CN119048074A - 基于物联网的医疗器械智能识别与追溯方法及系统 - Google Patents

Abstract

本发明涉及智能识别与监测技术领域，是基于物联网的医疗器械智能识别与追溯方法及系统，具体方法包括：获取器械使用状态数据及存放环境数据，计算获取器械使用风险系数和器械存放风险系数；对完成初步清洗处理的器械进行第一缺陷智能识别，获取器械的使用磨损值和存放锈蚀值；评估器械的第一失效概率值，并根据第一失效概率值进行首轮回收判断；进行第二缺陷智能识别，并评估器械的第二失效概率值；提取第二失效概率值进行次轮回收判断，同时根据次轮回收判断结果执行器械最终处理。本发明解决了现有技术中，手术器械在术后回收过程中，器械易出现交叉感染、器械可用状态监测困难及器械回收效率低的问题。

Description

基于物联网的医疗器械智能识别与追溯方法及系统

技术领域

本发明涉及智能识别与监测技术领域，是基于物联网的医疗器械智能识别与追溯方法及系统。

背景技术

对手术器械的实时监测、灭菌、维护，保证手术器械可用状态、准确配置灭菌包、杜绝透漏交叉，是院感、手术室和中心供应室一项费时费力又充满挑战的工作，但这对手术安全、感染控制、手术室运营效率却至关重要；如何在整个闭环流转中，实现全程数字化批量快速单件器械追溯、为手术前核查、术中查找、术后回收、清洗配包的精确是当下面临的重要行业难题。

在现有已公开的发明技术中，如公开号为CN103606118A的专利公开了基于物联网的消毒供应室管理系统及工作方法，包括物联网感知层、网络层、应用层三层技术；所述物联网感知层包括射频识别技术，主要包括标签、阅读器（含天线）、中间件；网络层包括接入网关技术，接入网关完成应用末梢各节点信息的组网控制和信息汇集，及完成向末梢各节点的下发信息等转发功能；应用层包括基于C/S两层结构的供应室管理系统软件模块。

上述专利在针对手术器械的回收过程中，未考虑到手术器械经常经过高温、高压、化学清洗等过程，这些条件可能对RFID标签的耐用性和性能造成影响，导致标签损坏或读取失败，无法保证术后器械的高效识别与回收。

发明内容

本发明所要解决的技术问题是针对现有技术中，手术器械在术后回收过程中，器械易出现交叉感染、器械可用状态监测困难及器械回收效率低的问题，提出了基于物联网的医疗器械智能识别与追溯方法及系统。

