基于STM32 的簡易護理機器人設計

趙玲

（四川中醫藥高等專科學校，四川綿陽，261000）

0 引言

隨著社會經濟的發展，人們對于醫學護理方面的需求也日趨提升。現在的護理工作主要靠醫護人員來開展。就存在工作強度較高以及一定的感染風險等問題。因此，設計一種護理機器人，實現無人化的護理作業，可以有效解決上述問題，具有良好的應用價值。

就目前而言，國內許多機構在護理機器人領域開展了研究。2020 年，電子科技大學成都學院陳虹宇以人機工程學為基礎，設計了一種穿戴式下肢復健輔助行走裝置，用于腦卒中偏癱患者的康復護理[1]；2021 年，江南大學姜智文通過構建人機力學模型，研究了仿人背抱機器人的主要設計因素[2]；2022 年，安徽理工大學畢亮亮團隊采用TRIZ 發明原理，研發了一種多功能的輔助護理機器人[3]。從上述設計來看，對護理機器人的研發均達到了良好的效果，且解決了一定的問題。通過分析上述文獻的研究方式可知，均是以提出問題－目標－功能研發為流程進行開展。由此可以說明，該研究方式對于護理機器人的結構、性能研發是比較有效的。因此，本文也以上述研究方式為依據，以STM32 為主控芯片，開發一種結構合理、系統穩定且具有簡易護理功能的機器人。

1 系統的整體布局

本課題對于簡易護理機器人的設計中，將到被護理人的常規需求作為設計的主要目標。因此，該護理機器人需要實現的目標有：喂餐、輔助翻身、中醫推拿、人機交互等。要實現上述功能，系統完成各項功能所需要具備的模塊如表1所示。

表1 功能與實現模塊

由表1 所示的功能與模塊對應圖，護理機器人在運行時，主要通過信號采集、信號傳輸、發送指令信號指示各模塊動作等流程來實現各項功能。因此，需要確定系統的主控芯片從而實現結構的完整性。因此，本文以STM32 為主控核心[4]，構建整個系統。系統的整體布局情況，如圖1 所示。

圖1 系統整體布局

2 系統的硬件設計

系統的整體布局完成之后，下一步就是對系統的硬件進行設計。具體操作為：（1）模塊分析。對系統的各模塊應用場景、要求等情況進行分析，為后續硬件的類型選擇提供參考依據；（2）對系統的各部分確定合理的硬件類型（如：型號、參數、功能）；（3）設計各模塊的硬件電路，即根據各模塊的情況，搭建能夠使其正常運行的電路。

■2.1 主控芯片的確定

護理機器人在運行中，需要具有以下幾個性能：（1）系統的運行速度較快且穩定性要求較高；（2）在給被護理人喂飯、翻身、推拿等操作中，需要各種信號和指令即時、穩定傳輸才能確保一切工作有條不紊地進行，故主控芯片需要支持大量且高速的數據傳輸；（3）對于機器人在護理工作中，系統面對各種復雜的指令，具有良好的可靠性；（4）系統的功耗較低。根據上述性能，本文選擇的主控芯片為STM32F407。該控制器兼具上述優點，同時還具有多樣化的接口，可以滿足護理機器人在不同場景下的使用需求，其豐富的外設，也能夠使其應用在多種場合下[5]。STM32F407 的主要參數，如表2 所示。

表2 STM32F407部分主要參數

STM32F407 主控芯片的電路如圖2 所示。

圖2 STM32 主控芯片

■2.2 驅動模塊的確定

就本課題而言，護理機器人由于需要滿足一定的功能需求，故其機器人本體，設計為手臂式結構。考慮到機器人在不同場景的開展護理工作時，能夠根據具體的情況來動作。且工作場景通常是在病房或室內，其地面較為平整，故行走機構設計為輪式。因此，該護理機器人的驅動模塊主要體現在幾個方面：（1）驅動機器人行走機構的驅動；（2）機械手臂的驅動。機器人的手臂包括大臂、小臂、關節、手腕，為實現翻身、喂飯、按摩等功能，需要對關節和手腕進行驅動。

