文摘

原料的收集传统中药煎煮仍然依赖手工分配,由于许多项目的不规则形状和重量不一致。在这项研究中,我们开发了一个自动配药系统中药煎煮,目的是减少人力成本和错误的风险。我们使用机器视觉与机器人机械手促进原料的把握。的名称和配方汤通过人机界面,输入和自动执行多个药包的调剂。离线最小二乘曲线拟合方法用于计算的材料数量由爪抓住,从而提高系统效率以及个人剂量的准确性。实际成分的分配演示实验提出了系统的可行性。

1。介绍

传统中药(TCM)可分为中药煎煮和商业提取(1]。前者涉及中医草药获得液体沸腾的直接管理,而后者涉及人工处理,如烘干,沸腾过程后产生一个粉。商业精华更容易生产,运输,和管理。他们的价格也更具竞争力。相反,草药汤必须由患者和制定草药往往更昂贵。因此,商业提取由许多实践者优先。是否草药煎煮和商业提取物对不同功效仍然是学术争论的话题(2,3]。大多数中药处方需要多个中药材的沸腾紧随其后的复杂使溶解,沉淀、吸附、悬挂,和创造新的物质的化学反应增强疗效,减少效力,或减少毒性。商业提取是boil-free颗粒的混合物,没有经历了复杂的化学反应(4,5]。生产过程会破坏许多挥发性物质和需要的辅料(主要是淀粉),从而降低中药提取物的浓度。此外,许多中医从业人员习惯于处方草药汤按照病人的服药情况,然后根据其宪法调整处方和特定的症状。因此,草药汤临床中药的一个重要组成部分。

统计数据编制的过失(HPSO / CNA药剂师6]表明,从2002年到2011年,43.8%的药剂师过失涉及配药错误的药物,和31.5%涉及配药错误的用量。此外,由药剂师过失导致的全部死亡人数的57.9%是由于过量,导致10454468美元的损害赔偿。配药错误的最常见原因包括过度工作体积(21%)、药房工作人员不足(12%),时间限制(11%)、过度劳累(11%),和中断期间分发(9.4%)(7]。配药错误和医务人员短缺导致的开发和大规模实现自动剂量调剂(ADD)系统(8- - - - - -12]。根据皮德森et al。13),超过53%的医院在加拿大和美国89%的目前使用添加系统。研究已经证明,添加系统可以降低配药错误的机会(14- - - - - -16),提高总体效率(14,17),甚至提高空间使用(18,19]。相比之下,大多数中药药房中药材存储在橱柜和依靠手工检索和称重的草药,这往往是低效的和艰巨的。因此,病人必须等待更长的时间来接他们的处方和配药错误是常见的。几年前,和利时开发了一个添加系统科学的集中草药在医院20.]。的能力,系统自动识别药物有助于防止配药错误;然而,错误仍然发生在10%的样品重量超过5克。歌等。21400年)建造了一个调剂系统类型的商业提取物。系统由多个工作站和传送带安排在一个平行的配置。系统能够填补几个处方同时自动包装药品。

不幸的是,那些配药系统只适用于商业提取。没有现有的方案开发自动化检索和配药草药汤的材料。这是第一个研究开发这样一个系统。建议的解决方案使用一个机器人基于arm添加系统与图像识别技术。我们还设计了一个用户友好的人机界面输入处方,包括每个草药的名字和权重。系统自动分配药物以数据包的形式。模拟被用来模拟实际的运动参与检索草药从橱柜中医药店。检索草药柜抽屉里改变了成分的分布,从而改变的最佳检索位置机械手臂。因此,我们采用机器视觉估计的最优位置检索。与草药粉,可以控制使用一个流量控制阀(21),大部分材料在草药汤在大小和形状不规则。因此,我们使用一个机械爪检索的草药。我们采用最小二乘(LS)方法获得的参数检索方程用于计算的重量草和爪孔径的大小。重复检索的性能试验使方程的迭代优化。然后,我们将此方法与其他两个方法,不使用迭代改进。实验结果证明该方法确实可以提高检索的精度和执行效率添加系统。

2。方法

2.1。原型系统

图1(一)提出了一种系统的前视图,它使用一个XYZ直线运动平台和3自由度(自由度)机械手臂,内部设计。XYZ平台负责large-stroke动作使用一个EzM-56L-A伺服电动机(由FASTECH制造)作为执行机构的编码器分辨率10000 /牧师。这个平台的有效操作范围在X和Y方向上是500 mm×500 mm螺钉领先10毫米/牧师。Z方向的有效工作范围与螺杆领先5毫米400毫米/牧师。三自由度机械臂的主要任务是内阁的开放抽屉和草药的检索。伺服电机由ROBOTIS被安装在手臂的关节。mx - 106伺服电机用于第一和第二轴,导致分辨率0.087°。rx - 64伺服电机用于第三轴和爪,导致分辨率0.29°。使用机械手臂的跟踪目标需要了解外部环境,如姿势、位置和颜色;因此,我们安装了一个三轴双目立体相机来估计目标的位置。 The weight of the herbs was measured using a TAL220 strain gauge (manufactured by HT Sensor), which can measure up to 5 kg. We also used an HX711 24-bit A/D conversion chip to enhance measurement resolution, as shown in Figure1 (b)。使用计算机发出命令有关XYZ平台的位置和运行图像处理算法。Arduino电路板是用来获得从应变仪读数,送到计算机通过rs - 232串行通信端口进行后续分析。

2.2。系统流图

数据2和3说明了系统的行动,以及各种程序的细节。后,用户输入的名称和重量香草和所需的数据包数量,系统访问信息与预先期望的草药在数据库中创建。这些信息包括抽屉的位置的存储、图像的草,草的重量和宽度之间的关系的爪用于检索它。然后机械手臂移动到指定的抽屉,把它打开,如图2(一个)和2 (b)。相机扫描草本植物的分布在抽屉里和过程的图像来确定最佳的检索位置,如图2 (c)和2 (d)。图中的红色圆圈2 (d)通过图像处理表明最优检索位置派生。系统检索所需的草的数量来填补一个指定的数据包数量,如图2 (e)。抽屉里随后关闭,如图2 (f)。整个过程(如图所示在网上补充材料https://doi.org/10.1155/2017/9013508)是重复,直到所有的草药需要为给定的顺序检索。

在上述过程中,数据库是用于建立爪孔径的大小之间的关系和数量(重量)检索的草药。这是为了提高检索精度和整体系统的鲁棒性在处理各种各样的草药。进一步加强草检索的效率,我们也算重量和检索目标体重之间的差异和设定一个阈值可接受的错误。爪的宽度可以调整,以弥补错误测量的重量草药。

2.3。爪宽度

草药有很大区别在他们的大小、形状、重量单位。即使是相同类型的草可能关于形状差别很大。使调整爪宽度在检索过程中,我们首先推导最优爪的宽度和重量之间的关系的每种类型的草,结果都存储在数据库中。如图4,爪的宽度被定义为距离w表示的侧面设计的爪。

三种方法被用来估计爪的宽度之间的关系和草的重量:线性插值、曲线拟合和迭代改进。第一种方法是使用一个数据库来确定重量范围对于一个给定的草药,然后应用线性插值计算爪的宽度需要获得指定数量的草。假设的指定重量草和宽度的爪w介于两个相邻数据点( )和( )。因此,和w满足以下方程:

曲线拟合方法假定草药被均匀地分布在他们的抽屉和符合多项式方程获得爪的宽度之间的关系和草的重量。我们进行了曲线拟合使用最小二乘回归(LSR)基于数据库中的检索结果和采用一阶多项式如下: 在哪里一个和b通过曲线拟合获得的是常数。上述方法采用预先建立的数据库。任何重大错误的测量数据在数据库中影响爪的宽度和实际检索结果。因此,我们还开发了一个迭代细化方法更新估计爪应该开多远。基于曲线拟合,该方法计算R平方值和修正检索方程反复,直到达到一个可接受的R平方值。介绍了算法的细节1,在那里和表示过去和当前检索使用光敏电阻和建立方程和是对应的R平方值。如果R₂大于R₁,那么当前检索方程被认为是优越的,因此用于替换前面的检索方程;否则,检索方程没有改变。当当前的迭代次数我到达指定的迭代次数我,然后实验终止,最新的检索方程用于估计的宽度爪草检索。

的不可避免的影响降到最低重量误差在草检索过程中,系统计算目标体重之间的差异()和草药的重量重锅()。这是每次检索后决定是否继续或停止的检索特定的草。过程详细的图5和补充材料。在计算当前重量错误( ),系统决定的绝对值e在预设错误阈值。如果已达到指定的重量,然后重锅上的药草转盘下面会自动涌进袋,从而结束了检索过程。如果的绝对值e超出误差阈值,那么有两种可能情况:太重,太轻。系统首先估计爪基于的宽度e。如果检索示例太光,则系统检索并返回当前更多的材料价值继续检索相同的草。如果检索到的样品太重,爪用于删除一个数量的草与多余的重量成正比。重量误差e₁( 再次计算),重复上述过程,直到的价值e₁属于预设误差阈值。剩下的材料重锅是装入袋。然后系统决定目前从事填充最后一个包。如果是这样,那么目前草药在爪返回到抽屉里举行。如果不是,那么爪重锅上的草药的地方,目前的措施值,并将它发送回未来检索。如果错误(e)属于预设阈值,然后检索过程。

2.4。图像处理

草药的位置可以改变每次访问一个抽屉。因此,我们使用两个摄像头捕捉图像和应用一系列的预处理程序,使立体视觉监控。预处理包括模糊、颜色过滤、图像二值化和感兴趣的区域(ROI)评估。视差的原则是用来创建一个立体视觉关系用于估计目标检索位置的三维坐标。我们采用HSV颜色格式过滤:也就是说,色调(H),饱和(S),和明度(V),颜色通道作为边界的范围。图像像素属于预设HSV范围被保留,其余的都过滤掉。图像二值化包括设置阈值内的地区像黑白色和以外的阈值。这种加速的过程减少计算复杂度。使用机器视觉识别领域中,草本植物分布最密集的爪是导演。爪的宽度调整根据指定的草的重量。 Therefore, we used the width of the claw to determine the corresponding ROI, which is used to calculate the pixel area of each region in the preprocessed image from left to right and from top to bottom, as shown in Figure6(一)和补充材料。系统选择作为目标检索地区最大的区域。图6 (b)提出了扫描结果的一个例子,在白色区域表明地区保留后过滤和黑色区域是区域被过滤掉。蓝色框表示ROI,范围是由爪的宽度决定。在检索过程中,机械臂作为ROI的中心目标检索位置。获得中心的坐标后,使用立体视觉关系目标的坐标转换为世界坐标位置。

2.5。立体观测

一个合适的坐标系统必须首先建立计算的正确位置赫伯和获得草本植物之间的空间几何关系,相机,机械手臂为了方便草检索。我们定义三个坐标系统为各种对象:世界坐标(,,),相机坐标(,,)和像素坐标(和)。转换关系图所示7。像素坐标,图像的左上角的草药作为原点用于描述目标对象在图像平面上的位置,而相机的坐标为中心为原点的描述目标对象的位置。世界坐标,一个点在空间被指定为原点用来描述不同对象的绝对位置。目标的位置必须被转换成世界坐标为了使机器人手臂进行跟踪运动。在上面的转换关系,世界坐标是首先转化为相机坐标,然后到像素坐标。