为了达到上述目的，本发明基于物联网的医疗器械智能识别与追溯方法的技术方案包括如下步骤：

S1：获取器械在本次使用过程中的使用状态数据及存放环境数据，同步收集使用完成的器械并进行初步清洗处理；

S2：将使用状态数据及存放环境数据分别导入器械使用风险计算策略和器械存放风险计算策略中，计算获取器械使用风险系数和器械存放风险系数；

S3：对完成初步清洗处理的器械进行第一缺陷智能识别，获取器械的使用磨损值和存放锈蚀值；

S4：根据S2-S3，融合评估器械的第一失效概率值，并根据第一失效概率值进行首轮回收判断；

S5：根据首轮回收判断结果，进行第二缺陷智能识别，获取器械的形变演化值和结构松动值，并融合评估器械的第二失效概率值；

S6：提取第二失效概率值进行次轮回收判断，同时根据次轮回收判断结果执行器械最终处理。

具体地，S2包括如下具体步骤：

S21：提取器械在使用过程中的使用状态数据，其中，所述使用状态数据包括：器械在本次使用过程中的累计使用总次数N、单次使用时长数据及器械单次使用剪切力数据；

S22：将所述使用状态数据导入器械使用风险计算策略中，计算获取器械使用风险系数，所述器械使用风险计算策略具体为：

；

其中，为器械使用风险系数；n为下标，

分别表示器械在本次使用过程中，第n次被使用时的单次使用时长及单次使用剪切力；分别为使用时长均值和使用剪切力均值；

分别为使用时长最大值和使用时长最小值；

分别为使用剪切力最大值和使用剪切力最小值。

具体地，S2还包括如下具体步骤：

S23：提取器械在使用过程中的存放环境数据，其中，所述存放环境数据包括：器械使用过程中的环境温度数据及环境湿度数据；

S24：根据器械在使用过程中的存放环境数据，绘制器械使用过程中的环境温度数据及环境湿度数据随数据采集时间点h的温度变化曲线和湿度变化曲线；

S25：将所述存放环境数据导入器械存放风险计算策略中，计算获取器械存放风险系数，所述器械存放风险计算策略具体为：

；

其中，为器械存放风险系数；为本次使用过程的总时长；

分别为器械最佳存放温度和最佳存放湿度；

分别为器械最佳存放温度范围和器械最佳存放湿度范围。

更进一步地，所述器械最佳存放温度范围和所述器械最佳存放湿度范围均根据器械出厂信息获取。

具体地，S3包括如下具体步骤：

S31：对完成初步清洗处理的器械进行第一缺陷智能识别，所述第一缺陷智能识别包括：划痕区域识别及锈蚀区域识别；

S32：通过高分辨率扫描仪获取器械表面的三维图像数据，将三维图像数据中的每个边缘点转换到三维Hough（Hough Transform）空间中，计算每个边缘点在参数空间中的位置，并在三维Hough空间中累加计数；

S33：在三维Hough空间中，找到累积值最大的点，构成三维图像中的划痕直线，其中，划痕直线的总数为B；

S34：提取划痕直线的数量数据、划痕直线的长度数据、宽度数据及深度数据；

S35：根据S34，计算器械的使用磨损值ms，具体计算公式为：

；

其中，分别为第b条划痕直线的长度数据、宽度数据及深度数据；分别为B条划痕直线的长度均值、宽度均值及深度均值。

具体地，S3还包括如下具体步骤：

S36：提取器械表面的三维图像数据，计算器械三维灰度共生矩阵，具体策略为：

；

其中，为灰度共生矩阵中，灰度级i和灰度级j的联合概率；i和j为不同的灰度级；

表示三维图像中属于ROI区域的体素的位置坐标；ROI区域为器械的切割面区域；

及分别表示坐标为及的体素的灰度值；

分别为在x，y，z方向上体素的偏移量；

为指示函数，当满足指示条件时，函数值为1，反之为0；

S37：根据S36，获取各个锈蚀区域的均匀度jy与对比度db，其中，所述均匀度的计算公式为：；所述对比度的计算公式为：；

S38：将各个锈蚀区域的各个锈蚀区域的均匀度jy与对比度db导入存放锈蚀值计算策略中，计算获得存放锈蚀值xs，其中，所述存放锈蚀值计算策略具体为：，为锈蚀区域总数；分别表示第c个锈蚀区域的均匀度和对比度；表示与最接近的数据量；表示与最接近的数据量。

具体地，S4中，所述第一失效概率值的计算策略具体为：

；

其中，为第一失效概率值。

具体地，S4中，所述首轮回收判断包括：预设首轮器械回收阈值，当第一失效概率值大于或等于首轮器械回收阈值时，直接对器械进行召回处理，当第一失效概率值小于首轮器械回收阈值时，执行步骤S5。

具体地，S5包括如下具体步骤：

S51：对器械进行3D激光扫描，并通过边缘检测算法对器械刀刃面轮廓曲线进行多项式拟合；

S52：提取拟合完成的器械刀刃面轮廓曲线，并在所述器械刀刃面轮廓曲线上标记U个数据采集点；

S53：将U个数据采集点采集到的曲率数据导入形变演化值计算策略中，获取形变演化值xb，所述形变演化值计算策略具体为：

；

其中，表示器械刀刃面轮廓曲线上的第u个数据采集点采集到的曲率数据；表示器械出厂状态下，器械刀刃面轮廓曲线上的第u个数据采集点采集到的曲率数据。

具体地，S5还包括如下具体步骤：

S54：使用固定频率的激振器激发器械连接处的振动，并通过加速度传感器采集器械连接处的振动频率，其中，加速度传感器均匀分布在器械连接处，加速度传感器的总数量为V；

S55：将加速度传感器采集到的振动频率数据，导入结构松动值计算策略中，获取结构松动值jg，其中，所述结构松动值计算策略具体为：

其中，表示第v个加速度传感器采集到的振动频率数据；

表示器械出厂状态下，第v个加速度传感器采集到的振动频率数据。

具体地，S5中，所述第二失效概率值的融合评估策略具体如下：

；

其中，为第二失效概率值。

具体地，S6中，所述次轮回收判断包括：预设次轮器械回收阈值，当第二失效概率值大于或等于次轮器械回收阈值时，执行器械最终处理，将第二失效概率值从大到小有序排列，同步溯源器械购买信息，根据排列顺序对器械进行召回处理及库存补充处理；当第二失效概率值小于次轮器械回收阈值时，溯源器械使用种类信息，根据所述器械使用种类信息配置器械灭菌包，对需要回收的器械进行灭菌处理。

另外，本发明基于物联网的医疗器械智能识别与追溯系统包括如下模块：

数据获取模块、风险系数计算模块、第一缺陷识别模块、第二缺陷识别模块、器械最终处理模块；

所述数据获取模块用于获取器械在使用过程中的使用状态数据及存放环境数据，同步收集使用完成的器械并进行初步清洗处理；

所述风险系数计算模块将使用状态数据及存放环境数据分别导入器械使用风险计算策略和器械存放风险计算策略中，计算获取器械使用风险系数和器械存放风险系数；

所述第一缺陷识别模块用于对完成初步清洗处理的器械进行第一缺陷智能识别，获取器械的使用磨损值和存放锈蚀值；

所述第二缺陷识别模块根据首轮回收判断结果，进行第二缺陷智能识别；

所述器械最终处理模块根据次轮回收判断结果执行器械最终处理。

一种存储介质，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行所述的基于物联网的医疗器械智能识别与追溯方法。

一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的基于物联网的医疗器械智能识别与追溯方法。

与现有技术相比，本发明的技术效果如下：

1、本发明通过物联网技术实时获取器械使用状态数据，如使用次数、使用时长、剪切力等，以及存放环境数据，如温度和湿度，这些数据通过风险系数计算模块实时评估器械的使用和存放风险，能够及时发现潜在问题并进行预警。

2、本发明通过对器械的第一缺陷和第二缺陷智能识别，实时监测器械的使用磨损值、存放锈蚀值、形变演化值和结构松动值。这种详细的缺陷分析帮助及时发现并修复器械的潜在问题，从而确保器械始终保持在可用状态。

3、本发明通过物联网和智能识别技术，实现器械的全程数字化追溯。每个器械在使用、清洗、回收的每个阶段都可以通过实时数据和详细记录进行跟踪。系统提供了对器械的批量追溯和单件追踪功能，确保了手术前的精确核查、术中的准确查找和术后的高效回收。

4、本发明通过首轮和次轮回收判断，系统能够精确判断哪些器械需要回收处理，确保了回收过程的有效性。清洗和配包的精确性通过详细的器械状态数据和智能缺陷识别得到了保障，进一步提高了整个流程的效率和准确性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：

