1 绪论
1.1 课题背景及研究意义
1.1.1 我国医疗现状
现如今，随着我国科学技术水平的不断提高，经济持续不断的发展，人民群众对于生活质量的要求也随之提高。尤其是医疗卫生方面，随着国家医疗科技水平的提升以及社会医疗保障制度的不断完善，人民群众对于医疗卫生的重视程度也在持续不断的增加。作为影响生活质量的重要组成部分，医疗卫生领域已然成为了人名群众关注的一个社会焦点之一[1-3]。
根据国家统计局调查显示，2014 年，我国卫生总费用达 35312.40 亿元，占国内生产总值比重的 5.55%，人均卫生费用 2581.66 元。而到了 2016 年，我国卫生总费用就达到了 46344.88 亿元，占国内生产总值比重的 6.23%，增长到原来的131.24%。与此同时，人均卫生费用达到 3351.74 元，增长到 2014 年的 129.82%。由此可见，国家在医疗卫生方面的重视以及人民群众越来越愿意花更多的钱在高质量的医疗卫生服务上。在 2014 年，我国共有 981432 所医疗机构，医院共有25860 所。而到了 2016 年，我国共有 983394 所医疗机构，增加了 1962 所，有29140 所医院，增加了 3290 所。随着医疗机构与医院数量的增长，就医人次也随之高速增长。2014 年，我国共有 76.01 亿人次就医。然而到了 2016 年，我国共有 79.32 亿人次就医，增长了 3.1 亿人次，相当于 2016 年总人口的 22.42%。由此可见，我国就医的压力巨大。而在人口更加密集的超大型城市，如北京与上海，就医压力更加明显。仅 2016 年，北京市就有 2.32 亿人次就医，居民平均就医次数达到 10.68 次；上海市共有 2.56 亿人次就医，居民平均就以次数 10.72 次[6-7]。
同时，随着我国科学技术水平的不断提高，更多种类的药品被研发、生产以及使用。然而持续增长的药品种类与就医人次给如今的医院药房带来了不小的压力。传统的人工取药、配药已经不能够满足人民群众对于高质量医疗卫生服务的需求。而且，如何有效的管理众多药品，降低管理成本也是医院所面临的严重问题。因此，现代化的药房必须要提高自身的取药、配药以及药材管理的效率[8-10]。
........................
1.2 国内外发展及研究现状
1.2.1 自动化立体仓库研究现状
自动化立体仓库又称高层货架仓库或自动仓储系统 AS/RS(Automatic Storage＆Retrieval System)。它是用几层到几十层高层立体货架存储物资，用自动化堆垛机实现出、入库货物搬运，用计算机进行远程控制和库存管理的仓库。自动化立体仓库的功能已经不局限于生产资料的存储保管，而是发展到担负生产单位物资的存储、分类、拣选、动态管理等多项职能，存储容量大、存取效率高、作业精度高，能更好地适应现代化生产制造和商品流通的需要[18]。
物流仓储行业包括自动化物流仓储，它的发展大致经历了这么五个阶段：人工仓储、机械仓储、自动化仓储、集成化仓储以及智能化仓储。目前，我们正处在集成化仓储阶段，这个阶段的特点是：将诸如堆垛机、自动引导小车、穿梭车、输送机、控制系统等独立的自动化物流软硬件设备进行集成，使其相互配合、协同工作形成一个集成系统，这个集成系统的综合效益要远远大于各部分单独效益的总和。集成仓储系统作为一个生产单位的物流中心，其重要程度在应用中越来越凸显出来。在今后的一段时期，仓储物流行业的发展方向将是智能化仓储时代，
未来仓储技术的智能化将会在更多领域得到更加广泛的应用和更加快速的发展[19]。
早在 20 世纪 40 年代左右，传统的仓库贮存管理系统模式已经开始不再能适应高速发展的经济需求。由此，自动化立体仓库随之出现，并且高速的发展壮大。立体仓库的原型诞生于 1950 年左右。首先出现在美国，美国开始出现了使用桥式堆垛起重机的立体仓库。但这时的立体仓库并没有使用自动管理系统。之后，立体仓库又发展了 20 年，到 20 世纪 60 年代初，一些公司开始使用人工操作的巷道式堆垛机，并且一部分公司开始使用自动控制系统——美国使用了计算机进行控制，构建了第一个计算机控制的立体仓库。之后英国、法国、日本也相继从美国引入自动化立体仓库的相关技术，出现了自己国家的立体仓库。
...................