像素坐标之间的转换关系和世界坐标可以描述如下: 在哪里年代是一个增益值;和的坐标是由像素坐标系统描述的目标;和,,显示目标在世界坐标系的位置。f是相机的焦距;和相机的中心的坐标,可以通过标准的参数相机校正(22]。和分别是摄像机的外部参数,表示世界坐标的旋转矩阵和翻译向量关于相机坐标。在这项研究中,摄像机被安装在第三轴的机械臂,这意味着坐标系统之间的转换关系变化的手臂动作。因此,必须定义一个摄像机坐标系计算外部参数。机器人技术理论的基础上,我们构建了一个d - h表(如表所示1)定义摄像机坐标系如图8,在那里代表一个常数扭转角;表示之间的垂直距离z轴相邻坐标系,一般等于链接长度;联合偏移;和代表了关节角。

基于d - h表,我们使用派生的转换关系(4),E被称为本研究摄像机的外部参数; , , , ,是关节之间的转换矩阵;,,表示的旋转机械臂各关节,指示当前手臂的姿势;是3和帧之间的角4在图8;4和帧之间的角度是5,这不会改变手臂的姿势,因此常数。这种转换矩阵可以将目标位置估计在相机坐标系坐标的坐标系统机械手臂。所示的转换关系是(5),P_r和P_c分别表示目标的位置的坐标系统描述机械臂,相机坐标系。

3所示。结果

中医从业者开传统公式(处方与固定成分的特定成分)或弥补自己的公式。在这个实验中,旨在展示的可行性提出添加系统,我们选择传统的公式称为彝族关剑(一貫煎)(23]。如图9这个公式包括六种:麦冬,基数Glehniae,枸杞子,当归、干地黄、和四川楝树。可以看到,这些草药相差很大的大小、形状和颜色。表2介绍了公式的处方。单位“狼牙棒”是常用的中药处方。

如图10和补充材料,我们设计了一个用户友好的人机界面输入处方的成分。右边的字段显示目标药物,目标体重,和目标的数据包数量。当前的体重和体重代表了当前系统检索和已经加工过的数据包的数量。目前执行的操作系统也显示在当前的行动领域,使监控用户,便于调试。每个包都是,系统列表中的每个完成检索表在窗口的右下角,这样用户可以监控系统的当前进展。下面,我们检查数据库和检索过程中获得的结果。数据库包含的信息与爪的宽度之间的关系和草的重量为每个类型的草。这些值是派生的使用(1)线性插值,(2)光敏电阻曲线拟合,或(3)迭代改进。我们分析了检索结果通过使用这些方法用于评估拟议中的添加系统的可行性。

3.1。掌握体积的估算

这个实验的目的是调查的准确性检索系统对材料的体积。我们设定在40毫米的宽度爪,55毫米,70毫米,85毫米,100毫米,115毫米之前执行检索动作。使用1 g作为采样点,测试系统的检索量从5克到15克为了建立一个草检索数据库。然后我们使用线性插值、LSR曲线拟合和迭代改进估计相应的爪的宽度之间的关系和草的重量。最后,我们计算了R平方值的检索结果进行比较和分析。为了方便起见,我们使用当归的检索结果图11作为一个例子。图(11日)礼物的重量相对应的草药爪子从40毫米的宽度115毫米每隔15毫米。数据11 (b)和11 (c)草的重量之间的关系和爪派生的宽度使用线性插值和光敏电阻,根据结果在图(11日)。图11 (d)介绍了检索获得的方程在应用LSR-based细化方法通过三个迭代(算法中提到的部分2.3)。在数据11 (b),11 (c),11 (d),图中的实线代表爪估计的关系,和星号()显示实际的草检索结果派生使用关系说。我们可以看到在图11 (b),大多数的检索结果使用线性插值计算宽度的爪子不沿直线下降,据估计和错误没有固定的趋势。比较数据11 (b)和11 (c)透露,光敏电阻曲线拟合可以用来减少检索错误;然而,许多的权重仍将远离理想的权重。图11 (d)清楚地表明,使用迭代优化方法修改检索使用光敏电阻曲线拟合方程估计可以产生检索结果非常接近的值估计方程,使用检索,大大减少检索错误。

