基于单片机的药品分拣-智慧文博士

2 系统设计方案

2.1 系统原理
药品分拣系统是医疗机构必备设备之一，它可以提高药品分配的效率和准确性，从而更好地保障患者用药安全和治疗效果。本文基于STM32单片机进行开发，使用OLED和Drivic双显示屏实现药品图片的双屏显示，同时利用ME6211-3.3稳压电源和motor-b电机进行药品分拣。采用人工智能开发板K210和智能AI中的SIPeed模块进行药品分拣图片的学习。
工作原理如下：首先需要保存图像，利用SWIO串行调试窗口进行实时下载和保存图像，然后利用USB_SLAVE1接口链接单片机和电源，利用BOOT1进行程序的烧录。在这个过程中，利用SIPeed模块进行药品分拣图片的学习，学习后将图像保存到Drivic显示屏中，保存实物的图像和学习的图像[[]]。
在图像识别中，运用Drivic显示屏进行保存，保存正方形和圆形药盒的图像，然后进行五次学习，最后在OLED中显示正方形或圆形药物盒子，进行药品分拣。在分拣和学习完成后，电机驱动能够进行药品识别，检测过程中分为顺时针和逆时针。
可以从图中查看到运用的元器件进行烧录程序，利用人工智能sipeed模块进行学习，这个板子嵌入在k210开发板中，进行学习图像，也就是识别图像是正方形还是圆形，也就是药物的盒子的形状，然后学习完成后，运用驱动电机进行检测，并且可以发出声音，检测的过程中，能够进行文字的的显示，是正方形药物还是圆形的药物，在系统的启动过程中，运用了按键电路，以及最小系统进行保护电路，系统的操作。

图2-1 药物分拣系统的整体结构原理

3 硬件电路设计

本系统的硬件设计主要包括相关元器件、芯片和模块的选型，利用Altium designer09软件绘制原理图，根据kiel5软件进行软件的编译设计，并且使用C语言进行程序的写入。
3.1 硬件的选型
针对图2.1系统原理框图，根据进行硬件的选型，针对Drivic 显示屏的选择，以及SIPeed模块进行不同方案的选择，下面是选择的方案的设计和考量。
3.1.1 Drivic tft LCD显示屏
Drivic 显示屏是一种高品质的TFT液晶屏，具有高分辨率和色彩鲜艳的优点。相比其他单片机LCD显示屏，Drivic 显示屏具有以下优点：显示效果更加清晰，色彩更加真实：Drivic 显示屏采用高品质的TFT液晶屏幕，可以提供更加清晰、细腻的显示效果，并且可以呈现更加真实的色彩。
视角更加广：Drivic 显示屏的视角更加广，可以提供更加宽阔的视野，更加适合多人观看。
可以支持更多的显示模式：Drivic 显示屏可以支持多种不同的显示模式，包括横屏、竖屏、正常模式、反向模式等，可以满足不同用户的需求[[]]。
更加耐用：Drivic 显示屏采用高品质材料制作，具有更加耐用的特点，可以在恶劣的环境下使用。
3.1.2 LCD显示屏
LCD显示屏是一种液晶显示技术，它能够通过控制液晶分子的取向来控制光的透过和阻挡，从而显示出图像和文字。在药物分拣系统中，LCD显示屏可以用于显示药品的名称、剂量、用法等信息，方便操作员进行药品分拣和配药。LCD显示屏具有显示清晰、反应速度快、耗电低、寿命长等优点，因此在药物分拣系统中得到广泛应用。然而，在药物分拣系统中，图像处理技术通常无法使用，这是因为在药品分拣过程中，药品通常是以胶囊、片剂、注射液等固体或液体形式出现的，无法直接进行图像处理。此外，药品的颜色、形状、大小等差异较大，也会影响图像处理的精度和效果。因此，在药物分拣系统中，通常采用其他技术，如激光扫描、RFID等来进行药品识别和分拣。
3.1.3 显示屏方案总结
在药物分拣系统和图像识别中，Drivic 显示屏的优势非常明显。药物分拣系统需要精确、清晰的显示效果，以便操作员准确地识别和分拣药物。而图像识别需要更加真实、细腻的色彩，以便更好地展现图像的细节和特征。Drivic 显示屏可以满足这些需求，提供高品质的显示效果，因此是药物分拣系统和图像识别中的理想选择。
3.1.4 SIPeed只能学习模块
SIPeed是一种基于人工智能技术的学习模块，它在药物分拣系统中发挥了重要的作用。药物分拣系统是一个非常重要的医疗设备，它能够帮助医药行业高效地完成药品的分拣工作，提高了整个医疗行业的效率和质量。而SIPeed作为药物分拣系统中的重要组成部分，能够智能地学习图像，并保存形状，为药物分拣系统的正常运行提供了强有力的支持。
SIPeed的智能学习图像的功能，是基于人工智能技术的深度学习算法实现的。这种算法能够让SIPeed从大量的图像数据中学习，掌握药品的各种形态特征，为药物分拣系统提供精准的识别和分类能力。在药物分拣系统中，药品的形态、颜色、大小等特征是非常重要的，因为这些特征能够直接影响到药品的分类和分拣。而SIPeed在学习图像的过程中，能够快速准确地识别出药品的各种特征，为药物分拣系统提供了可靠的识别和分类能力。
除了智能学习图像之外，SIPeed还能够保存药品的形状信息。在药物分拣系统中，药品的形状是非常重要的，因为药品的形状能够直接影响到它们的分类和分拣。而SIPeed能够智能地保存药品的形状信息，这意味着它能够在药品分拣的过程中，快速准确地识别出药品的形状，从而更好地完成药品的分类和分拣工作。这种能力可以大大提高药物分拣系统的分拣效率和准确率，为整个医疗行业提供更好的服务[[]]。
总之，SIPeed是一个非常重要的学习模块，在药物分拣系统中发挥了重要的作用。它的智能学习图像和保存形状的能力，为药物分拣系统提供了可靠的识别和分类能力，提高了整个医疗行业的效率和质量。随着人工智能技术的不断发展，相信SIPeed今后还会有更多的应用场景，为医疗行业的发展做出更大的贡献。

