医疗垃圾中存在大量的病毒和细菌,为解决医疗垃圾源头智能分类问题,开发了基于机器视觉和Delta机构的智能分拣平台样机,并提出一种三阶段的多目标医疗垃圾识别分拣(medical waste recognition-indexes-sorting,MWRIS)算法。第1阶段提出数据增强扩容的IE-YOLOv4算法建立起医疗垃圾识别模型,与Faster R-CNN、RetinaNet、CenterNet等5种模型比较;第2阶段索引分类模型用于管理分类规则;第3阶段定位分拣算法指导目标定位分拣。在集成了MWRIS算法的分拣样机上,采集14种,2217张医疗样本图像,完成医疗垃圾分拣实验。结果表明,使用IE-YOLOv4的MWRIS算法对医疗垃圾识别准确率显著提升至99.30%,分拣实验对目标定位准确率达到96.17%,最终分类正确率为86.67%,验证了多目标医疗垃圾识别分拣系统的有效性。
张歆羽;杨钟亮;周哲画;张凇;毛新华;
东华大学机械工程学院,上海201620 青岛虚拟现实研究院有限公司,山东青岛266100东华大学机械工程学院,上海201620曼彻斯特大学,曼彻斯特M139PL北京中丽制机工程技术有限公司,北京101111
计算机与自动化
机器视觉;目标检测;Delta分拣系统;机械设计;人工智能;医疗垃圾;垃圾分类;智能垃圾箱
《智能系统学报》 2024 (003)
P.584-597 / 14
国家自然科学基金项目(51905175);浙江省健康智慧厨房系统集成重点实验室开放基金项目(2014E10014).
10.11992/tis.202204039
评论