表3显示了R平方值来自使用三种方法的检索结果。显然,曲线拟合(方法2)更好的实现R平方值(大于0.8)比线性插值(方法1),无论草的类型。的R平方值迭代细化(方法3)都大于0.9,为麦冬接近1。因为草药分配不均匀,在尺寸和形状方面的差异往往导致不同的曲线拟合后方程。然而,迭代优化可以提高检索的准确性使用曲线拟合方程获得。

3.2。系统性能分析

检查该系统的运营效率和准确性,我们去了一个真正的中医药房,药剂师手动准备五包易关剑。然后我们用爪子的宽度估计使用三种方法来分析添加系统的性能。可接受的误差阈值设置为2 g,也就是说,检索的体重在±2 g的目标体重被认为是可以接受的。表4比较了手工检索结果和提出系统的检索结果。平均误差、误差标准偏差和最大误差计算经过多次测量使用电子秤的决议(0.1 g)。

表4大于2 g显示错误发生在某些情况下。这是因为重量测量得到使用应变计和药草被倒进袋子里当误差值小于预设阈值。检索过程后,然后包称重的草药使用规模。解决有限应变仪测量误差的原因。检查结果显示更明显的检索错误与当归、干地黄。这是因为这两个部分的草药有大块挖掘机大桶中像那样爪检索困难,特别是当草块排列整齐。我们的研究结果清楚地显示检索错误当手动分配不均枸杞子和干地黄。这是因为药剂师通常使用传统的中国范围内规模(低分辨率)获得粗糙值读数,然后依靠经验进行随后的分配过程。因此,错误可能不同,每次实验结果是由不同的药剂师或不同的处方。平均误差,设置一个错误阈值是可以减少检索错误。 Nevertheless, a comparison of the results from the three methods still revealed some differences. With iterative refinement, the average error and standard deviation of error all remained at approximately 1 g, unlike those resulting from the other two methods (linear interpolation and curve fitting) and the manual method. Note that these errors could be further reduced by setting a smaller error threshold and/or using more advanced herb retrieval methods. Nevertheless, the proposed approach did not improve all of the retrieval results (such as those for Dried Rehmannia Root). This was because herb retrieval was set to proceed continuously in our experiment. The distribution of herbs in the drawer changed each time it was accessed, and sometimes the more elongated herbs were moved into positions that were difficult to access using the claw. This affected the depth of retrieval as well as the retrieval results for the next packet. Overall, iterative refinement was shown to reduce the average number of retrievals needed to complete a packet and thus the time required to complete an order. However, the total time needed was still significantly longer than manual retrieval. This may be due to the fact that we adopted an XYZ platform and a robotic arm to perform large-stroke motions. Insufficient structural rigidity resulted in shaking, which hindered the retrieval process. Furthermore, limitations in the moving speed meant that retrievals could not be performed quickly. Nevertheless, the experimental results demonstrate the accuracy and feasibility of the proposed approach.

4所示。结论

本研究提出了一种机器人基于arm的添加与机器视觉系统协助收集草药汤的原料。实验涉及的五个包包含六种草药处方进行演示的可行性提出自动化过程和检索算法。实验结果表明,获得一个适当的检索方程爪的宽度和检索重量使用迭代优化是一种有效的方法来提高检索精度,改善系统的运营效率。检索装置用来模拟人类手指和结构增强系统可能会进一步提高系统的运行速度和效率。将基于图像的机器学习技术来确定最优的宽度爪和机械臂的决定也可能作为检索的解决方案复杂形状的草药。

的利益冲突

作者宣称没有利益冲突。

确认

作者要感谢科技部,台湾,提供金融支持这项研究的批准号大多数104 - 2221 - e - 011 - 037。他们也感谢陈Fan-Pey传统医学研究所的博士,国立阳明大学,台北,台湾,提供这项工作的研究动机。

补充材料