1. 我需要先聊聊“為什么是輸液液位檢測”1.1 醫(yī)院病房里的真實(shí)痛點(diǎn)到底是什么靜脈輸液是醫(yī)院里最日常的治療手段之一但它的監(jiān)護(hù)方式幾十年沒怎么變過——靠患者家屬盯瓶子、靠護(hù)士定時巡房。我自己去醫(yī)院陪護(hù)時見過最典型的場景家屬盯著輸液瓶不敢眨眼藥液快完了趕緊按鈴護(hù)士跑過來換瓶一天來回幾十趟。這套流程看起來沒什么問題但它本質(zhì)上依賴的是人的注意力。人的注意力是會衰減的特別是在深夜、在患者多的時候。從問題本質(zhì)來看輸液監(jiān)護(hù)要解決的是三件事液位低了能及時知道、滴速異常能被發(fā)現(xiàn)、輸液過程中盡量少打擾患者和護(hù)士。前兩個是安全需求第三個是體驗(yàn)需求。而我見過的很多所謂“輸液監(jiān)控系統(tǒng)”要么只做了個射頻標(biāo)簽加重力感應(yīng)精度不夠要么價格高到只有ICU才用得起。普通病房需要的其實(shí)是一個低成本、易部署、識別的準(zhǔn)的視覺檢測方案。1.2 適合做成計(jì)算機(jī)畢設(shè)項(xiàng)目的關(guān)鍵點(diǎn)在哪選擇“靜脈輸液液位檢測系統(tǒng)”作為畢設(shè)項(xiàng)目有它天然的合理性。第一它有明確的視覺目標(biāo)——輸液瓶里的液面是清晰可觀測的不像一些抽象的分類問題那樣邊界模糊。第二它同時涉及傳統(tǒng)圖像處理和深度學(xué)習(xí)兩條技術(shù)路線適合做對比實(shí)驗(yàn)、消融實(shí)驗(yàn)這在答辯時有話可說。第三它有一個真實(shí)的部署場景硬件成本可控做出來是一個完整的軟硬結(jié)合系統(tǒng)而不是一個純跑數(shù)據(jù)的算法Demo。大多數(shù)畢設(shè)項(xiàng)目容易犯的毛病是“偏科”——要么只做算法不管部署要么只做硬件算法刻意弱化。而這類項(xiàng)目天然要求你兼顧兩端我覺得這是它作為畢設(shè)選題最大的優(yōu)勢。如果往深了做還能把時間序列預(yù)測、告警日志分析這些“大數(shù)據(jù)”方向的內(nèi)容加進(jìn)去讓項(xiàng)目的技術(shù)層次更豐富。這也是我在這篇文章里想重點(diǎn)展開的部分不只是告訴你模型怎么訓(xùn)練而是把一個完整項(xiàng)目從數(shù)據(jù)到答辯的每個環(huán)節(jié)都攤開講。2. 需求拆解與整體方案選型2.1 一個合格的系統(tǒng)應(yīng)該做到什么程度先把項(xiàng)目需求拆細(xì)直接用表列出來。這個表也是你寫開題報(bào)告時可以直接用的素材功能維度核心需求關(guān)鍵指標(biāo)備注液位狀態(tài)識別區(qū)分高液位、正常、低液位、空瓶四類狀態(tài)準(zhǔn)確率 ≥ 95%低液位和空瓶是告警重點(diǎn)告警響應(yīng)液位低于閾值時觸發(fā)本地聲光告警并推送記錄延遲 ≤ 2秒本地蜂鳴器加LED歷史追溯記錄每次輸液過程的時間、液位變化、告警記錄可查詢、可導(dǎo)出為數(shù)據(jù)分析提供原始數(shù)據(jù)趨勢預(yù)測根據(jù)歷史液位變化速率預(yù)測剩余時間誤差不超過10%這是“大數(shù)據(jù)”方向的主要落點(diǎn)成本控制整套硬件成本控制在500元以內(nèi)越便宜越好便于普通病房推廣從需求倒推技術(shù)路線液位識別是核心可以用深度學(xué)習(xí)模型做也可以用傳統(tǒng)圖像處理做趨勢預(yù)測需要時間序列數(shù)據(jù)所以系統(tǒng)得有記錄功能告警需要本地硬件響應(yīng)所以得有輸出接口。這些需求疊在一起項(xiàng)目自然而然就成了一個軟硬件結(jié)合的系統(tǒng)。2.2 為什么“深度學(xué)習(xí)傳統(tǒng)視覺”兩條腿走路我在做這個項(xiàng)目之前最先想到的方案是用攝像頭拍攝、用YOLO直接檢測液面位置。但后來我發(fā)現(xiàn)一個問題如果只依賴深度學(xué)習(xí)數(shù)據(jù)量不夠的時候模型會很不穩(wěn)定。而單純用傳統(tǒng)圖像處理比如邊緣檢測加閾值分割在光照變化大、瓶子有反光的時候誤檢率也比較高。所以最后我采用了雙軌方案傳統(tǒng)視覺算法作為實(shí)時基線在每一幀上做快速檢測保證基本功能不出錯深度學(xué)習(xí)模型負(fù)責(zé)在復(fù)雜場景下做修正當(dāng)兩個結(jié)果不一致時以置信度更高的一方為準(zhǔn)。這種做法在工業(yè)檢測里叫“多傳感器融合”在畢設(shè)項(xiàng)目里它還有一個隱藏的好處——你可以比較兩種路線的效果差異形成完整的實(shí)驗(yàn)對比這在答辯時會非常加分。系統(tǒng)整體架構(gòu)是這樣的攝像頭采集圖像預(yù)處理后并行跑兩個檢測分支。傳統(tǒng)分支用顏色閾值加形態(tài)學(xué)處理提取液位高度深度學(xué)習(xí)分支用輕量級YOLO模型檢測輸液瓶區(qū)域并分類液位狀態(tài)。兩個分支的結(jié)果匯入一個簡單狀態(tài)機(jī)由狀態(tài)機(jī)決定是否觸發(fā)告警。與此同時系統(tǒng)每30秒記錄一次當(dāng)前液位高度形成時間序列寫入本地?cái)?shù)據(jù)庫供后續(xù)趨勢預(yù)測使用。3. 數(shù)據(jù)從哪里來別再去網(wǎng)上找了自己造3.1 真實(shí)醫(yī)療數(shù)據(jù)的合規(guī)難題與應(yīng)對思路做醫(yī)療AI第一個繞不開的問題就是數(shù)據(jù)。真實(shí)的醫(yī)院輸液場景視頻屬于患者隱私數(shù)據(jù)獲取流程極其繁瑣而且要經(jīng)過倫理審查。作為一個畢設(shè)項(xiàng)目你不能也不應(yīng)該在公開渠道隨便找醫(yī)療影像數(shù)據(jù)來用這里面的合規(guī)風(fēng)險是實(shí)實(shí)在在的。我采用的替代方案是搭建一個模擬輸液環(huán)境自己采集數(shù)據(jù)。具體做法是找一個透明的玻璃輸液瓶灌入不同顏色和不同水位的液體放置在光照可調(diào)節(jié)的背景板前用攝像頭從正面和側(cè)面分別采集圖像。通過改變水的顏色淡黃、淡紅、無色、改變液面高度、改變背景亮度、改變瓶子角度模擬出盡可能豐富的實(shí)際工況。這樣建出來的數(shù)據(jù)集雖然和真實(shí)醫(yī)院場景有差異但勝在數(shù)據(jù)完全可控、標(biāo)注精確、版權(quán)和隱私問題為零。而且在這個采集過程中你已經(jīng)接觸到數(shù)據(jù)生產(chǎn)流程的完整鏈路——從場景搭建到數(shù)據(jù)清洗到標(biāo)注規(guī)范——這本身就是工程項(xiàng)目里很寶貴的經(jīng)驗(yàn)。3.2 標(biāo)注規(guī)范與數(shù)據(jù)集規(guī)模的設(shè)計(jì)我用LabelImg工具標(biāo)注標(biāo)注類別設(shè)為四類high液位高于2/3、normal液位在1/3到2/3之間、low液位低于1/3且可見、empty瓶底基本無液體。注意這里有個細(xì)節(jié)標(biāo)注的是“整個輸液瓶的液位狀態(tài)”而不是去標(biāo)注液面的具體分割線。這樣設(shè)計(jì)的好處是模型學(xué)的是“瓶子呈現(xiàn)出的整體狀態(tài)特征”而不是某個精確的邊界位置。數(shù)據(jù)集規(guī)模我做到了1500張圖像其中900張用于訓(xùn)練300張驗(yàn)證300張測試。每張圖像中除了輸液瓶本身還人為加入了一些干擾物比如桌面的反光、旁邊的其他瓶子、不同背景紋理這樣訓(xùn)練的模型才會具備一定的抗干擾能力。數(shù)據(jù)增強(qiáng)用了隨機(jī)亮度擾動、隨機(jī)裁剪、水平翻轉(zhuǎn)、高斯模糊四類把訓(xùn)練集擴(kuò)到了2400張左右。一個小提示拍攝時盡量使用固定機(jī)位因?yàn)檫@個系統(tǒng)最終部署時攝像頭位置是固定的訓(xùn)練數(shù)據(jù)里過度變化的視角反而會讓模型學(xué)到不必要的位置特征。3.3 數(shù)據(jù)標(biāo)注容易踩的坑標(biāo)注這件事看著簡單做的過程中就會遇到很具體的問題。最大的坑是“狀態(tài)邊界”的定義。比如液面剛好在1/3刻度線附近該標(biāo)成normal還是low我處理的辦法是把這類模糊樣本單獨(dú)分出來標(biāo)為unsure不參與訓(xùn)練。其實(shí)深度學(xué)習(xí)模型對邊界模糊本身就具有容錯性你硬給它一個標(biāo)簽反而會干擾訓(xùn)練。第二個坑是光線方向不一致。前期我拍的圖片有些是從窗戶方向采光有些是從室內(nèi)燈光采光結(jié)果訓(xùn)練出來的模型在驗(yàn)證集上表現(xiàn)不穩(wěn)定。后來統(tǒng)一使用正面漫射光源并額外采集了一些強(qiáng)逆光樣本作為負(fù)樣本模型穩(wěn)定性明顯改善。這說明采集數(shù)據(jù)時控制變量比事后用算法去彌補(bǔ)效果要好得多。4. 雙軌檢測的完整實(shí)現(xiàn)每一步都是經(jīng)驗(yàn)4.1 傳統(tǒng)視覺基線用OpenCV做液位定位傳統(tǒng)方法的核心邏輯是“藥液顏色 形態(tài)學(xué)濾波 高度投影”。輸液液體無論是葡萄糖還是生理鹽水在圖像上一般呈現(xiàn)為淡黃色或無色透明加上瓶壁的透光性它和空氣區(qū)域的灰度分布是有區(qū)分的。第一步先做顏色空間轉(zhuǎn)換把BGR轉(zhuǎn)到HSV用顏色閾值把液體區(qū)域粗提取出來。這里要特別說明不要直接在BGR上做閾值HSV下的飽和度與色調(diào)更穩(wěn)定受亮度波動影響小。提取后用中值濾波去噪再做一次閉運(yùn)算把小的空洞填上。第二步是找液面位置。方法很簡單把二值圖像按列做像素統(tǒng)計(jì)對每一行計(jì)算液體像素占比從下往上掃描遇到連續(xù)幾行占比低于閾值的位置就認(rèn)為是液面所在高度。再把這個高度和瓶體總高度做比值映射到high/normal/low/empty四個檔位。這套代碼不到100行就能跑通但它有個天然缺陷如果液體顏色和背景相近或者瓶壁反光太強(qiáng)二值化結(jié)果里會出現(xiàn)大塊斷裂區(qū)。這也是為什么不能只靠傳統(tǒng)方法的原因。4.2 深度學(xué)習(xí)分支輕量級YOLO的實(shí)際訓(xùn)練細(xì)節(jié)深度學(xué)習(xí)分支我建議從YOLOv5s起步因?yàn)橄嚓P(guān)教程最多遇到問題最容易排查。但實(shí)際部署時YOLOv8s的效果更好精度提升明顯而且推理速度相差不大。考慮到樹莓派這樣的設(shè)備建議直接用ncnn或者ONNX Runtime跑轉(zhuǎn)換后的模型幀率可以做到10FPS以上足夠檢測液位用了。訓(xùn)練配置方面我用的輸入尺寸是640×640batch size 16epoch 80初始學(xué)習(xí)率0.01采用余弦退火衰減。這里有個經(jīng)驗(yàn)教訓(xùn)不要一上來就加大輸入尺寸檢測小物體時大輸入確實(shí)有優(yōu)勢但這個項(xiàng)目里的輸液瓶占畫面比例較大640已經(jīng)足夠再增大只是徒增推理耗時。損失曲線在60個epoch左右趨于平穩(wěn)最后的驗(yàn)證集mAP0.5達(dá)到了0.96低液位和空瓶這兩個關(guān)鍵類別的召回率均在0.95以上。這個結(jié)果比傳統(tǒng)視覺基線好但傳統(tǒng)方法在正常場景下也能跑到0.93左右兩者的差距并沒有想象中那么大。這正是值得在論文里分析的點(diǎn)。4.3 融合決策狀態(tài)機(jī)兩個分支的結(jié)果怎么合并是影響系統(tǒng)穩(wěn)定性的關(guān)鍵。我設(shè)計(jì)了一個簡單的狀態(tài)機(jī)一共四個狀態(tài)分別為高液位、正常、低液位、空瓶。每個狀態(tài)下都有相應(yīng)的觸發(fā)條件。規(guī)則如下每當(dāng)傳統(tǒng)分支給出結(jié)果為低液位或空瓶且深度學(xué)習(xí)分支置信度大于0.6時立即進(jìn)入對應(yīng)的告警狀態(tài)。如果兩個分支結(jié)果不一致則取深度學(xué)習(xí)分支結(jié)果但標(biāo)記為“待確認(rèn)”連續(xù)5幀之后才觸發(fā)狀態(tài)切換。這樣做的原因是單幀誤檢率高但5幀連續(xù)一致時誤檢概率會大幅下降。狀態(tài)機(jī)的好處還在于它給測試帶來了極大的便利。你可以在視頻回放中逐幀標(biāo)注當(dāng)前真實(shí)狀態(tài)然后看狀態(tài)機(jī)的輸出是否和真實(shí)狀態(tài)一致。這樣做評測比只算模型的單幀分類準(zhǔn)確率更有說服力。4.4 硬件選型與部署成本控制整體預(yù)算控制在500元以內(nèi)是完全可行的。樹莓派4B是主流選擇性能足夠生態(tài)成熟價格在300元左右。攝像頭選普通的USB免驅(qū)攝像頭50元左右。再加上一個蜂鳴器模塊、兩個LED燈和若干杜邦線總成本不超過450元。如果預(yù)算更緊張也可以考慮用香橙派或類似的國產(chǎn)開發(fā)板成本能再壓100元。但你需要提前確認(rèn)OpenCV和ONNX Runtime的兼容性這個坑我在用某些小眾開發(fā)板時踩過有些板子上的NPU驅(qū)動對ONNX的支持不完整導(dǎo)致模型加載失敗。部署軟件環(huán)境時我建議直接用Docker封裝運(yùn)行環(huán)境把Python版本、OpenCV、ONNX Runtime、Flask等依賴全部鎖進(jìn)鏡像。這樣你在演示時不會因?yàn)榄h(huán)境問題翻車。我吃過這個虧畢設(shè)答辯前一天換了一臺電腦環(huán)境裝了半天差點(diǎn)沒趕上演示。5. 趨勢預(yù)測與數(shù)據(jù)記錄項(xiàng)目里的“大數(shù)據(jù)”元素5.1 數(shù)據(jù)記錄的設(shè)計(jì)邏輯很多畢設(shè)做到液位檢測就停了但我覺得趨勢預(yù)測這個環(huán)節(jié)才是讓項(xiàng)目升一個檔次的關(guān)鍵。系統(tǒng)每30秒往SQLite數(shù)據(jù)庫里寫入一條記錄包括時間戳、當(dāng)前液位高度像素值、當(dāng)前檢測狀態(tài)。這樣積累一小時就有120條數(shù)據(jù)點(diǎn)一次完整輸液過程就是幾千條數(shù)據(jù)。為什么要記錄液位高度而不是只記狀態(tài)因?yàn)闋顟B(tài)是離散的而高度是連續(xù)的。連續(xù)數(shù)據(jù)可以做擬合可以算滴速可以預(yù)估剩余時間這些才是對護(hù)士真正有用的信息。在答辯的時候你拿出一張液位隨時間下降的散點(diǎn)圖再疊加一條擬合曲線效果比任何文字說明都有說服力。5.2 剩余時間預(yù)測的兩種實(shí)現(xiàn)路徑第一種是線性擬合。液位下降過程在勻速滴注時近似線性所以用最小二乘法對最近10個數(shù)據(jù)點(diǎn)做一次線性回歸斜率的倒數(shù)乘以當(dāng)前剩余液位高度就是預(yù)估剩余時間。這個方法簡單直接誤差在正常滴速下不超過10%可以接受。第二種是滑動窗口ARIMA預(yù)測。這個方法適合液滴速度不均勻的情況比如患者手臂移動導(dǎo)致滴速變化。把液位高度序列視為時間序列用ARIMA模型做短時預(yù)測。我在實(shí)驗(yàn)中測試了ARIMA(1,1,1)的參數(shù)組合預(yù)測未來10分鐘的液位變化平均絕對誤差比線性擬合低了約30%。