图1为本发明的基于物联网的医疗器械智能识别与追溯方法的流程示意图；

图2为本发明的基于物联网的医疗器械智能识别与追溯系统的结构示意图；

图3为本发明的器械最终处理模块的结构示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。

其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。

实施例一：

如图1所示，本发明实施例的基于物联网的医疗器械智能识别与追溯方法，如图1所示，包括如下具体步骤：

S1：获取器械在本次使用过程中的使用状态数据及存放环境数据，同步收集使用完成的器械并进行初步清洗处理；

S2：将使用状态数据及存放环境数据分别导入器械使用风险计算策略和器械存放风险计算策略中，计算获取器械使用风险系数和器械存放风险系数。

S2包括如下具体步骤：

S21：提取器械在使用过程中的使用状态数据，其中，所述使用状态数据包括：器械在本次使用过程中的累计使用总次数N、单次使用时长数据及器械单次使用剪切力数据；

S22：将所述使用状态数据导入器械使用风险计算策略中，计算获取器械使用风险系数，所述器械使用风险计算策略具体为：

；

其中，为器械使用风险系数；n为下标，

分别表示器械在本次使用过程中，第n次被使用时的单次使用时长及单次使用剪切力；分别为使用时长均值和使用剪切力均值；

分别为使用时长最大值和使用时长最小值；

分别为使用剪切力最大值和使用剪切力最小值。

S2还包括如下具体步骤：

S23：提取器械在使用过程中的存放环境数据，其中，所述存放环境数据包括：器械使用过程中的环境温度数据及环境湿度数据；

S24：根据器械在使用过程中的存放环境数据，绘制器械使用过程中的环境温度数据及环境湿度数据随数据采集时间点h的温度变化曲线和湿度变化曲线；

S25：将所述存放环境数据导入器械存放风险计算策略中，计算获取器械存放风险系数，所述器械存放风险计算策略具体为：

；

其中，为器械存放风险系数；为本次使用过程的总时长；

分别为器械最佳存放温度和最佳存放湿度；

分别为器械最佳存放温度范围和器械最佳存放湿度范围。

S3：对完成初步清洗处理的器械进行第一缺陷智能识别，获取器械的使用磨损值和存放锈蚀值；

S3包括如下具体步骤：

S31：对完成初步清洗处理的器械进行第一缺陷智能识别，所述第一缺陷智能识别包括：划痕区域识别及锈蚀区域识别；

S32：通过高分辨率扫描仪获取器械表面的三维图像数据，将三维图像数据中的每个边缘点转换到三维Hough空间中，计算每个边缘点在参数空间中的位置，并在三维Hough空间中累加计数；

S33：在三维Hough空间中，找到累积值最大的点，构成三维图像中的划痕直线，其中，划痕直线的总数为B；

S34：提取划痕直线的数量数据、划痕直线的长度数据、宽度数据及深度数据；

S35：根据S34，计算器械的使用磨损值ms，具体计算公式为：

；

其中，分别为第b条划痕直线的长度数据、宽度数据及深度数据；分别为B条划痕直线的长度均值、宽度均值及深度均值。

S3还包括如下具体步骤：

S36：提取器械表面的三维图像数据，计算器械三维灰度共生矩阵，具体策略为：

；

其中，为灰度共生矩阵中，灰度级i和灰度级j的联合概率；i和j为不同的灰度级；

表示三维图像中属于ROI区域的体素的位置坐标；ROI区域为器械的切割面区域；

及分别表示坐标为及的体素的灰度值；

分别为在x，y，z方向上体素的偏移量；

为指示函数，当满足指示条件时，函数值为1，反之为0；

S37：根据S36，获取各个锈蚀区域的均匀度jy与对比度db，其中，所述均匀度的计算公式为：；所述对比度的计算公式为：；

S38：将各个锈蚀区域的各个锈蚀区域的均匀度jy与对比度db导入存放锈蚀值计算策略中，计算获得存放锈蚀值xs，其中，所述存放锈蚀值计算策略具体为：，为锈蚀区域总数；分别表示第c个锈蚀区域的均匀度和对比度；表示与最接近的数据量；表示与最接近的数据量。

