准确识别门急诊药品包装盒的YOLO-V5深度学习预测模型的建立及初步应用

作者：王玉群; 孟名柱^*

来源：医药导报, 2023, 1-11.

• 药房
• 调配差错
• 深度学习
• 药剂师

目的 开发能够准确识别门急诊药品包装盒的YOLO-V5深度学习预测模型，以期实现药师药品调配“零差错”。方法 共收集门急诊药房136类药品的包装盒图像2 560幅，并对不同类别的药品进行标注，制作深度学习数据集。将标注好的图像按照4:1分为训练集和测试集。采用YOLO-V5深度学习算法对数据进行训练，训练500轮回，批量大小4，学习率0.01。以精确度(Pr)和均值平均精确度(mAP)作为模型性能的主要评价指标。结果 YOLO-V5的四个子模型在训练集中的Pr均达到1.00。YOLO-V5x模型的mAP＿0.5为0.95，高于YOLO-V5s(0.94)、YOLO-V5l(0.94)和YOLO-V5m(0.94)，YOLO-V5l和YOLO-V5x模型的mAP＿0.5:0.95均为0.85，高于YOLO-V5m和YOLO-V5s(0.84)。YOLO-V5x的训练耗时(82.56小时)和模型大小(166.00MB)均高于其他三个模型。YOLO-V5s的单幅图片检测速度11 ms，是四个模型中速度最快的。结论 YOLO-V5能够精准识别门急诊药品包装盒信息。人工智能辅助药师发药系统的部署是辅助药师实现药品调配“零差错”的可行方法。

• 单位
  南京医科大学