在线识别***的药物筛分方法及其*** | |
CN111383732A (zh) | 一种基于互斥识别的药品审核方法、装置、计算机***及可读存储介质 | |
EP3949934A1 (en) | Drug audit support device, drug audit support system, and drug audit method | |
CN117272204A (zh) | 异常数据检测方法、装置、存储介质和电子设备 | |
CN112149904A (zh) | 一种基于大数据的医药分拣***、方法、终端和存储介质 | |
CN113517050B (zh) | 确定药方单的方法、装置、电子设备及存储介质 | |
CN113936781A (zh) | 一种高效的药品自动化核对方法 | |
Suksawatchon et al. | Shape Recognition Using Unconstrained Pill Images Based on Deep Convolution Network | |
CN114937176A (zh) | 一种基于深度学习的药品实时识别方法及*** | |
WO2023107759A1 (en) | Computer-implemented segmented numeral character recognition and reader | |
CN115063784A (zh) | 票据图像的信息提取方法和装置、存储介质及电子设备 | |
CN114840748A (zh) | 基于人脸识别的信息推送方法、装置、设备及存储介质 | |
CN113850260A (zh) | 关键信息抽取方法、装置、电子设备及可读存储介质 | |
CN112530585A (zh) | 基于医疗机构的数据处理方法、装置、计算机设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |