【技术实现步骤摘要】
本申请涉及标本分拣，具体是一种检验标本自动分拣和上架方法。
技术介绍
1、常用的分拣方案采用传感器技术、条形码、扫码枪、控制电机等技术，依据标本条码的组合、标本来源(门诊、住院、体检等)、检验科检查组(生化、临检、免疫等)、是否急查、采样地点等建立多个规则，再对这些规则分配不同的仓位，检验标本通过扫条形码后跟lis系统通信，从而计算出分仓规则，将规则相同的标本分到同一个仓位。
2、标本分仓以后，需要检验科的医生手工拿出装有标本的抽屉，手工放在检验仪器的试管架上，同一个仓的标本有可能需要去到不同的仪器做实验，这样人工放置就会出现小规模的二次人工分拣情况，工作效率低下。
技术实现思路
1、本申请的目的在于提供一种检验标本自动分拣和上架方法，以解决上述
技术介绍
中提出的技术问题。
2、为实现上述目的，本申请公开了以下技术方案：
3、一种检验标本自动分拣和上架方法，该方法包括以下步骤：
4、进样条码扫描，条码信息下载：通过扫码枪对待处理标本的条码进行扫描，并将条码的基础信息下载到数据库；
5、标本合格检测：基于深度学习的算法和机器视觉自动识别待处理标本的容量是否准确以及该待处理标本是否存在异常，当该待处理标本的容量不准确和/或该待处理标本存在异常时，定义该待处理标本不合格，并将不合格的待处理标本挑选出来并进入异常区；
6、将合格的待处理标本进入分仓或者上架：进样扫码区通过条码的组合、来源、急诊与否信息判断该条码对应的待处
7、分区上架：当待处理标本需要上架时，根据条码的组合、来源、急诊与否信息，判断该待处理标本需要上架的逻辑分区，并将该待处理标本对应的上架至该逻辑分区。
8、在一种实施方式中，所述的标本合格检测具体包括：
9、对不合格标本图片进行收集及标注分类，所述分类包括具有溶血的标本、具有脂血的标本、具有黄疸的标本；
10、基于tensorflow深度学习算法将不合格标本图片进行初始训练及自动回归训练；
11、输出深度学习训练后的模型；
12、分拣上架设备利用机器视觉，获取标本图片，识别待处理标本的容量和标本的状态，所述标本的状态包括无异常状态和异常状态，所述异常状态包括标本内具有溶血、脂血和黄疸；
13、将不合格的待处理标本自动剔除并将其送至异常区。
14、在一种实施方式中，所述的基于tensorflow深度学习算法将不合格标本图片进行初始训练及自动回归训练具体包括：
15、将标注准确的具有溶血、具有脂血、具有黄疸的标本分为训练集和验证集；
16、将训练集读取到内存；
17、将分辨率不合、标注范围不对的标本图片进行剔除；
18、根据初始的训练参数进行训练，训练完毕输出初始训练模型，所述初始的训练参数包括训练次数、批量大小、学习率中的一种或多种；
19、将训练出来的初始模型自动在验证集进行校验，自动计算准确率，当准确率不满足要求阈值范围时，自动微调训练参数，再次进行迭代训练然后再次进行验证，直到训练的模型满足要求阈值范围为止。
20、在一种实施方式中，当其中任意一个所述逻辑分区存储满时，向工作人员发出取出该逻辑分区内标本的提示信息。
21、有益效果：本申请的检验标本自动分拣和上架方法，除了能做到常规的标本分拣以外，还可以自动识别标本容量是否合格、标本是否有溶血、脂血、黄疸等，将不合格的标本剔出来。可以将需要分拣和上架的标本一次性区分出来，同时需要上架的标本自动放置到指定的试管架，避免人工再一次的将标本从分拣仓再手工上架。且上架功能可以避免分拣后再上架的标本的顺序错乱，保障先到机器的标本先上架，从而做到先到的标本上机、先做实验、先出结果。可以有效保障标本流转的tat时间，保障就诊病人按时取到报告。此外分拣和上架采用层叠式，大大降低了设备对检验科空间的占用。
本文档来自技高网...【技术保护点】
1.一种检验标本自动分拣和上架方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的检验标本自动分拣和上架方法，其特征在于，所述的标本合格检测具体包括：
3.根据权利要求2所述的检验标本自动分拣和上架方法，其特征在于，所述的基于TensorFlow深度学习算法将不合格标本图片进行初始训练及自动回归训练具体包括：
4.根据权利要求1所述的检验标本自动分拣和上架方法，其特征在于，当其中任意一个所述逻辑分区存储满时，向工作人员发出取出该逻辑分区内标本的提示信息。
5.根据权利要求1所述的检验标本自动分拣和上架方法，其特征在于，所述分拣和所述上架采用层叠式。
【技术特征摘要】
1.一种检验标本自动分拣和上架方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的检验标本自动分拣和上架方法，其特征在于，所述的标本合格检测具体包括：
3.根据权利要求2所述的检验标本自动分拣和上架方法，其特征在于，所述的基于tensorflow深度学习算法将不合格标本图...
【专利技术属性】
技术研发人员：刘仁杰，
申请(专利权)人：广州创惠信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。