代價是模型訓(xùn)練時間稍長但在樹莓派上完全跑得動。5.3 數(shù)據(jù)可視化與告警日志配套的數(shù)據(jù)可視化可以做一個簡易Web頁面用Flask加Chart.js展示實(shí)時液位曲線和歷史告警列表。頁面每10秒刷新一次能看到當(dāng)前液位狀態(tài)、剩余時間預(yù)估、當(dāng)日告警次數(shù)。這部分工作量和難度都不高但對系統(tǒng)完整性幫助很大尤其是答辯現(xiàn)場一個有Web界面實(shí)時刷新的系統(tǒng)會讓評委直觀感受到項(xiàng)目的閉環(huán)能力。告警記錄表設(shè)計(jì)為id、時間、液位高度、觸發(fā)類型視覺告警/預(yù)測告警、是否已處理五個字段。這個表是后續(xù)做召回率統(tǒng)計(jì)的數(shù)據(jù)基礎(chǔ)也能體現(xiàn)“數(shù)據(jù)驅(qū)動”的工程思維。6. 系統(tǒng)評測用數(shù)據(jù)說話才硬氣6.1 評測指標(biāo)體系如何設(shè)計(jì)答辯時最怕被問“你的系統(tǒng)準(zhǔn)不準(zhǔn)”如果只回答“準(zhǔn)”就完了因?yàn)闆]有依據(jù)。要建立一套可復(fù)現(xiàn)的評測方法。我的評測分三個層面模型層、系統(tǒng)層、場景層。模型層用的是mAP、Precision、Recall三個標(biāo)準(zhǔn)指標(biāo)可以對比兩種檢測路線的差異。系統(tǒng)層看的是告警響應(yīng)延遲、狀態(tài)切換準(zhǔn)確性、誤報(bào)率。場景層則模擬三種典型使用條件光線充足的白天、光線偏暗的夜間、強(qiáng)背光干擾分別統(tǒng)計(jì)系統(tǒng)整體表現(xiàn)。最終測試結(jié)果給出一個可以直接放論文里的表格評測場景傳統(tǒng)視覺準(zhǔn)確率深度學(xué)習(xí)準(zhǔn)確率融合系統(tǒng)準(zhǔn)確率告警延遲中位數(shù)正常光照93.2%96.8%97.6%1.4秒夜間暗光84.6%92.1%94.3%1.8秒強(qiáng)背光干擾76.8%89.4%92.5%2.1秒模擬震動場景81.3%88.9%91.7%2.0秒這個表格能直觀說明兩個問題一是融合方案確實(shí)優(yōu)于任何單一方案二是系統(tǒng)在惡劣條件下仍然保持可用水平。有數(shù)據(jù)支撐的觀點(diǎn)答辯時自然站得住腳。6.2 別忘了做“失敗分析”很多畢設(shè)項(xiàng)目只放成功的準(zhǔn)確率我覺得這是個失分點(diǎn)。真誠地分析一下系統(tǒng)在什么情況下會失效反而體現(xiàn)工程素養(yǎng)。我在反復(fù)測試中發(fā)現(xiàn)當(dāng)輸液瓶被遮擋超過1/4時視覺檢測效果急劇下降此時需要依靠預(yù)測分支兜底。另外液體顏色過深比如某些藥物呈深棕色時HSV顏色閾值會失效深度學(xué)習(xí)分支的表現(xiàn)也會波動。這些失敗分析不是讓你否定自己的項(xiàng)目而是展示你已經(jīng)理解系統(tǒng)能力的邊界。評委問“你的系統(tǒng)有什么不足”時你能有理有據(jù)地說出三條不足和對應(yīng)的改進(jìn)方向這比支支吾吾強(qiáng)十倍。7. 答辯全流程實(shí)戰(zhàn)從開場到收尾的節(jié)奏控制7.1 答辯PPT的邏輯主線PPT建議控制在12頁左右順序是背景痛點(diǎn)、需求分析、系統(tǒng)架構(gòu)、數(shù)據(jù)集構(gòu)建、算法選型與對比、實(shí)驗(yàn)設(shè)計(jì)、系統(tǒng)實(shí)現(xiàn)、結(jié)果分析、創(chuàng)新點(diǎn)總結(jié)、后期改進(jìn)方向。我見過很多答辯翻車的例子大多不是因?yàn)轫?xiàng)目做得不好而是PPT線索混亂評委根本跟不上思路。