基于STM32的智能送藥機器人

摘 要：本文針對藥品無接觸配送的問題，設計了一款基于STM32的智能送藥機器人系統，該系統可以替代傳統人工取送藥，進行無接觸配送。系統分為多個智能送藥機器人，每個機器人均通過基于OpenMV的機器視覺模塊識別病房號數字，通過HX711重量傳感器檢測藥物是否處于機器人中，通過ToF激光雷達進行測距避障，同時多個機器人之間通過BT08B藍牙模塊通信，實現協同工作。智能送藥在一定程度上緩解了醫療行業人力資源緊張的情況，同時在取送藥方面能夠有效降低醫院內人員流動帶來的病毒傳播風險。本文首次提出的多設備協同運行的智能送藥機器人支持數據互傳，能夠實現更高效快速的藥品配送，為研究智能醫療機器人方向的學者提供了新的研究依據和視角，也為智能醫療機器人的發展提供了一定借鑒和參考。

關鍵詞：智能送藥機器人；數字識別；激光測距；STM32；Open MV；藍牙通信

中圖分類號：TP242；TH77 文獻標識碼：A 文章編號：2095-1302（2024）02-0-04

0 引 言

2020年新型冠狀肺炎爆發以來，傳播速度快、涉及地區廣，且由于其快速變異的特點，防御過程中醫院作為高危區域[1]，盡可能減少醫院內人員取送藥將很大程度減少人員交叉接觸，降低新型冠狀肺炎感染幾率。

目前，我國人均醫護人員數量仍處于較低水平，特別在特殊時期時常發生抽調人力的情況，進一步加劇了醫療體系人力資源不足的現象[2-3]。智能送藥機器人可以自動完成取送藥任務，提高送藥效率，減少人力資源的浪費與人員間接觸。智能送藥機器人屬于智能物流機器人類機器人，具備高效、便捷、安全等特點[4]。介于其上述特點，無接觸的智能送藥機器人備受關注[5-6]。

“十四五”時期，國家政策明確提出大力發展物聯網及醫療機器人，自動化、智能化將逐步走進智能物流機器人領域。智能物流機器人日漸成為當今主流研究趨勢[7]，本文基于STM32和Open MV進行智能送藥機器人的設計研究，力圖增添智能送藥機器人領域新的研究依據，也為研究該領域的學者提供一定的借鑒和參考。

1 系統整體方案概述

本方案以STM32F103RCT6為主微控制器，結合Open MV4 H7plus、HX711、TB6612、ToF激光測距模塊、BT08B藍牙串口模塊等實現相關功能。使用18650鋰電池對系統供電，使其正常工作。系統通過OpenMV實現巡線及數字識別，通過HX711重量傳感器判斷藥物是否處于機器人中，通過TB6612模塊驅動直流電機，通過ToF激光測距模塊實現測距避障功能，通過BT08B藍牙串口模塊實現不同機器人之間的協同工作功能。圖1為系統總體模塊設計圖。

2 設備硬件選型設計

2.1 主微控制器部分

主控模塊主要由微控制器（MCU）及其外圍電路構成，本文微控制器選擇ST公司出品的STM32F103RCT6，其為ARM Cortex-M3 MCU，具有片載256 KB FLASH閃存、

72 MHz CPU、CAN總線等，擁有5個USART串口，兩條I2C總線，可以滿足物流機器人所有外設模塊的驅動需求。此外，該微控制器還支持多種編程語言，包括C語言、C++語言、Python等，方便系統進行二次開發和定制化。相較于其他微控制器，該微控制器片載外設豐富，外圍電路需求簡單，開發者較多且社區資源豐富，開發生態相較于其他微控制器更佳。圖2為與主控所連接的硬件設備關系。

2.2 電機驅動部分

該部分主要由車輪、電機以及電機驅動構成。本文所設計的系統環境為藥品運輸環境，具有較為平整的地面，因此省略懸掛等底盤結構。

本部分采用TB6612驅動直流電機及麥克納姆輪。常見的直流電機驅動模塊有L298N和TB6612[8]，但TB6612性能更佳。首先，TB6612比L298N更小巧[9]，因此更適合在空間有限的應用中使用。其次，TB6612具有更高的效率和更低的功耗，因此在電池供電應用中更為適用。此外，TB6612還具有更好的保護功能，包括過流保護、過熱保護和低電壓保護等。最后，TB6612的控制方式更為靈活，可以通過PWM信號控制電機的速度和方向。綜上，TB6612相較于傳統的L298N而言，H橋上損耗更低，發熱控制良好，集成度高，所需外圍電路較少。因此選擇TB6612驅動直流電機。

