贺泓博

（华北电力大学（保定）动力工程系，河北 保定071000）

1 概述

近些年，医疗废物急剧增加，由于医疗废弃物对环境具有一定的污染性，所以废弃物的分类和处理显得尤为重要。现如今医疗垃圾分类见表1。

表1 医疗垃圾分类

传统的医疗废弃物的分类方式主要是将不同废弃物分别放置在具体的固定位置，依靠固定的医疗卫生场所和医疗废物分类处理配套设施来进行废弃物的分类、回收、处理。但是医疗废弃物中锐器及玻璃制品居多，分类过程复杂且需要医疗人员的参与，如若处理不当会增加医疗人员暴露、造成医疗废弃物污染等问题的出现。本文提出一种基于图像识别技术的医疗废弃物的分类方法。采用树莓派4B 和HuskyLens 视觉模块结合的硬件方案，利用YOLO v3 目标检测算法，通过机器学习，从而实现对医疗废弃物进行识别和分类。

2 系统总体设计及机理

2.1 系统设计方案

首先使用OV2640 作为图像传感器进行图像数据采集，将采集到的图像传输到HuskyLens 视觉模块进行图片数据的初步分析和处理，之后将结果发送至树莓派，树莓派已使用YOLO 算法进行机器学习，具备图像识别功能，结合HuskyLens 视觉模块传递过来的图像信息进行辨识，将控制信号发送给舵机驱动引导板完成医疗废弃物的分类,过程如图1 所示。

2.2 各模块简介

2.2.1 OV2640 图像采集模块

OV2640 是一款CMOS 类型的数字图像传感器，能输出的最大图像为200 万像素、1600×1200 分辨率，具有压缩引擎功能，可以将结果压缩成JPEG 格式直接输出，具有图像质量高、图像数据小、传输时间短、灵敏度高、灵活性强等特点。……