基于AI视觉的手术器械完整性检测与闭环管理系统及方法

本发明属于智能管理，具体涉及基于ai视觉的手术器械完整性检测与闭环管理系统及方法。

背景技术：

1、随着各种疾病种类的增加，外科手术的数量及手术方式也在不断增加，手术室每日接诊手术人数直线上升，手术器械的数量及种类也在日益增加。面对种类繁多的手术器械，如何在术后快速对器械进行清点，减少器械的丢失，是保证手术的安全的前提；每台手术中，都会至少使用一个器械包，不同的器械包中含有不同数量及种类的器械，在手术结束后，通常由洗手护士与巡回护士需要共同反复核对器械的数量，需要耗费大量时间。

2、现有技术存在的问题：

3、传统手术器械检测主要依旧依赖人工质检，容易出现人工检测易漏、器械包缺件难发现等情况，遗漏率高且目检误差频繁；人工质检流程追溯不闭环，纸质记录易丢失，易造成责任纠纷；传统质检程序对手术器械的维护较为被动，且人工配送耗时长、调度效率低，另外，质控过于依赖人工。

技术实现思路

1、本发明的目的是提供基于ai视觉的手术器械完整性检测与闭环管理系统及方法，能够自动检测成套手术器械缺失、错件、数量不符，并与全流程追溯、设备预测维护、智能调度、自动化质控深度融合，形成可落地的整体解决方案。

2、本发明采取的技术方案具体如下：

3、基于ai视觉的手术器械完整性检测与闭环管理方法，具体步骤如下：

4、数字建模与标准库构建：对手术器械进行多角度成像，生成3d网格模型，建立结构化数据库，按专科分类存储，融合2d-3d数据，生成支持ai比对的可视化标准图谱；

5、动态检测与智能分析：批量初筛读取器械身份及有效期，捕捉器械姿态、表面特征，进行表面残留物、完整性以及力学性能检测；

6、决策执行与拦截机制：拦截不合格器械包，异常时锁定器械包并弹窗提示，分析使用次数与力学负载计算出剩余寿命，生成更换工单，并同步至供应链系统，根据更换次数提示引导补件；

7、数据闭环与全流程追溯：检测数据上传追溯系统，生成区块链id，支持审计溯源，整合医院数据优化ai模型。

8、进一步的，所述结构化数据库的构建过程中，对所述网格模型进行属性字段定义，根据定义信息内容进行专科分类：

9、器械的二维图像与3d模型进行空间配准，生成可视化标准图谱，存储标准图谱的姿态参数；

10、同步对接医院物资系统获取器械的采购规格、批次号及报废期限信息，映射手术流程的器械使用序列优化摆放逻辑：

11、校准用器械采集图像实现器械模型轮廓分割，并与库内所述标准图谱模型对比hausdorff距离，当偏差阈值＞0.1mm时剔除偏差过大数据；

12、当新增器械型号时，直接录入所述结构化数据库中并记录修改历史。

13、进一步的，所述手术器械经rfid通道门回收，采用工业相机采集器械图像，并与数据库内的标准图谱进行姿态、完整性比对；

14、捕捉器械表面磨损、变形及微观裂纹，采用偏振光设备消除金属反光干扰；

15、采集的器械图像同步注入yolov8算法，强化缺陷特征，识别出卷刃、锈斑、关节卡滞缺陷。

16、进一步的，所述表面残留物检测的具体过程为：

17、采用工业相机捕捉器械表面残留物，结合紫外光与红外光区分污染物类型；

18、器械图像注入u-net架构训练分割网络，标注器械齿槽、关节区域的污染像素，同时计算污染覆盖率，器械图像特征同时与标准库进行匹配，自动标记锈斑、钙化水垢。

19、进一步的，所述表面残留物检测的具体过程为：

20、通过残差网络提取器械表面像素特征，当器械表面镜面反射率检测结果＜95%时，判定器械表面残留物残留超标；

21、利用紫外光进行的蛋白质荧光检测，当器械表面特征的荧光强度检测结果＞50rlu时，判定器械表面生物污染物超标；

22、利用红外光的红外吸光度分析，当器械表面特征的吸光度差值检测结果＞0.05时，判定器械表面无机残留超标。

23、进一步的，所述完整性检测的具体过程为：

24、器械包在承载台通过3d扫描仪扫描工位进行多角度成像，成像结果注入3d点云匹配算法，当出现器械堆叠图像时，采用实例分割模型实现重叠分离，并结合点云数据拓扑分析确认独立个体，根据独立个体的数据信息判定是否缺件、错件；

25、再从独立个体的点云数据中提取sift特征点并匹配标准模型，当计算结构相似性指数ssim＜0.9时触发报警，以最终分析结果判定单个器械组件是否缺失。

26、进一步的，所述力学性能的测试过程中，集成有压力/扭矩传感器测量器械关节灵活性、咬合力及剪切力；

27、压力/扭矩传感器的电荷信号经电荷放大器转换为电压信号，电压信号经低通滤波滤除肌电噪声及工频干扰；

28、滤波后的信号进入ansys模拟仿真平台，由平台分析出手术器械的应力分布、咬合力峰值以及时间曲线，提取咬合力非对称性指数、疲劳衰减系数关键参数，预判高磨损区域并输出力学数据；