4 系统软件设计

4.1 C语言
它广泛应用于系统软件、嵌入式系统、游戏开发、应用软件等领域。C语言具有语法简单、易于学习、功能强大、可移植性好等特点。C语言的编译器在各种平台上都有支持，编写的程序可以在不同的操作系统上运行。
举例来说，C语言可以用于编写操作系统、编写驱动程序、编写嵌入式系统的底层控制程序、编写网络应用程序、编写游戏等等。
药物分拣系统是一种自动化的医疗设备，用于对药品进行快速、准确的分类和分配。在C语言单片机中，可以使用多种技术来实现药物分拣系统的设计和开发。
以下是一些用于药物分拣系统的C语言单片机应用：
传感器控制：使用传感器控制系统可以检测到需要分拣的药品，并将信息传递给单片机，以便其进行分类和分配。这种控制系统可以使用红外线传感器、光电传感器等。
电机控制：使用电机控制系统可以控制分拣机器的运动，将药品分配到正确的位置。这种控制系统可以使用步进电机、直流电机等。
通讯协议：使用通讯协议可以将分拣系统与其他设备进行连接，例如与计算机、医院管理系统等。这种协议可以使用RS232、USB、以太网等。
数据存储：使用数据存储系统可以存储分拣系统的数据，例如药品信息、分拣记录等。这种存储系统可以使用EEPROM、SD卡等。
界面设计：使用界面设计系统可以为分拣系统设计用户友好的界面，使其易于操作和使用。这种界面设计系统可以使用LCD显[[]]示屏、触摸屏等。总之，C语言单片机可以为药物分拣系统提供多种应用，从而实现对药品的快速、准确的分类和分配，提高医疗设备的效率和准确性，为医疗行业提供更好的服务[[]]。
4.2 keil5软件
主要用于嵌入式系统的开发。它支持多种芯片架构的开发，包括ARM、MSP430、AVR等。Kiel5软件提供了丰富的工具，包括代码编辑器、编译器、调试器、仿真器等，可以帮助开发者更快速地完成嵌入式系统的开发。
通过Kiel5软件，开发者可以编写C语言代码，进行编译、调试、仿真等操作，最终将代码烧录到目标设备中。Kiel5软件支持多种编程语言，包括C语言、汇编语言、C++等，可以满足不同开发者的需求。同时，Kiel5软件提供了丰富的文档和教程，帮助开发者更好地使用软件，完成嵌入式系统的开发[[]]。
Keil5软件可以被应用于药物分拣系统的编译和测试过程中。它是一款功能强大的单片机开发工具，可以帮助开发人员快速地开发高效的应用程序。
在药物分拣系统中，Keil5软件可以帮助开发人员编写高效的代码，同时提高系统的性能和稳定性。通过使用Keil5软件，开发人员可以使用高级的代码编辑器和调试器来快速地创建、修改和调试药物分拣系统的代码。
Keil5软件还提供了一些编译优化选项，这些选项可以帮助开发人员优化代码，从而提高系统的性能。例如，Keil5软件可以根据目标硬件平台自动选择最优化的代码优化选项，从而实现更快的执行速度和更少的代码大小。
此外，Keil5软件还可以帮助开发人员进行系统测试。它提供了一系列的调试工具，例如逐步调试、变量监视和内存分析器等，这些工具可以帮助开发人员快速地识别和修复系统中的问题，从而提高系统的稳定性和可靠性。
总之，Keil5软件是一款非常有用的单片机开发工具，可以帮助开发人员快速地开发高效的药物分拣系统。通过使用Keil5软件，开发人员可以提高系统的性能和稳定性，并快速地识别和修复系统中的问题[[]]。
4.3 药物图像检测流程
当进行图像的学习后，通过该系统可以进行检测对比，与学习的过程进行对比，然后形成到LED屏幕中，整个过程中，通过学习后保存的四种不同的药品形状的图像，然后再次将类似的药品盒子，进行扫描，利用电机进行扫描识别，然后在OLED中会显示是方形的药物盒子，或者是圆形的药物盒子，具体流程如图4-1所示。

图4-2 药物分拣检测流程

4.4 药物学习流程
在药物分拣系统中，首先引入学习开发板，也就是SIPeed模块，然后写入python代码，进行串口链接，然后进行学习，学习过程中分五个级别， [‘0’, ‘1’, ‘2’,‘3’,‘4’]五个级别，然后进行图像的保存，0代表空的学习，1234分为不同的级别，进行学习，在药物学习的过程中，首先需要进行拍照，然后将拍摄下来的照片进行学习，然后在系统中，进行保存后便可以进行识别，因此可以说，整个学习的过程需要进行对药品盒子的照片按照不同的形状进行学习和保存，然后才能够进行药品的检测和识别，如图4.2所示。

图4.2 学习过程