技术特征：
1.一种基于人工智能的输液进度评估方法，其特征在于，该方法包括以下步骤：获取原始图像中吊瓶区域的模糊液面分界线；所述模糊液面分界线将所述吊瓶区域分为含有药液的药液区域和不含药液的无药液区域；选取所述模糊液面分界线的最小外接矩形区域为目标图像；将所述目标图像输入深度神经网络，输出增强后的目标图像，所述深度神经网络利用目标损失函数对多尺度视网膜增强算法进行拟合，所述目标损失函数包括图像增强目标损失函数、红色通道差量损失函数以及蓝色和绿色通道差量损失函数，根据所述目标损失函数得到最优尺度作为最佳权重系数；所述药液区域和所述无药液区域在红色通道值的差量与所述红色通道差量损失函数呈负相关关系；所述蓝色和绿色通道差量损失函数为所述药液区域与所述无药液区域在蓝色通道值的差量和药液区域与无药液区域在绿色通道值的差量之和；所述增强后的目标图像质量最佳时对应所述最优尺度为所述最佳权重系数，采用所述最佳权重系数的多尺度视网膜增强算法对所述目标图像进行增强，得到清晰液面分界线；获取所述原始图像中吊瓶的高度线段；根据所述清晰液面分界线和所述高度线段获取剩余药液的液位高度。2.根据权利要求1所述的方法，其特征在于，所述获取原始图像中吊瓶区域的模糊液面分界线的步骤，包括：根据暗通道算法获取所述吊瓶区域中所有像素的暗通道值；获取所有像素所述暗通道值与灰度值的差值的绝对值，根据所述差值的绝对值将所述像素初步分为两类，对不同的像素分类进行聚类得到所述药液区域和所述无药液区域；获取所述药液区域与所述无药液区域之间的边界线作为模糊液面分界线。3.根据权利要求2所述的方法，其特征在于，所述根据暗通道算法获取所有所述原始图像中所有像素的暗通道值的步骤，还包括：选取所述原始图像中每个像素在rgb三个通道中的最小值组成灰度图；在所述灰度图中以每一个像素作为中心像素，以所述中心像素作为窗口的中心点，将所述窗口中的最小值代替所述中心像素的像素值，从而得到所述原始图像中所有像素点的暗通道值。4.根据权利要求1所述的方法，其特征在于，所述构建图像增强目标损失函数的步骤，包括：利用模糊度构建所述图像增强目标损失函数，所述模糊度与所述图像增强目标损失函数成正相关关系。5.根据权利要求1所述的方法，其特征在于，所述蓝色通道值的差量和绿色通道值的差量分别与所述蓝色和绿色通道差量损失函数成正相关关系。6.根据权利要求1所述的方法，其特征在于，所述获取所述原始图像中吊瓶的高度的步骤，包括：获取所述原始图像中吊瓶区域内的多个连通域，计算所述多个连通域的平均长度，根据所述平均长度选取目标连通域，所述目标连通域两端点连成的竖直线段作为所述吊瓶的高度。7.根据权利要求1所述的方法，其特征在于，所述根据所述清晰液面分界线和所述高度
线段获取剩余药液的液位高度的步骤，包括：获取所述清晰液面分界线上所有像素点坐标的平均坐标，所述平均坐标与所述高度线段的最底位置的距离为剩余药液的液位高度。8.一种基于人工智能的输液进度评估系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求17任意一项所述方法的步骤。
技术总结
本发明涉及人工智能技术领域，具体涉及一种基于人工智能的输液装置图像增强方法及系统。该方法包括：获取将吊瓶区域分为药液区域和无药液区域的模糊液面分界线，将模糊液面分界线的最小外接矩形作为目标图像；构建目标损失函数，目标损失函数包括图像增强目标损失函数、红色通道差量损失函数以及蓝色和绿色通道差量损失函数，根据目标损失函数得到最佳权重系数；采用最佳权重系数的多尺度视网膜增强算法得到清晰液面分界线；获取吊瓶的高度线段；根据清晰液面分界线和高度线段获取剩余药液的液位高度。有效的解决了患者在输液过程中，因为药液与吊瓶颜色接近导致视觉成像不明显，无法准确监测药液剩余量的问题。无法准确监测药液剩余量的问题。无法准确监测药液剩余量的问题。
技术研发人员：陈贤勇 龙园
受保护的技术使用者：南通林德安全设备科技有限公司
技术研发日：2021.09.22
技术公布日：2021/10/26