2 智能化中药仓储售卖系统总体设计
本课题所设计的中药自动化立体仓库是服务于一家致力于实现中药自动化仓储以及中药自动化售卖的企业。而课题所需要实现的自动化中药立体仓库致力于尽可能的降低人力成本。目前，中药仓库所使用的叉车以及人力手推车这些传统的贮存以及运输方式存在巨大的问题。首先，传统的贮存方式并不能充分的利用库房的空间，容易造成库房空间的浪费。其次，传统的贮藏方式往往是将中药材成袋的平铺式贮存，不好搬运，造成库房人力成本的增高。而且，中药材种类繁多，不同种类的药材需要存储在不同的位置，这就又增加了库房的人力成本。更重要的是，中药材是易燃品，库房中的操作人员增多会导致火灾隐患的增多。所以经过不断的研讨，决定采用立体仓库这一先进的物流理念来解决该企业的实际需求。
2.1.1 立体仓库设计的基本条件
经过调研，对本次课题所设计的自动化中药立体仓库列出了以下的基本要求。
（1） 仓库中单位货物的规格尺寸要求。
因为本次设计的贮存系统是为自动售卖机服务的，所以设计的单位货物的规格尺寸需要满足一次配送补给的中药量，这样可以降低库房出入库的操作流程，进而降低人力物力成本。
（2） 仓库出入库要求。
为了提高出入库的效率以及出入库的工作准确度，中药材的出库与入库应分别设置在货架的两端，实现正常工作时间内的无干扰工作，根据自动化中药售卖机的需求集中出库。
（3） 自动化水平要求。
为了降低仓库内的人力成本以及可能出现的人工误差，贮藏区域内要实现无人化操作，在入库区域设置中药识别系统，实现无人入库，仓库管理体统也要预留与公司管理体统的接口，实现库存信息与出库操作的无人化。
............................
2.2切药装置设计
切药装置的工作步骤为：首先将中药倒入盒状容器内，按下开始开关，与相机相连的气缸向前运动，到达容器上方特定位置后，相机对药物进行识别，判断其是否需要切碎处理并将相机收回。若需要切碎，则通过两个气缸带动刀具对容器内的药物进行切碎。切碎完成后，与容器底板相连的气缸带动底板移动，药物落入运输装置的接药漏斗中。若相机判断药物不需要切碎，则直接抽出底板，将药物送入运输装置的接药漏斗。切药装置的三维示意图如图 3-1 所示：
............................
3.1 切药装置设计.................................... 21
3.2 单立柱有轨巷道堆垛机的设计.............................. 25
4 自动化中药识别系统设计与实验 ........................................... 56
4.1 人工神经网络............................................. 56
4.2 卷积神经网络.......................................... 59
5 总结与展望 ............................................. 73
5.1 本文所完成的主要工作..................................... 73
5.2 有待进一步研究的问题............................................... 73
4 自动化中药识别系统设计与实验
4.1 人工神经网络
人工神经网络（Artificial Neural Network，ANN）顾名思义是一种模仿人类大脑以及大脑神经网络结构而设计出来的一种由若干简单的处理单元相互连接而成的复杂网络结构。该网络虽然不像人类大脑中的神经网络功能齐全，但也能够实现某一种特定功能。
4.1.1 神经元
人工神经网络之中最基本的单位就是神经元，相当于一个运算单元。外界的信号输入可以传递给任何一个神经元，神经元接受到的所有输入信号将会通过一种特定的方式进行组合，形成一个总输入。这个形成的总输入经过神经元的一个线性阈值门将得到一个值，这个值将作为输出传入到下一个神经元中去。神经元结构如图 4-1 所示。
.............................
5 总结与展望
5.1 本文所完成的主要工作
本文就当前我国传统中药仓库人力成本高，仓库空间利用率低以及传统中药房里中药取药不方便，配药时间长，药师配药劳动强度高，配方不容易分辨等缺点，提出将自动化立体仓库技术、图像识别技术、深度学习技术等引入到传统的中药仓库以及传统中药房中。本文主要完成了以下工作：
（1） 给出了中药自动化立体仓库的方案，初步实现了中药自动化立体仓库的自动化入库。
针对中药自动化立体仓库的具体需求，设计了中药自动化立体仓库的入库方案，规划了自动化立体仓库的空间布局。并对自动化立体仓库中的货架类型以及堆垛机的类型进行了对比选择。
（2） 设计堆垛机
针对中药自动化立体仓库的实际需求，本文设计了适用于中药立体仓库的堆垛机，并进行了三维建模。针对所设计堆垛机的关键部件，本文进行了受力分析，并使用有限元分析软件 ANSYS 对堆垛机的货叉以及立柱进行了受力仿真分析。使用 ADAMS 软件对堆垛机进行了运动学分析。
（3） 训练适用于中药识别的深度学习网络
本文使用当下热门的 AlexNet 与 CaffeNet 两个深度学习网络，将所采集的十种中药图片训练深度学习网络。通过调整网络参数，最终得到了一个准确率 0.99的深度学习网络。
（4） 搭建中药识别系统
本文使用 Nvidia Jetson TX2 开发板与 PLC 作为中药识别系统的硬件，并编写程序将训练好的深度学习网络应用于中药识别系统。
参考文献（略）