S4：根据S2-S3，融合评估器械的第一失效概率值，并根据第一失效概率值进行首轮回收判断；

S4中，所述第一失效概率值的计算策略具体为：

；

其中，为第一失效概率值。

S4中，所述首轮回收判断包括：预设首轮器械回收阈值，当第一失效概率值大于或等于首轮器械回收阈值时，直接对器械进行召回处理，当第一失效概率值小于首轮器械回收阈值时，执行步骤S5。

S5：根据首轮回收判断结果，进行第二缺陷智能识别，获取器械的形变演化值和结构松动值，并融合评估器械的第二失效概率值；

S5包括如下具体步骤：

S51：对器械进行3D激光扫描，并通过边缘检测算法对器械刀刃面轮廓曲线进行多项式拟合；

S52：提取拟合完成的器械刀刃面轮廓曲线，并在所述器械刀刃面轮廓曲线上标记U个数据采集点；

S53：将U个数据采集点采集到的曲率数据导入形变演化值计算策略中，获取形变演化值xb，所述形变演化值计算策略具体为：

；

其中，表示器械刀刃面轮廓曲线上的第u个数据采集点采集到的曲率数据；表示器械出厂状态下，器械刀刃面轮廓曲线上的第u个数据采集点采集到的曲率数据。

S5还包括如下具体步骤：

S54：使用固定频率的激振器激发器械连接处的振动，并通过加速度传感器采集器械连接处的振动频率，其中，加速度传感器均匀分布在器械连接处，加速度传感器的总数量为V；

S55：将加速度传感器采集到的振动频率数据，导入结构松动值计算策略中，获取结构松动值jg，其中，所述结构松动值计算策略具体为：

其中，表示第v个加速度传感器采集到的振动频率数据；

表示器械出厂状态下，第v个加速度传感器采集到的振动频率数据。

S5中，所述第二失效概率值的融合评估策略具体如下：

；

其中，为第二失效概率值。

S6：提取第二失效概率值进行次轮回收判断，同时根据次轮回收判断结果执行器械最终处理。

S6中，所述次轮回收判断包括：预设次轮器械回收阈值，当第二失效概率值大于或等于次轮器械回收阈值时，执行器械最终处理，将第二失效概率值从大到小有序排列，同步溯源器械购买信息，根据排列顺序对器械进行召回处理及库存补充处理；当第二失效概率值小于次轮器械回收阈值时，溯源器械使用种类信息，根据所述器械使用种类信息配置器械灭菌包，对需要回收的器械进行灭菌处理。

实施例二：

如图2、3所示，本发明实施例的基于物联网的医疗器械智能识别与追溯系统，如图2所示，包括如下模块：

数据获取模块、风险系数计算模块、第一缺陷识别模块、第二缺陷识别模块、器械最终处理模块；

所述数据获取模块用于获取器械在使用过程中的使用状态数据及存放环境数据，同步收集使用完成的器械并进行初步清洗处理；

所述风险系数计算模块将使用状态数据及存放环境数据分别导入器械使用风险计算策略和器械存放风险计算策略中，计算获取器械使用风险系数和器械存放风险系数；

所述第一缺陷识别模块用于对完成初步清洗处理的器械进行第一缺陷智能识别，获取器械的使用磨损值和存放锈蚀值；

所述第二缺陷识别模块根据首轮回收判断结果，进行第二缺陷智能识别；

所述器械最终处理模块根据次轮回收判断结果执行器械最终处理。

进一步地，所述第一缺陷识别模块包括：第一失效评估单元、首轮回收判断单元，其中，所述第一失效评估单元用于融合评估器械的第一失效概率值；所述首轮回收判断单元根据第一失效概率值进行首轮回收判断；

所述第二缺陷识别模块包括：第二失效评估单元、次轮回收判断单元，其中，所述第二失效评估单元用于评估器械的形变演化值和结构松动值，并融合评估器械的第二失效概率值；所述次轮回收判断单元用于提取第二失效概率值进行次轮回收判断；

