基于機器學習和圖像處理的護理機器人

胡振圓，王路平，于 晗，溫德豐

（1.沈陽航空航天大學航空發動機學院，遼寧 沈陽 110000；2.沈陽航空航天大學工程訓練中心，遼寧 沈陽 110000；3.沈陽航空航天大學自動化學院，遼寧 沈陽 110000）

護士是緩解病患痛苦、保障患者生命、增進人們健康的白衣天使，也是醫生與患者之間進行溝通的重要紐帶。在生活質量迅速提高的今天，患者對心理輔導的需求日益增長，護士工作日益繁重，顯然服務質量已經不能滿足部分患者的需要，溝通少、誤會多、找不到人等現象嚴重影響了患者的就醫感受。

因為人們對本身身體狀況的日益關注，所以對醫療服務的要求也越來越高，這就要求醫療服務必須從量變向質變轉換。人的精力和能力是有限的，雖然目前在國內醫院中也使用機器人來幫助護士進行工作，但是做的工作卻是十分有限的。因此，研發可以進行機器學習和圖像處理的護理機器人對減輕醫療工作者的工作量有十分重要的意義。

1 系統硬件設計方案

根據醫療導診服務的要求，本文所提出的護理機器人由樹莓派、攝像頭模塊、語音識別及播放模塊、顯示屏幕、直流無刷電機以及多種驅動模塊等元器件共同組成。

樹莓派主要負責對各個傳感器采集到的數據進行收集整合并對數據進行實時處理，進而也對傳感器進行反饋來確保和控制各模塊正常運作。攝像頭負責采集圖像信息，經過Open CV 圖像處理之后，通過AI 人臉識別技術判斷談話對象的身份。直流無刷電機負責驅動機器人行走，確保機器人可以移動。驅動模塊確保在直流電壓下的工作電壓、電流穩定。語音識別模塊收集外界語音信息，將詞匯轉換成計算機可讀輸入，再經由訓練好的機器學習分類器進行計算，最后由語音播放模塊輸出存儲的語句。通過顯示屏幕表達信息和圖像，使信息傳達更加形象化和具體化。本系統硬件總體的設計情況如圖1 所示。

圖1 系統硬件總體設計圖

2 系統軟件設計方案

系統軟件設計方案分為語言交流單元，圖像學習及深度處理單元，設備移動、控制及矯正單元3 大部分。本設計系統軟件總體設計如圖2 所示。

圖2 系統軟件總體設計

2.1 語言交流單元

使用機器學習中基于檢索的模型制作交流功能，運用Seq2Seq 模型來實現本文所提出機器人的功能。

由于面向群體是確定的，本文使用了基于檢索的模型。基于檢索的模型是一個相對固定的人為進行預先定義的“回答集”，通過對醫療中病人經常詢問或可能出現問題的統計，將其轉變成預設問題與固定回答，還有一部分可以根據外界輸入的問句和上下文來挑選出合適回答的啟發式規則。以上的啟發式規則可以是簡單的基于一定規則的表達形式匹配，也可以是相對復雜的基于機器自主學習分類器的集合。但由于基于檢索的該模型并不會自我產生除設定之外的新的語句，它只能夠從預設的“回答集”中挑選出一個比較合適的語句來進行作答，所以該模型十分適合某個特定領域的應用。