使用麥克納姆輪結構可以極大降低機器人底盤的機械結構設計難度，且相較于傳統的蝸桿曲柄轉向結構而言，麥克納姆輪結構轉彎半徑更小，移動更加靈活[7]，適合在醫院等復雜的環境下移動。

2.3 藥物感知部分

該部分由響應速度快、抗干擾性強的HX711重量傳感芯片[10]、應變片及托盤組成，該部分的電路是一種基于電橋原理的傳感器電路，它由電橋和放大器組成。當受力作用于應變片時，電橋中的電阻值會發生微小變化，該變化被放大器放大，從而得到一個可讀的電信號。微控制器可以通過ADC采樣，根據所得電信號的不同實現稱重功能。相較于MCP3421、AD7791等重量傳感芯片，HX711雖然精度較低，但是成本與功耗相相對來說也更低，且HX711精度完全可以滿足智能送藥機器人對藥品感知能力的需求。

2.4 巡線及數字識別部分

該部分使用OpenMV開源視覺項目實現，該開源項目使用MicroPython語言開發，支持多種傳感器和攝像頭，可應用于不同的場景，具有很強的擴展性和較高的運算速度，且功耗低[11]，適合嵌入式系統應用。除了完成巡線、NCC模板匹配任務外，也可以運行深度學習模型等其他任務，為產品迭代功能升級奠定了良好的硬件基礎。

2.5 避障部分

該部分采用ToF激光雷達實現，其相較于其他距離傳感器而言有以下優點：

（1）高精度：ToF激光雷達可以實現毫米級距離測量精度[12]，相比其他傳感器更加精確。

（2）高速率：ToF激光雷達可以實現高速掃描，適用于快速移動的目標檢測。

（3）低功耗：ToF激光雷達的功耗相對較低[13]，適用于移動設備和無人機等低功耗應用。

（4）抗干擾：ToF激光雷達可以在強光、雨雪等惡劣環境下正常工作，具有較強的抗干擾能力[14]。

2.6 藍牙通信部分

該部分采用BT08B藍牙模塊實現，其遵循V3.0藍牙規范，支持UART接口，并支持SPP藍牙串口協議，具有價格低、體積小、收發靈敏性高等特點，只需少許外圍電路就能實現強大功能。雖然BT08B的傳輸速率不及V4.0及以上的高速藍牙模塊，但是成本更低，且BT08B的傳輸速率完全滿足智能送藥機器人的傳輸需求。

3 系統主要功能實現

3.1 巡線功能實現

巡線功能主要通過OpenMV進行色塊識別來實現，根據每一幀圖像中引導線顏色的色塊位置判斷是否偏離引導線，判斷色塊大小以判斷是否到達路口。

在OpenMV上調用image.find_blobs（）函數創建image.blob（）對象。根據blob（）對象中的blob（）.cx（）參數判斷機器人是否發生偏離。例如：將攝像頭分辨率設置為QVGA（320×240），若blob（）.cx（）處于158～162范圍，則為正常未發生偏離，若小于158則發生了右偏移，若大于162則發生了左偏移。將偏移信息通過串口寫入STM32，通過差速偏移或原地轉彎實現機器人行進軌跡修正。

3.2 數字識別功能實現

數字識別功能可以通過兩種方法實現。

第一種為使用TensorFlow Lite所需識別的數字訓練模型，OpenMV通過導入.tflite模型文件進行識別，這種方法對于不同環境下的識別效果較好，使用越全面的數據集進行訓練，得到模型的識別效果越好，對不同環境的適應性就越強。但其缺點也很明顯，該方法會導致識別速率降低，占用大量MCU資源，使MCU能耗變高導致MCU發熱。

第二種為使用歸一化互相關（NCC）算法在圖像中匹配模板，通過為不同數字設置不同的模板進行數字識別。NCC算法是一種圖像匹配算法，其通過計算兩幅圖像的相似度實現匹配。具體來說，NCC算法將兩幅圖像分別看作是兩個向量，然后計算它們的內積和模長，最后將內積除以模長的乘積，得到的結果就是兩幅圖像的相似度。在匹配時，NCC算法會將一個圖像在另一個圖像上滑動，計算每個位置的相似度，找到相似度最高的位置，即為匹配位置。