如图3所示，所述器械最终处理模块还包括：灭菌包配置单元、溯源召回单元、库存补充单元，其中，所述灭菌包配置单元用于对需要回收的器械进行灭菌处理；所述溯源召回单元用于追踪需要召回的器械的使用种类信息及购买信息，并执行器械召回处理；所述库存补充单元用于监控和管理器械的库存情况，并对召回的器械进行补充。

实施例三：

本实施例提供一种电子设备，包括：处理器和存储器，其中，存储器中存储有可供处理器调用的计算机程序；

处理器通过调用存储器中存储的计算机程序，执行上述的基于物联网的医疗器械智能识别与追溯方法。

该电子设备可因配置或性能不同而产生比较大的差异，能够包括一个或一个以上的处理器（Central Processing Units，CPU）和一个或一个以上的存储器，其中，该存储器中存储有至少一条计算机程序，该计算机程序由该处理器加载并执行以实现上述方法实施例提供的基于物联网的医疗器械智能识别与追溯方法。该电子设备还能够包括其他用于实现设备功能的部件，例如，该电子设备还能够具有有线或无线网络接口以及输入输出接口等部件，以便进行数据的输入输出。本实施例在此不做赘述。

实施例四：

本实施例提出一种计算机可读存储介质，其上存储有可擦写的计算机程序；

当计算机程序在计算机设备上运行时，使得计算机设备执行上述的基于物联网的医疗器械智能识别与追溯方法。

例如，计算机可读存储介质能够是只读存储器（Read-Only Memory，简称：ROM）、随机存取存储器（Random Access Memory，简称：RAM）、只读光盘（Compact Disc Read-OnlyMemory，简称：CD-ROM）、磁带、软盘和光数据存储设备等。

应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

应理解，根据A确定B并不意味着仅仅根据A确定B，还能够根据A和/或其它信息确定B。

上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行计算机指令或计算机程序时，全部或部分地产生按照本发明实施例的流程或功能。计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线网络或/和无线网络方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。可用介质可以是磁性介质（例如，软盘、硬盘、磁带）、光介质（例如，DVD）、或者半导体介质。半导体介质可以是固态硬盘。

本领域普通技术人员可以意识到，结合本发明中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本发明所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一 种，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

综上实施例，与现有技术相比，本发明的技术效果如下：

1、本发明通过物联网技术实时获取器械使用状态数据，如使用次数、使用时长、剪切力等，以及存放环境数据，如温度和湿度，这些数据通过风险系数计算模块实时评估器械的使用和存放风险，能够及时发现潜在问题并进行预警。

2、本发明通过对器械的第一缺陷和第二缺陷智能识别，实时监测器械的使用磨损值、存放锈蚀值、形变演化值和结构松动值。这种详细的缺陷分析帮助及时发现并修复器械的潜在问题，从而确保器械始终保持在可用状态。

3、本发明通过物联网和智能识别技术，实现器械的全程数字化追溯。每个器械在使用、清洗、回收的每个阶段都可以通过实时数据和详细记录进行跟踪。系统提供了对器械的批量追溯和单件追踪功能，确保了手术前的精确核查、术中的准确查找和术后的高效回收。

4、本发明通过首轮和次轮回收判断，系统能够精确判断哪些器械需要回收处理，确保了回收过程的有效性。清洗和配包的精确性通过详细的器械状态数据和智能缺陷识别得到了保障，进一步提高了整个流程的效率和准确性。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (12)

