基于Keras框架的人工智能医疗废弃物分类的研究

彭正耀，郭智方，段彬

基于Keras框架的人工智能医疗废弃物分类的研究

彭正耀，郭智方，段彬

（吉林大学 物理学院，吉林 长春 130022）

由于存在污染和处理复杂的问题，医疗废弃物的分类和处理一直是研究的难点，基于Keras框架的医疗废弃物分类算法可以实现人工智能医疗废弃物的分类。通过大津法对图像进行去噪处理，采用卷积神经网络，预测废弃物种类、角度和位置，将预测的最佳抓取姿态输出给机械臂完成动作。以棉签和注射器为样品，实验结果表明，模型训练后平均分类准确率为97.14%。在实际应用中能够有效降低人工投入，降低感染风险，适用于环境较为复杂、分类垃圾种类数较多的医疗废弃物分类。

人工智能；医疗废弃物分类；卷积神经网络；机器视觉

1 引言

预防与控制医院感染是现代医疗工作中的重要环节[1]。终末处理时对医疗废弃物进行合理分类，能够改善医院及病区环境，有效地预防和控制感染[2]。传统的医疗废弃物分类主要依靠固定的医疗卫生场所和医疗废物分类处理配套设施，通过将医疗废弃物放置在固定的位置，来进行分类回 收、处理[3]。但是医疗废弃物中锐器及玻璃制品居多，处置复杂，处理不当会增加医疗人员职业暴露、造成医疗废弃物污染等[4]。

现阶段提出的医疗废弃物分类方法如多功能医用废弃物桶[5]、医疗废弃物分类系统[6]、AGV垃圾车[7]等，大都需要人为参与医疗废弃物的处理和分类，有受到病毒感染的风险，且面对种类较多、环境较为复杂的情况时处置能力有限。……