[发明专利]基于图像处理的静脉输液液位检测方法

权利要求书

1.一种基于图像处理的静脉输液液位检测方法，其特征在于包括以下步骤：

S1：通过摄像头采集输液时的输液瓶图片；

S2：对图片进行处理，通过SSD模型对输液瓶进行目标检测；

S3：针对S2中的检测到的目标输液瓶，采用投影法对输其进行液位检测，检测出该输液瓶的液位所在位置；

S4：判断液位是否到达警戒线。

2.根据权利要求1所述的基于图像处理的静脉输液液位检测方法，其特征在于步骤S2中的SSD模型的建立步骤如下：

利用摄像头拍摄不同的姿态、方向、距离的远近、亮度、清晰度、角度的输液瓶图片，以形成样本集；

通过样本集制作数据集；其中通过标注工具在样本集的图片中标注出输液瓶，图片处理后生成.xml文件，然后转化为TF格式文件作为数据集；

下载基础网络模型文件:vgg-16.ckpt，设置超参数，将数据集送入SSD模型文件中进行训练学习；

训练好生成SSD模型后，再送入测试集进行检测，观察模型训练的结果。

3.根据权利要求1所述的基于图像处理的静脉输液液位检测方法，其特征在于步骤S3具体包括以下步骤：对目标输液瓶的图像进行预处理，包括灰度化处理，图像滤波和池化操作；通过Canny边缘检测检测出输液瓶整体轮廓；根据输液瓶整体轮廓获取多个可能的液面位置信息；通过扫描水平方向的各个液面位置信息的边缘点的累积个数，判定各个液面位置信息是否为暂时的合格线；将所有合格线一一进行判定，判断其是否大于预设值；

如果只有一条合格线大于预设值，则判定该合格线所代表的液面位置信息为当前液位所在的位置；

如果多个合格线的大于预设值，按照长度对多个合格线进行排序；优先判定最长的一个合格线；比较该合格线所代表的液面位置与上一帧图片的液位比较，无位置变化则判定为不为液位所在位置，并记录不为液位的位置与液面长度，然后继续判定下一个合格线；

反之则判定为液位所在位置并记录液面长度。

4.根据权利要求1所述的基于图像处理的静脉输液液位检测方法，其特征在于所述步骤S4具体包括以下步骤：

通过积分投影法计算水平投影的液位线长度，设置报警水平液位长度；当判定水平投影的液位线长度小于报警水平液位长度时，表示输液即将结束，发出警告提示；反之即表示输液未结束。

5.根据权利要求3所述的基于图像处理的静脉输液液位检测方法，其特征在于所述积分投影法是对图像从水平和垂直两个方向进行投影的，水平投影H(n)和垂直投影V(m)分别定义如下：

其中，(n，m)表示像素点的位置,I(n，m)表示该像素点的灰度值大小，N表示整行的像素点个数,M表示整列的像素点个数。

6.根据权利要求1所述的基于图像处理的静脉输液液位检测方法，其特征在于所述步骤S3中，采用均值池化减少canny边缘检测获取的内部图片数据量，并采用3*3的核与图片进行卷积运算，使得图片中的内容边缘变为直线。

7.根据权利要求2所述的基于图像处理的静脉输液液位检测方法，其特征在于步骤S2中，输入目标数据集，经过VGG16预训练模型文件的基础卷积神经网络进行特征提取，在特征提取层和部分卷积神经网络层产生先验框，关联先验框和顶层网络，在基础网络上附加额外卷积层以预测边框偏移和先验框中的目标类别，利用非极大值抑制筛选结果。

8.根据权利要求2所述的基于图像处理的静脉输液液位检测方法，其特征在于步骤S2中，所述训练SSD模型需要设置的超参数包括：类别数、标签数、执行最大步数；在SSD模型训练过程中，通过进入TensorBoard可视化界面，观察损失率、学习率的变化来评估模型：损失率越小，且趋于稳定，代表着模型已训练好，迭代次数也已达到合适要求；随着训练步数的增加，损失率均值呈下降趋势，其波动幅度也逐渐减小，以此来评价模型预测样本与真实样本的误差；随着训练步数的增加，学习率逐渐减小；学习率越小，特征学习更精确，以此来评价模型训练的准确率。