當系統運行時，驅動模塊的基本運行流程為：（1）系統獲得指令，指示機器人進行某項動作（如給被護理人翻身）；（2）主控系統指示行走機構的驅動模塊，機器人行走至給被護理人翻身的最佳位置；（3）主控系統指示關節、手腕的驅動模塊動作，機械手臂開始運動，為被護理人翻身。

由于涉及的驅動模塊較多，限于篇幅，本文僅以行走機構模塊為例進行說明。從上述運行流程可知，機器人在工作場所中，行走的地面較為平坦，且行走距離較短，故驅動電機僅需要能夠實現基本的運動需求即可。鑒于此，行走機構的驅動模塊擬定為雙驅動結構。驅動模塊的電路設計如圖3 所示。

圖3 行走機構驅動模塊

同理，根據關節、手腕驅動手臂的電磁轉矩要求、構件的自由度、轉速控制的效果等因素，實現相應驅動模塊的設計。

■2.3 無線通信模塊的確定

通常情況下，護理機器人的活動范圍為室內，其整體的活動面積較小。因此，對于系統的無線通信模塊設計中，由于藍牙模塊的有效作用范圍為30 ～40 米，完全能夠滿足室內的使用。因此，本文的無線通信模塊確定為藍牙模塊，基本類型為藍牙5.0 Mesh 模塊。部分主要參數如表3 所示。

表3 藍牙5.0基本參數

■2.4 循跡模塊的確定

對于護理機器人而言，其運動軌跡較為簡單，僅在室內小范圍運動。因此，在循跡模塊設計中，除了為機器人規劃合理的軌跡外，由于小范圍活動區間存在大量的物品擺放以及人員走動，因此還要考慮的是避障問題。鑒于上述兩點，本文在循跡模塊的設計中，考慮到陽光和燈光對傳感器的影響，采用紅外傳感器來實現機器人的循跡[6]。同時，采用超聲波傳感器對障礙物進行檢測[7]，繼而達到良好的循跡和避障效果。紅外循跡模塊如圖4 所示，超聲波避障模塊如圖5所示。

圖4 紅外循跡模塊

圖5 超聲避障模塊

■2.5 液晶顯示模塊的確定

液晶顯示模塊，是實現人機交互的媒介。即通過液晶顯示器，顯示系統的運行狀態，包括：計時、驅動電機轉速、電量、循跡模塊工作狀態顯示以及發送指令等。在液晶顯示模塊的設計中，選擇類型為OLED。原因在于，該顯示模塊即使沒有背離燈光，也能夠自主發亮，而且該模塊具有較快的響應速度[8]。液晶顯示模塊的電路設計如圖6 所示。

圖6 液晶顯示模塊

3 系統的軟件設計

■3.1 算法的確定

護理機器人在執行各項指令的時候，需要對被護理人的特征進行圖像識別，例如：執行喂飯操作時，需要識別被護理人的面部，執行翻身操作時，需要識別被護理人的側方位，以便能夠在最佳位置完成上述動作。因此，在系統的軟件設計中，主要是圖像識別模塊的軟件設計。在本文的圖像識別模塊設計中，采用的方法為最大類間方差算法(OTSU 算法)。其主要原因在于：（1）計算速度較快。由于其本質是均值方差的計算，故整個計算過程比較簡單，能夠快速得到計算結果；（2）受環境影響因素較小。該算法受圖片的亮度以及對比度等因素的影響比較小，具有良好的數字圖像處理性能[10]。從原理上來說，該方法是一種能夠確定圖像的二值化分割閾值，將圖像采集的目標和背景都達到較高的像素區分度[9]。類間方差表達式為[10]：

