(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211062626.6 (22)申请日 2022.08.31 (71)申请人 广州阅微医学检验所有限公司 地址 510000 广东省广州市黄埔区伴河路 96号自编一栋五层1501、 1503、 1505 单 元 (72)发明人 张步镇　李金玲　戴志鸿　邱国辉　 陈子成　李超　杨恩旺　朱建昌　 (74)专利代理 机构 广州骏思知识产权代理有限 公司 44425 专利代理师 张金龙 (51)Int.Cl. G16H 40/20(2018.01) G06V 10/82(2022.01) G06V 10/75(2022.01)G06V 10/764(2022.01) G06V 10/94(2022.01) (54)发明名称 一种医疗检验样本的物流端校验系统及方 法 (57)摘要 本申请实施例公开了一种医疗检验样本的 物流端校验系统及方法， 包括扫描终端和服务 器； 扫描终端用于扫描待运输的样本容器， 获取 样本容器的图像并将样本容器的图像发送至服 务器； 服务器用于将样本容器图像输入预训练的 样本容器类型识别模型， 以识别样 本容器对应的 第一检验项目， 其中， 不同的样本容器对应不同 的检验项目； 服务器还从样本容器的图像中识别 标签信息， 获取该样本容器的名称及该样本容器 所对应的第二检验项目； 服务器还用于判断第一 检验项目和第二检验项目是否匹配， 若不匹配， 则生成错误提示信息并发送至扫描终端。 本发明 通过在物 流端对待运输的采样容器进行识别， 从 而从源头处对医疗样本检验环节进行校对， 降低 检验成本损失。 权利要求书2页 说明书9页 附图5页 CN 115424712 A 2022.12.02 CN 115424712 A 1.一种医疗检验样本的物流端校验系统， 其特 征在于： 包括扫描终端和服 务器； 所述扫描终端用于扫描待运输的样本容器， 获取所述样本容器的图像并将所述样本容 器的图像发送至所述 服务器； 所述服务器用于将所述样本容器图像输入预训练 的样本容器类型识别模型， 以识别所 述样本容器对应的第一检验项目， 其中， 不同的样本容器对应不同的检验项目， 所述样 本容 器类型识别模型基于深度学习神经网络构建； 所述服务器还用于从所述样本容器的图像中识别标签信 息， 获取该样本容器的名称及 该样本容器所对应的第二检验项目； 所述服务器还用于判断所述第一检验项目和所述第二检验项目是否匹配， 若不匹配， 则生成错 误提示信息并发送至所述扫描终端。 2.根据权利要求1所述的一种医疗检验样本的物流端校验系统， 其特 征在于： 所述服务器还用于存储所述样本容器类型识别模型； 所述样本容器识别模型基于 yolov5模 型结构构建， 并根据预设的模 型训练数据集对所述样 本容器识别模型通过迁移学 习的方法， 同时使用COCO预训练权重作为初始化的权重进行预训练， 并根据所述模型训练 数据集内的容器特征进行相关参数调整， 使得当所述样本容器的图像输入 该样本容器类型 识别模型后， 输出对应样本容器类型 的识别结果， 其中所述识别结果包括至少一种样本容 器类型。 3.根据权利要求1所述的一种医疗检验样本的物流端校验系统， 其特 征在于： 所述服务器还用于从所述样本容器的图像中识别条 形码， 获取检验机构信息； 所述服务器还用于获取基于用户主动上传的采样订单信 息， 所述采样订单信 息包括执 行检验机构信息， 根据所述执行检验机构信息， 确认所述检验机构信息与所述执行检验机 构信息是否匹配， 若不匹配， 生成条 形码错误提示信息。 4.