2.2 圖像學習及深度處理單元

本文介紹的機器人人臉識別部分主要應用PCA 方法以及KNN 算法。

PCA 為主成分分析法，是目前一種運用比較多的數據降維算法。主成分分析法的主要思維是將n 維的特征映射到k 維上，此時k 維是全新的正交特征，也將其稱為主成分，是在原有n 維特征的基礎之上重新生成出的k維特征。主成分分析法的工作是從原始的空間中按照一定的順序去找尋一組互相正交的坐標軸，新坐標軸的選擇與數據本身是具有密切關系的。其中，第一個新坐標軸存在于與原始數據計算方差最大的方向之上，第二個新坐標軸存在于與第一個坐標軸正交的平面中使得方差最大的方向上，第三個軸存在于與第一、第二個軸正交的平面中方差最大的方向上。按照此種方法類推，可以得到n個這樣的坐標軸。通過此種方法獲得的新坐標軸，絕大部分的方差都包含在了前面k 個坐標軸中，后面的坐標軸所含有的方差幾乎為0。于是，就能夠忽略余下的其他坐標軸系，單單只是記錄前面k 個包含有絕大部分方差的坐標軸系。實際上，這等同于只是保留了包含絕大部分方差的維度特征，忽略了包含方差幾乎為0 的特征維度，通過此種辦法實現了對數據特征的降維處理。

KNN 算法：在該算法當中存在一個樣本數據的集合，同時也被稱為訓練樣本集，并且在該樣本集中的每一個數據都存在固定的一個標簽，即能夠知道樣本集中每一數據與所屬分類一一對應的關系。當傳感器采集到數據并將其輸入之后，系統會將該數據中的每個特征與樣本集中數據對應的特征進行綜合比較，從中提取出來樣本集中特征最為相似數據的分類標簽，然后將其讀取出來。KNN 算法的運行流程圖如圖3 所示。

圖3 KNN 算法的運行流程圖

2.3 設備移動，控制及矯正單元

為了使整個系統實現平穩且可靠的移動，本系統采用了直流無刷減速電機作為動力輸出。

動力單元采用了大疆公司的RM C620 無刷電機調速器和RM M3508 P19 直流無刷減速電機以及RM 電調中心板2。24 V 直流電源接在電調中心板2 上，在電調中心板2 四個接線端子上安裝電調電源線和信號線，再將電調另一端與直流電機接線端子相連，至此運動執行單元組成完畢；而控制部分與樹莓派之間通過CAN 總線進行通信。

在機器人運動過程中，行進方向在受到外界擾動的情況下，會產生一定程度上的偏移量，此時就需要系統對其進行矯正。為此，該機器人系統采用了高精度陀螺儀HWT101DT 實時對機器人移動狀態進行監控和矯正。

PID 角度控制：在機器人全程移動過程中以實時檢測的車身角度為輸入量，車身初始角度為目標值，每次對角度的誤差進行積分，對角度進行微分，最后通過Kp 將輸出量轉化成合適的速度差，將該速度差加上基本速度為實際速度，達到機器人運行全程時刻矯正自身角度的目的。

PID 速度控制：RM 的電機帶有霍爾傳感器，可以實時反饋電機轉速以及位置信息，因此通過閉環控制方法是一個確保整個系統穩定運行的絕佳方式。期望即電機此時需要的目標轉速，反饋即電機通過自帶的霍爾傳感器獲得的電機實時實際轉速，將其兩者做差以便得到誤差，之后送入到控制器中。控制器根據事先設定好的算法得到正確結果，使電機的實際轉速恰好等于系統可以穩定運行的目標轉速。

3 項目創新點

基于心理學知識和機器學習、嵌入式技術的心理疏導功能，可以和患者交流溝通，避免患者長期待在病房無所事事心情糟糕甚至產生悲觀的想法；機器人能夠做到識別每一個患者、記錄數據和使用數據。在日常運行中可以自動記錄各種數據用于分析，可以用于分析建模再重新部署到機器人上，增加機器人輔助診斷的功能。

4 結束語

通過研究大量醫療機器人相關設計，我們發現大部分設計僅僅具有運動和拿取物品的功能，并沒有和新興技術相結合，更沒有和心理學等專業相結合，而本文介紹的基于機器學習的醫用心理輔導及日常護理機器人應用了當下熱門技術，多專業知識結合應用，解決了以往設計的機器人有專業壁壘，做不到多個領域知識靈活應用的問題，在國內率先進行了一次打破常規創新模式的新探索。