式中，1ω為背景像素占比；2ω為前景像素占比；μ為累積灰度值；1μ為前景平均灰度值；2μ為背景的平均灰度值。

對公示(1)進行簡化，可得簡化表達式[10]：

■3.2 分割處理系統設計方案

3.2.1 系統基本運行流程

護理機器人主要對被護理人進行識別，以便準確實現對應的護理動作。該圖像處理模塊主要分為5 個流程：（1）圖像的選取；（2）平面圖像處理；（3）圖像預處理；（4）圖像分割；（5）選擇圖像。在圖像識別中，當攝像頭拍攝照片后，按照上述步驟系統開始對平面圖像進行處理，并將處理好的圖像進行展示；隨后，被選取的圖像將被提取濾波器中，進行均衡化、線性變換以及降噪等處理，再利用OTSU 算法計算圖像的最佳值，從而準確實現護理人（人臉、后背等位置）與背景的區分。以人臉識別為例，部分實現的代碼如下：

mport cv2

img = cv2.imread(” face2.png” )

faceCascade = cv2.CascadeClassifier(” haarcascade_frontalface_default.xml” )

faces = faceCascade.detectMultiScale(img,1.3)

for (x, y, w, h) in faces:

cv2.rectangle(img, (x, y), (x + w, y + h), (0, 0, 255), 5)

cv2.imshow(” img” , img)

cv2.waitKey()

cv2.destroyAllWindows()

……

3.2.2 GUI 界面設計

系統的GUI 界面，即圖形用戶界面。其運行的基本原理為：系統的內部會把用戶的指令轉換成對應的代碼信息。此時，GUI 程序開始運行，并創建對應的消息隊列，程序將實時對隊列中的消息進行處理。

在本文中，以人臉識別為例，GUI 界面里主要有五個部分：（1）圖像的選取；（2）平面圖像處理；（3）圖像的預處理；（4）圖像分割；（5）圖像選擇。如圖所示，第一個按鈕是實現圖像選擇的功能。當圖像輸入完成后，點擊平面圖像轉化按鍵，系統便開始對輸入的圖像進行平面化處理。再通過預處理按鍵，對圖像進行均衡化以及降噪等操作。隨后，執行圖像分割處理，即開始分割實現目標和非目標要素；最后將已經分割完成的人臉圖像進行選擇和確定。GUI界面的基本布局，如圖7 所示。

圖7 GUI 界面布局

■3.3 圖像識別效果測試

圖像識別的效果，主要通過識別率來判別。具體的操作方式為：確定圖像識別的總目標數Fz 以及人工識別總數Fr，則識別率計算表達式為[11~12]：

考慮到護理機器人需要在喂飯、翻身以及按摩三個方面的護理，選取人臉、側體位以及后背三個對象為識別目標，在保持室內光線充足的前提下，進行圖像識別比較。以人體側面為例，部分程序為：

import cv2

img = cv2.imread(” monitoring.jpg” )

bodyCascade = cv2.CascadeClassifier(” cascades\haarcascade_fullbody.xml” )

bodys = bodyCascade.detectMultiScale(img, 1.15, 4)

for (x, y, w, h) in bodys

cv2.rectangle(img, (x, y), (x + w, y + h), (0, 0, 255), 5)

……

圖像識別效果如表4 所示。

表4 測試結果

從表4 所示的數據來看，在光線充足的條件下，人臉的識別率最高，因為人的臉部具有明顯的特征，系統能夠較容易地區分人臉與背景的差異；而側體位識別率略低，通常智能通過手部特征來進行識別，而后背由于明顯的特征較少，識別率也進一步降低。所以，OTSU 算法在計算中，對于特征明顯的對象，具有非常高的識別精度，但缺乏明顯特征的對象，圖像識別的準確率會低一些。該實驗結果也表明，在護理機器人設計中，可以在圖像識別的基礎上，再增加人工后臺的運維和控制功能，例如：通過UI 設計，開發基于人機遠程交互的App，通過手機指令動作，指示機器人的運行，這樣便可以彌補系統的不足之處。

4 結論

對于簡易護理機器人的設計而言，本文結合功能與設計模塊相對應的情況，完成了以STM32 為主控制系統，驅動模塊、無線通信模塊、循跡模塊等相關聯的整體布局。在此基礎上，完成了系統的硬件設計。并在軟件設計中，采用OTSU 算法實現機器人的圖像識別功能，從識別率測試來看，對特征不明顯的對象識別，會存在識別率略低的情況。因此，下一步工作，通過開發人機交互App，通過人工運維與機器人智能化功能相結合的形式，達到優化護理機器人性能的目的。