1.基于物联网的医疗器械智能识别与追溯方法，其特征在于，所述方法包括如下具体步骤：

S1：获取器械在本次使用过程中的使用状态数据及存放环境数据，同步收集使用完成的器械并进行初步清洗处理；

S2：将使用状态数据及存放环境数据分别导入器械使用风险计算策略和器械存放风险计算策略中，计算获取器械使用风险系数和器械存放风险系数；

S3：对完成初步清洗处理的器械进行第一缺陷智能识别，获取器械的使用磨损值和存放锈蚀值；

S4：根据S2-S3，融合评估器械的第一失效概率值，并根据第一失效概率值进行首轮回收判断；

S5：根据首轮回收判断结果，进行第二缺陷智能识别，获取器械的形变演化值和结构松动值，并融合评估器械的第二失效概率值；

S6：提取第二失效概率值进行次轮回收判断，同时根据次轮回收判断结果执行器械最终处理。

2.根据权利要求1所述的基于物联网的医疗器械智能识别与追溯方法，其特征在于，S2包括如下具体步骤：

S21：提取器械在使用过程中的使用状态数据，其中，所述使用状态数据包括：器械在本次使用过程中的累计使用总次数N、单次使用时长数据及器械单次使用剪切力数据；

S22：将所述使用状态数据导入器械使用风险计算策略中，计算获取器械使用风险系数，所述器械使用风险计算策略具体为：

；

其中，为器械使用风险系数；n为下标，

分别表示器械在本次使用过程中，第n次被使用时的单次使用时长及单次使用剪切力；分别为使用时长均值和使用剪切力均值；

分别为使用时长最大值和使用时长最小值；

分别为使用剪切力最大值和使用剪切力最小值。

3.根据权利要求2所述的基于物联网的医疗器械智能识别与追溯方法，其特征在于，S2还包括如下具体步骤：

S23：提取器械在使用过程中的存放环境数据，其中，所述存放环境数据包括：器械使用过程中的环境温度数据及环境湿度数据；

S24：根据器械在使用过程中的存放环境数据，绘制器械使用过程中的环境温度数据及环境湿度数据随数据采集时间点h的温度变化曲线和湿度变化曲线；

S25：将所述存放环境数据导入器械存放风险计算策略中，计算获取器械存放风险系数，所述器械存放风险计算策略具体为：

；

其中，为器械存放风险系数；为本次使用过程的总时长；

分别为器械最佳存放温度和最佳存放湿度；

分别为器械最佳存放温度范围和器械最佳存放湿度范围。

4.根据权利要求3所述的基于物联网的医疗器械智能识别与追溯方法，其特征在于，S3包括如下具体步骤：

S31：对完成初步清洗处理的器械进行第一缺陷智能识别，所述第一缺陷智能识别包括：划痕区域识别及锈蚀区域识别；

S32：通过高分辨率扫描仪获取器械表面的三维图像数据，将三维图像数据中的每个边缘点转换到三维Hough空间中，计算每个边缘点在参数空间中的位置，并在三维Hough空间中累加计数；

S33：在三维Hough空间中，找到累积值最大的点，构成三维图像中的划痕直线，其中，划痕直线的总数为B；

S34：提取划痕直线的数量数据、划痕直线的长度数据、宽度数据及深度数据；

S35：根据S34，计算器械的使用磨损值ms，具体计算公式为：

；

其中，分别为第b条划痕直线的长度数据、宽度数据及深度数据；分别为B条划痕直线的长度均值、宽度均值及深度均值。

5.根据权利要求4所述的基于物联网的医疗器械智能识别与追溯方法，其特征在于，S3还包括如下具体步骤：

S36：提取器械表面的三维图像数据，计算器械三维灰度共生矩阵，具体策略为：

；

其中，为灰度共生矩阵中，灰度级i和灰度级j的联合概率；i和j为不同的灰度级；

表示三维图像中属于ROI区域的体素的位置坐标；ROI区域为器械的切割面区域；

及分别表示坐标为及的体素的灰度值；

分别为在x，y，z方向上体素的偏移量；

为指示函数，当满足指示条件时，函数值为1，反之为0；

S37：根据S36，获取各个锈蚀区域的均匀度jy与对比度db；

S38：将各个锈蚀区域的各个锈蚀区域的均匀度jy与对比度db导入存放锈蚀值计算策略中，计算获得存放锈蚀值xs，其中，所述存放锈蚀值计算策略具体为：，为锈蚀区域总数；分别表示第c个锈蚀区域的均匀度和对比度；表示与最接近的数据量；表示与最接近的数据量。