根据权利要求3所述的一种医疗检验样本的物流端校验系统， 其特 征在于： 所述扫描终端还用于获取 申请单图像并发送至所述服务器， 所述申请单包括申请单文 本和申请单 条码； 所述服务器还用于识别并获取 所述申请单文本信息及所述申请单 条码信息； 所述服务器还用于确 认所述申请单条码信 息、 所述申请单文本信 息与所述采样订单信 息是否匹配， 当检测发现所述申请单条码信息、 所述申请单文本信息与所述采样订单信息 中任意两种信息内容无法匹配时， 生成申请单错 误提示信息。 5.根据权利要求 4所述的一种医疗检验样本的物流端校验系统， 其特 征在于： 所述服务器还用于根据 预先设定的标签审核规则， 确 认所述样本容器标签信 息的有效 性； 所述服务器还用于根据 预先设定的条码审核规则， 确 认所述申请单条码和所述样本容 器条形码的有效性； 所述服务器还用于根据预 先设定的文本审核规则， 确认所述申请单文本的有效性。 6.一种医疗检验样本的物流端校验方法， 应用于扫描终端和服务器， 其特征在于， 所述 方法包括如下步骤： 所述扫描终端扫描待运输的样本容器， 获取所述样本容器的图像并将所述样本容器的权　利　要　求　书 1/2 页 2 CN 115424712 A 2图像发送至所述 服务器； 所述服务器将所述样本容器图像输入预训练 的样本容器类型识别模型， 以识别所述样 本容器对应的第一检验项目， 其中， 不同的样 本容器对应不同的检验项目， 所述样本容器类 型识别模型基于深度学习神经网络构建； 所述服务器从所述样本容器的图像中识别标签信 息， 获取该样本容器的名称及该样本 容器所对应的第二检验项目； 所述服务器判断所述第一检验项目和所述第二检验项目是否匹配， 若不匹配， 则生成 错误提示信息并发送至所述扫描终端。 7.根据权利要求1所述的一种医疗检验样本的物流端校验方法， 其特征在于， 还包括如 下步骤： 所述服务器存储有样本容器 类型识别模型； 所述样本容器识别 模型基于yolov5模型结构构 建， 并根据预设的模型训练数据集对所 述样本容器识别模 型通过迁移学习的方法， 同时使用C OCO预训练权重作为初始 化的权重进 行预训练， 并根据所述模型训练数据集内的容器特征进行相关参数调整， 使得当所述样本 容器的图像输入该样本容器类型识别模型后， 输出对应样本容器类型 的识别结果， 其中所 述识别结果包括至少一种样本容器 类型。 8.根据权利要求6所述的一种医疗检验样本的物流端校验方法， 其特征在于， 所述扫描 终端将所述样本容器的图像发送至所述 服务器后， 还 包括如下步骤： 所述服务器从所述样本容器的图像中识别条 形码， 获取检验机构信息； 所述服务器获取基于用户主动上传的采样订单信 息， 所述采样订单信 息包括执行检验 机构信息； 所述服务器根据 所述执行检验机构信 息， 确认所述检验机构信 息与所述执行检验机构 信息是否匹配， 若不匹配， 生成条 形码错误提示信息并发送至所述扫描终端。 9.根据权利要求8所述的一种医疗检验样本的物流端校验方法， 其特征在于， 所述扫描 终端获取 所述样本容器的图像后， 还 包括如下步骤： 所述扫描终端获取 申请单图像并发送至所述服务器， 所述申请单包括申请单文本和申 请单条码； 所述服务器识别并获取 所述申请单文本信息及所述申请单 条码信息； 所述服务器确 认所述申请单条码信 息、 所述申请单文本信 息与所述采样订单信 息是否 匹配， 当检测发现所述申请单条码信息、 所述申请单文本信息与所述采样订单信息中任意 两种信息内容无法匹配时， 生成申请单错 误提示信息并发送至所述扫描终端。 10.根据权利要求9所述的一种医疗检验样本的物流端校验方法， 其特征在于， 还包括 如下步骤： 所述服务器根据预 先设定的标签审核规则， 确认所述样本容器标签信息的有效性； 所述服务器根据 预先设定的条码审核规则， 确 认所述申请单条码和所述样本容器条形 码的有效性； 所述服务器根据预 先设定的文本审核规则， 确认所述申请单文本的有效性。权　利　要　求　书 2/2 页 3 CN 115424712 A 3