NCC算法表達式如下：

（1）

式中：I1和I2是兩個n維向量；x為圖像塊的點；μ1，μ2為圖像塊的均值。在OpenMV中使用image.find_template（）調用該算法，通過其返回值判斷識別的數字及該數字的位置，需要注意的是，該方法需要改變攝像頭輸入圖像為灰度圖像以提高識別效率，所以在巡線與數字識別方法切換時需要注意切換攝像頭輸入圖像模式。

該方法相較于TensorFlow Lite來說速率更高，占用資源少，雖然環境改變對識別效果影響較大，對環境的適應性弱于TensorFlow Lite，但是對于本文研究的病房環境來說，其光線等條件變化較小，且可以通過機器人自行補光，穩定光線環境。因此本文使用NCC算法以實現數字識別。設備系統流程如圖3所示。

使用Open MV進行數字識別。用img.find template（）函數將識別的數字分別存入不同變量內。主要識別函數如

圖4所示，讀取識別到的值并返回代碼如圖5所示。

Open MV通過識別色塊巡線，通過計算色塊的坐標值來判斷車身偏向的方向，并及時修改。尋找路口函數如圖6所示，設備進行巡線代碼如圖7所示。

4 結 語

本文介紹了智能送藥機器人的主要功能以及技術原理，對于智能送藥的需求，能夠基本實現且功能完善。在完成要求和發揮部分功能的基礎上，系統還實現了實時字符和圖形顯示、藍牙通信等功能，可擴展性強。且采用基于物聯網技術的物流系統，可以有效提高機器人完成任務的數量，減少等待時間，在提升物流系統配送效率的同時，增強系統穩定性和適應性，實現機器人在站點上的均勻分布，降低成本。

注：本文通訊作者為成爾卓。

參考文獻

[1]仇秋飛，吳巧玲，蔡耀中，等.基于專利視角的疫情防控機器人技術發展分析[J].科技通報，2022，38（3）：118-124.

[2]楊沛，王艷梅，張文慧.醫護人員實施2型糖尿病分層分級延續護理管理體驗及實踐的質性研究[J].循證護理，2023，9（5）：863-868.

[3]林陶玉，方鵬騫.疫情防控緊急狀態下醫院護理人力資源配置與動員管理策略[J].中國衛生事業管理，2020，37（5）：332-334.

[4]符岳，羅銀秋，程捷，等.物流機器人在急診科應對新型冠狀病毒肺炎疫情中的應用[J].嶺南急診醫學雜志，2020，25（3）：231-233.

[5]江龍韜，劉怡沛，張卓.基于ARM及機器視覺的智能藥品運送機器人系統設計與研究[J].計算機測量與控制，2022，30（8）：211-217.

[6]王天馳，羅煒松，孫強，等.基于SLAM技術的巡診送藥競賽機器人[J].機械工程與自動化，2023，52（1）：52-55.

[7]李虹，張宇晨，苗旭燾.OpenMV智能物料搬運方向的開發[J].電子技術與軟件工程，2022，29（3）：107-112.

[8]席若冰.基于樹莓派的日光溫室水肥一體機的設計[D].沈陽：沈陽農業大學，2019.

[9]馮張銀，裴杰仁，揭俊壕，等.基于STM32單片機的履帶式多功能機器人[J].自動化應用，2019，60（4）：104-105.

[10]王錚，成爾卓，史建新，等.一種腦卒中手部康復設備研究[J].物聯網技術，2022，12（6）：74-77.

[11]李琪璐，路彤，李明宇，等.基于機器視覺的顏色分揀機器人設計[J].單片機與嵌入式系統應用，2022，22（12）：54-57.

[12]劉永久.基于結構光投影的運動物體高速實時三維測量方法研究[D].合肥：中國科學技術大學，2014.

[13]陳柳妍，王湘江，馮棟彥.基于TOF傳感器的堵板拆裝機器人水室定位[J].機械工程師，2022，54（12）：54-58.

[14]李志祥，唐春暉.基于光流的四旋翼飛行器控制技術研究[J].軟件導刊，2019，18（9）：134-138.