29、当力学数据超出预设阈值时，判定模型异常并输出标记信息。

30、进一步的，所述器械剩余寿命的计算过程中，融合递归神经网络与威布尔分布模型，输入参数包括使用次数、力学负载以及材质疲劳数据，计算剩余寿命；

31、在对器械每进行一次检测工作时，更新寿命指数；

32、且当剩余寿命＜20%时自动触发更换工单，推送至采购系统。

33、基于ai视觉的手术器械完整性检测与闭环管理系统，包括检测与管理系统，所述检测与管理系统包括硬件感知层、算法引擎层、数据管理层以及业务应用层；

34、所述硬件感知层集成多光谱成像系统与物联终端；

35、多光谱成像系统的内部设置有高精度3d视觉模块、抗干扰成像技术以及压力/扭矩传感器集成，所述高精度3d视觉模块采用双目相机、3d结构光扫描仪，实时捕捉器械三维姿态与表面缺陷；所述抗干扰成像技术集成偏振光与环形暗场照明，消除金属反光干扰，提升毛刺、裂纹微观缺陷的检出率；嵌入式的传感器用于检测器械关节灵活性与咬合力，联动ai进行性能评估；

36、物联终端包括耐高温rfid标签以及智能货架系统，所述rfid标签植入器械本体，实时追踪使用频次、灭菌周期及位置信息；所述智能货架系统内置压力传感器与指示灯，自动提示效期异常及库存缺口；

37、所述算法引擎层集成智能识别核心与多模态融合技术；

38、智能识别核心包括器械检测模型以及缺陷分析引擎，所述器械检测模型基于实例分割与目标检测模型，支持杂乱堆叠场景下的器械分割与分类；所述缺陷分析引擎内部结合点云语义分割网络、点云处理与威布尔寿命预测模型，识别卷刃、变形并计算剩余寿命；

39、多模态融合技术包括2d-3d对齐算法以及遮挡补偿算法，所述2d-3d对齐算法用于将实时扫描点云与结构化数据库匹配，检测摆放角度偏差；所述遮挡补偿算法通过多视角动态补全技术解决器械重叠导致的识别盲区；

40、所述数据管理层集成数字孪生平台与追溯中台；

41、数字孪生平台内部设置有3d结构化数据库以及动态知识库，所述3d结构化数据库用于存储器械包数字模型，支持gltf轻量化格式快速调用；所述动态知识库基于联邦学习整合多医院数据，持续优化缺陷识别规则；

42、追溯中台内部设置有区块链存证以及全链路映射，所述区块链存证作为检测结果上链，确保操作记录不可篡改；所述全链路映射用于对接his/spd系统，关联手术类型动态调整器械损耗系数；

43、所述业务应用层集成自动化质检流程与资源调度中枢；

44、自动化质检流程开发有实时拦截机制以及机械臂分拣，所述实时拦截机制基于ai识别缺件/错件后自动锁定器械包，弹窗提示缺失项名称及货架位置；所述机械臂分拣根据质检结果将器械分流入库/返修/报废通道；

45、资源调度中枢内部集成设置有智能补货引擎以及预防性维护，所述智能补货引擎用于当库存低于安全阈值时，自动生成采购单并调度agv配送；所述预防性维护基于寿命预测模型，提前触发高值器械保养工单。

46、一种计算机设备，包括：存储器和处理器，所述存储器和所述处理器通过总线连接；所述存储器用于存储计算机程序/指令，所述处理器用于执行所述计算机程序/指令，该计算机程序/指令被处理器执行时实现手术器械完整性检测与闭环管理方法。

47、本发明取得的技术效果为：

48、（1）本发明建立由各专科标准器械包3d数字模型与结构化数据库，包括器械名称、数量、规格、摆放姿态，检测标准统一，不受人员经验、疲劳、情绪影响。

49、（2）本发明在执行动态检测中，采用双目/3d视觉、ai深度学习，对清洗后待检器械包进行全自动扫描、识别、计数、匹配，能够识别出缺件、多件、错件、型号错误、组件缺失、正反面错误、摆放错误、机械残留、锈蚀、裂纹，替代人工清点，杜绝漏装、少装、错装导致的手术风险。

50、（3）本发明在执行动态检测中，支持杂乱摆放、重叠摆放的强鲁棒性识别，使模型在噪声、模糊、遮挡、光照剧变、分布偏移、对抗攻击等恶劣条件下，仍能保持高准确率、稳定输出、可靠置信度的识别能力，具备抗干扰、强泛化、稳决策等核心优势，检测速度快，适合大批量、高周转器械包管理。

51、（4）在检测异常时，系统自动锁定不合格包，禁止进入包装与灭菌流程，并弹窗提示缺失器械名称与位置；对于器械包内使用的器械达到需要更换的次数时，能够进行报警提示，并且能与智能工作台结合，引导操作人员规范补件。

52、（5）本发明执行的检测与管理方法，实现将检测数据自动上传追溯系统，形成完整性检测记录。