基于机器学习和图像处理的护理机器人

胡振圆，王路平，于 晗，温德丰

（1.沈阳航空航天大学航空发动机学院，辽宁 沈阳 110000；2.沈阳航空航天大学工程训练中心，辽宁 沈阳 110000；3.沈阳航空航天大学自动化学院，辽宁 沈阳 110000）

护士是缓解病患痛苦、保障患者生命、增进人们健康的白衣天使，也是医生与患者之间进行沟通的重要纽带。在生活质量迅速提高的今天，患者对心理辅导的需求日益增长，护士工作日益繁重，显然服务质量已经不能满足部分患者的需要，沟通少、误会多、找不到人等现象严重影响了患者的就医感受。

因为人们对本身身体状况的日益关注，所以对医疗服务的要求也越来越高，这就要求医疗服务必须从量变向质变转换。人的精力和能力是有限的，虽然目前在国内医院中也使用机器人来帮助护士进行工作，但是做的工作却是十分有限的。因此，研发可以进行机器学习和图像处理的护理机器人对减轻医疗工作者的工作量有十分重要的意义。

1 系统硬件设计方案

根据医疗导诊服务的要求，本文所提出的护理机器人由树莓派、摄像头模块、语音识别及播放模块、显示屏幕、直流无刷电机以及多种驱动模块等元器件共同组成。

树莓派主要负责对各个传感器采集到的数据进行收集整合并对数据进行实时处理，进而也对传感器进行反馈来确保和控制各模块正常运作。摄像头负责采集图像信息，经过Open CV 图像处理之后，通过AI 人脸识别技术判断谈话对象的身份。直流无刷电机负责驱动机器人行走，确保机器人可以移动。驱动模块确保在直流电压下的工作电压、电流稳定。语音识别模块收集外界语音信息，将词汇转换成计算机可读输入，再经由训练好的机器学习分类器进行计算，最后由语音播放模块输出存储的语句。通过显示屏幕表达信息和图像，使信息传达更加形象化和具体化。本系统硬件总体的设计情况如图1 所示。

图1 系统硬件总体设计图

2 系统软件设计方案

系统软件设计方案分为语言交流单元，图像学习及深度处理单元，设备移动、控制及矫正单元3 大部分。本设计系统软件总体设计如图2 所示。

图2 系统软件总体设计

2.1 语言交流单元

使用机器学习中基于检索的模型制作交流功能，运用Seq2Seq 模型来实现本文所提出机器人的功能。

由于面向群体是确定的，本文使用了基于检索的模型。基于检索的模型是一个相对固定的人为进行预先定义的“回答集”，通过对医疗中病人经常询问或可能出现问题的统计，将其转变成预设问题与固定回答，还有一部分可以根据外界输入的问句和上下文来挑选出合适回答的启发式规则。以上的启发式规则可以是简单的基于一定规则的表达形式匹配，也可以是相对复杂的基于机器自主学习分类器的集合。但由于基于检索的该模型并不会自我产生除设定之外的新的语句，它只能够从预设的“回答集”中挑选出一个比较合适的语句来进行作答，所以该模型十分适合某个特定领域的应用。

2.2 图像学习及深度处理单元

本文介绍的机器人人脸识别部分主要应用PCA 方法以及KNN 算法。

PCA 为主成分分析法，是目前一种运用比较多的数据降维算法。主成分分析法的主要思维是将n 维的特征映射到k 维上，此时k 维是全新的正交特征，也将其称为主成分，是在原有n 维特征的基础之上重新生成出的k维特征。主成分分析法的工作是从原始的空间中按照一定的顺序去找寻一组互相正交的坐标轴，新坐标轴的选择与数据本身是具有密切关系的。其中，第一个新坐标轴存在于与原始数据计算方差最大的方向之上，第二个新坐标轴存在于与第一个坐标轴正交的平面中使得方差最大的方向上，第三个轴存在于与第一、第二个轴正交的平面中方差最大的方向上。按照此种方法类推，可以得到n个这样的坐标轴。通过此种方法获得的新坐标轴，绝大部分的方差都包含在了前面k 个坐标轴中，后面的坐标轴所含有的方差几乎为0。于是，就能够忽略余下的其他坐标轴系，单单只是记录前面k 个包含有绝大部分方差的坐标轴系。实际上，这等同于只是保留了包含绝大部分方差的维度特征，忽略了包含方差几乎为0 的特征维度，通过此种办法实现了对数据特征的降维处理。

KNN 算法：在该算法当中存在一个样本数据的集合，同时也被称为训练样本集，并且在该样本集中的每一个数据都存在固定的一个标签，即能够知道样本集中每一数据与所属分类一一对应的关系。当传感器采集到数据并将其输入之后，系统会将该数据中的每个特征与样本集中数据对应的特征进行综合比较，从中提取出来样本集中特征最为相似数据的分类标签，然后将其读取出来。KNN 算法的运行流程图如图3 所示。

图3 KNN 算法的运行流程图

2.3 设备移动，控制及矫正单元

为了使整个系统实现平稳且可靠的移动，本系统采用了直流无刷减速电机作为动力输出。

动力单元采用了大疆公司的RM C620 无刷电机调速器和RM M3508 P19 直流无刷减速电机以及RM 电调中心板2。24 V 直流电源接在电调中心板2 上，在电调中心板2 四个接线端子上安装电调电源线和信号线，再将电调另一端与直流电机接线端子相连，至此运动执行单元组成完毕；而控制部分与树莓派之间通过CAN 总线进行通信。

在机器人运动过程中，行进方向在受到外界扰动的情况下，会产生一定程度上的偏移量，此时就需要系统对其进行矫正。为此，该机器人系统采用了高精度陀螺仪HWT101DT 实时对机器人移动状态进行监控和矫正。

PID 角度控制：在机器人全程移动过程中以实时检测的车身角度为输入量，车身初始角度为目标值，每次对角度的误差进行积分，对角度进行微分，最后通过Kp 将输出量转化成合适的速度差，将该速度差加上基本速度为实际速度，达到机器人运行全程时刻矫正自身角度的目的。

PID 速度控制：RM 的电机带有霍尔传感器，可以实时反馈电机转速以及位置信息，因此通过闭环控制方法是一个确保整个系统稳定运行的绝佳方式。期望即电机此时需要的目标转速，反馈即电机通过自带的霍尔传感器获得的电机实时实际转速，将其两者做差以便得到误差，之后送入到控制器中。控制器根据事先设定好的算法得到正确结果，使电机的实际转速恰好等于系统可以稳定运行的目标转速。

3 项目创新点

基于心理学知识和机器学习、嵌入式技术的心理疏导功能，可以和患者交流沟通，避免患者长期待在病房无所事事心情糟糕甚至产生悲观的想法；机器人能够做到识别每一个患者、记录数据和使用数据。在日常运行中可以自动记录各种数据用于分析，可以用于分析建模再重新部署到机器人上，增加机器人辅助诊断的功能。

4 结束语

通过研究大量医疗机器人相关设计，我们发现大部分设计仅仅具有运动和拿取物品的功能，并没有和新兴技术相结合，更没有和心理学等专业相结合，而本文介绍的基于机器学习的医用心理辅导及日常护理机器人应用了当下热门技术，多专业知识结合应用，解决了以往设计的机器人有专业壁垒，做不到多个领域知识灵活应用的问题，在国内率先进行了一次打破常规创新模式的新探索。