Loading...
Publication
SISAMED: sistema de baixo custo de apoio e alerta à toma de medicação em casa recorrendo a visão computacional e modelos deep learning
| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 5.27 MB | Adobe PDF |
Authors
Advisor(s)
Abstract(s)
O trabalho apresentado nesta dissertação desenvolve um sistema de reconhecimento automático de objetos no contexto da tomada e adesão ao medicamento. Os objetos detectados são os medicamentos distintos, baseado em análise de sequências de imagens. A aplicação funciona com base no horário em que cada medicamento precisa ser tomado. Após o cadastrado dos devidos dados, o sistema passa a monitorar em tempo real os medicamentos para uma posterior sinalização de que aquele dado horário é necessário uma ação de tomada. No modelo utilizado para reconhecer os medicamentos, usou-se as anotações e categorização dos medicamentos desejados para o monitoramento, essas informações foram geradas de uma sequência de imagens e em posições diferentes, afim de gerar um maior dinamismo no reconhecimento. Consideramos que um objeto possa ser deixado sobre a mesa de maneira aleatória. Dados de coordenadas dessas imagens foram carregadas em uma rede neural com poucas camadas convulsionais. Uma abordagem utilizada na área de Visão Computacional e o treinamento do modelo em um hardware com grande poder de processamento de imagens em GPU. Nesta tarefa de processamento, para alcançar uma maior qualidade técnica, o algoritmo foi submetido em ambiente de nuvem da empresa Google, um espaço disponível e gratuito o suficiente para o treinamento dos objetos em questão. Detalha-se também neste trabalho todas as etapas para o desenvolvimento desta solução e o seu respectivo funcionamento, verificando assim os resultados obtidos por meio de testes perante um cenário limitado de circunstâncias em que o sistema foi submetido. A conclusão mostra que o problema de esquecimento ou não adesão de medicamentos no horário correto possa ser minimizada com tecnologias disponíveis e de fácil acesso, bastando assim um estudo e investigação das mais variadas possibilidades de aplicação de tecnologias da área de Visão Computacional, que é um dos ramos da Inteligência Artificial. Sua utilização comprova que é possível a classificação de medicamentos utilizando apenas sequências de imagens obtidas por uma câmara de vídeo e submetida a um computador de baixo custo.
The work presented in this dissertation develops a system of automatic recognition of objects in the context of taking medication, the detected objects are distinct medications,based on image sequence analysis. The application works based on the time each medication needs to be taken. After the registration of the appropriate data, the system starts to monitor the medications in real time for a subsequent signaling that that given time is necessary for an action to be taken. In the model to recognize the drugs, annotations of the desired drugs for monitoring were used, these annotations were generated from a sequence of images in different positions, in order to generate greater dynamism in recognition. We consider that an object can be left on the table at random. Coordinate data from these images were loaded into a low computational cost neural network. An approach used in the Computer Vision area is the training of the model in hardware with great image processing power in GPU. In this processing task, to achieve greater technical quality, the algorithm was used in a Google cloud environment, a space available and free enough for training the objects in question. All stages for the development of this solution and its respective functioning are also detailed, thus verifying the results obtained through tests in a limited scenario of circumstances in which the system was submitted. The conclusion shows that the problem of forgetting or non-adherence to medications at the correct time can be minimized with available and easily accessible technologies, which suffices for a study and investigation of the most varied application possibilities in the field of Computer Vision, which is one of the branches of Artificial Intelligence. Its use proves that it is possible to classify medicines using only sequences of images obtained by a video camera and submitted to a low-cost computer.
The work presented in this dissertation develops a system of automatic recognition of objects in the context of taking medication, the detected objects are distinct medications,based on image sequence analysis. The application works based on the time each medication needs to be taken. After the registration of the appropriate data, the system starts to monitor the medications in real time for a subsequent signaling that that given time is necessary for an action to be taken. In the model to recognize the drugs, annotations of the desired drugs for monitoring were used, these annotations were generated from a sequence of images in different positions, in order to generate greater dynamism in recognition. We consider that an object can be left on the table at random. Coordinate data from these images were loaded into a low computational cost neural network. An approach used in the Computer Vision area is the training of the model in hardware with great image processing power in GPU. In this processing task, to achieve greater technical quality, the algorithm was used in a Google cloud environment, a space available and free enough for training the objects in question. All stages for the development of this solution and its respective functioning are also detailed, thus verifying the results obtained through tests in a limited scenario of circumstances in which the system was submitted. The conclusion shows that the problem of forgetting or non-adherence to medications at the correct time can be minimized with available and easily accessible technologies, which suffices for a study and investigation of the most varied application possibilities in the field of Computer Vision, which is one of the branches of Artificial Intelligence. Its use proves that it is possible to classify medicines using only sequences of images obtained by a video camera and submitted to a low-cost computer.