6.根据权利要求5所述的基于物联网的医疗器械智能识别与追溯方法，其特征在于，S4中，所述第一失效概率值的计算策略具体为：

；

其中，为第一失效概率值。

7.根据权利要求6所述的基于物联网的医疗器械智能识别与追溯方法，其特征在于，S4中，所述首轮回收判断包括：预设首轮器械回收阈值，当第一失效概率值大于或等于首轮器械回收阈值时，直接对器械进行召回处理，当第一失效概率值小于首轮器械回收阈值时，执行步骤S5。

8.根据权利要求7所述的基于物联网的医疗器械智能识别与追溯方法，其特征在于，S5包括如下具体步骤：

S51：对器械进行3D激光扫描，并通过边缘检测算法对器械刀刃面轮廓曲线进行多项式拟合；

S52：提取拟合完成的器械刀刃面轮廓曲线，并在所述器械刀刃面轮廓曲线上标记U个数据采集点；

S53：将U个数据采集点采集到的曲率数据导入形变演化值计算策略中，获取形变演化值xb，所述形变演化值计算策略具体为：

；

其中，表示器械刀刃面轮廓曲线上的第u个数据采集点采集到的曲率数据；表示器械出厂状态下，器械刀刃面轮廓曲线上的第u个数据采集点采集到的曲率数据。

9.根据权利要求8所述的基于物联网的医疗器械智能识别与追溯方法，其特征在于，S5还包括如下具体步骤：

S54：使用固定频率的激振器激发器械连接处的振动，并通过加速度传感器采集器械连接处的振动频率，其中，加速度传感器均匀分布在器械连接处，加速度传感器的总数量为V；

S55：将加速度传感器采集到的振动频率数据，导入结构松动值计算策略中，获取结构松动值jg，其中，所述结构松动值计算策略具体为：

；

其中，表示第v个加速度传感器采集到的振动频率数据；

表示器械出厂状态下，第v个加速度传感器采集到的振动频率数据。

10.根据权利要求9所述的基于物联网的医疗器械智能识别与追溯方法，其特征在于，S5中，所述第二失效概率值的融合评估策略具体如下：

；

其中，为第二失效概率值。

11.根据权利要求10所述的基于物联网的医疗器械智能识别与追溯方法，其特征在于，S6中，所述次轮回收判断包括：预设次轮器械回收阈值，当第二失效概率值大于或等于次轮器械回收阈值时，执行器械最终处理，将第二失效概率值从大到小有序排列，同步溯源器械购买信息，根据排列顺序对器械进行召回处理及库存补充处理；当第二失效概率值小于次轮器械回收阈值时，溯源器械使用种类信息，根据所述器械使用种类信息配置器械灭菌包，对需要回收的器械进行灭菌处理。

12.基于物联网的医疗器械智能识别与追溯系统，其用于实现如权利要求1-11任一项所述的基于物联网的医疗器械智能识别与追溯方法，其特征在于，所述系统包括以下模块：

数据获取模块、风险系数计算模块、第一缺陷识别模块、第二缺陷识别模块、器械最终处理模块；

所述数据获取模块用于获取器械在使用过程中的使用状态数据及存放环境数据，同步收集使用完成的器械并进行初步清洗处理；

所述风险系数计算模块将使用状态数据及存放环境数据分别导入器械使用风险计算策略和器械存放风险计算策略中，计算获取器械使用风险系数和器械存放风险系数；

所述第一缺陷识别模块用于对完成初步清洗处理的器械进行第一缺陷智能识别，获取器械的使用磨损值和存放锈蚀值；

所述第二缺陷识别模块根据首轮回收判断结果，进行第二缺陷智能识别；

所述器械最终处理模块根据次轮回收判断结果执行器械最终处理。