每一頁P(yáng)PT只講一個核心問題不要堆砌。比如“數(shù)據(jù)集構(gòu)建”這一頁就講三件事數(shù)據(jù)怎么來的、標(biāo)注規(guī)范是什么、規(guī)模和數(shù)據(jù)增強(qiáng)怎么做。講清楚這三點(diǎn)評委就能判斷你數(shù)據(jù)方面的工程質(zhì)量。一套好的答辯話術(shù)是先講問題再講方案再講驗(yàn)證過程最后講局限與展望。不要一上來就說用了某種高大上算法評委更想聽的是“你如何判斷這個項(xiàng)目的問題并解決它”。7.2 現(xiàn)場演示的排雷指南現(xiàn)場演示是答辯里最危險也最加分的環(huán)節(jié)。我的建議是準(zhǔn)備兩套演示方案實(shí)時演示和錄像演示。優(yōu)先用實(shí)時演示但一定要把錄像作為Plan B。因?yàn)閿z像頭、燈光、網(wǎng)絡(luò)任何一環(huán)出問題實(shí)時演示都可能翻車。實(shí)時演示腳本需要提前彩排至少五遍。第一遍走全流程第二遍專注于講解節(jié)奏第三遍專門模擬意外情況比如故意遮擋攝像頭看系統(tǒng)的容錯表現(xiàn)。錄像是給你一個保險——萬一現(xiàn)場攝像頭無法識別你的錄像至少能完整展示系統(tǒng)正常運(yùn)行的狀態(tài)。開場白我自己試過多次最自然的方式是直接說思路不廢話不煽情。7.3 容易被追問的刁鉆問題和應(yīng)答邏輯根據(jù)我總結(jié)的經(jīng)驗(yàn)評委最常問的問題集中在幾個方向第一個方向?yàn)槭裁床恢苯佑矛F(xiàn)成的液位傳感器而要選擇視覺方案應(yīng)答要點(diǎn)是——投入產(chǎn)出比。電容式液位傳感器精度高但無法貫通測量連續(xù)液位且需要貼合瓶體不同規(guī)格的輸液瓶要不同型號。視覺方案只要一個通用攝像頭就能適配各種瓶體改造成本最低。第二個方向你自己采集的數(shù)據(jù)集和真實(shí)醫(yī)院場景的差距有多大應(yīng)答要點(diǎn)是——承認(rèn)差距同時強(qiáng)調(diào)遷移學(xué)習(xí)的可行方案?？梢哉f“當(dāng)前數(shù)據(jù)集聚焦于模擬場景后續(xù)可以通過少量真實(shí)醫(yī)院數(shù)據(jù)做微調(diào)用域自適應(yīng)方法縮小分布差距這也是后續(xù)工作可以重點(diǎn)推進(jìn)的方向”。第三個方向如果網(wǎng)絡(luò)斷開系統(tǒng)還能用嗎這是一個很容易被問到的檢查點(diǎn)。答本地推理不依賴云服務(wù)所有檢測和告警在邊緣設(shè)備完成網(wǎng)絡(luò)只負(fù)責(zé)日志上傳斷開不影響核心功能。這個回答背后的邏輯是你的系統(tǒng)設(shè)計(jì)是否做了充分的本地化部署考量。8. 常見問題與排坑實(shí)錄越到后面越要穩(wěn)住8.1 我把開發(fā)中最典型的五個坑列出來第一個坑是攝像頭白平衡漂移。自動白平衡會在環(huán)境光線變化時響應(yīng)過慢導(dǎo)致畫面顏色漂移HSV閾值檢測失效。解決辦法是在OpenCV里關(guān)閉自動白平衡改用固定色溫參數(shù)。第二個坑是ONNX Runtime版本不兼容。YOLOv8s模型導(dǎo)出ONNX后在樹莓派上加載時曾遇到算子不支持的報(bào)錯原因是onnxruntime版本過舊。鎖定onnxruntime版本在1.16以上問題就解決了。第三個坑是推理線程阻塞。在樹莓派上同時跑視頻采集和模型推理如果都在主線程里循環(huán)調(diào)用界面會卡死。解決辦法是用多線程采集線程只管抓幀推理線程用隊(duì)列消費(fèi)最新幀并丟棄未處理的舊幀。這樣做的原因是系統(tǒng)只需要實(shí)時響應(yīng)不需要處理每一幀。第四個坑是SQLite并發(fā)寫入失敗。告警模塊和狀態(tài)記錄模塊都往數(shù)據(jù)庫寫偶爾會出現(xiàn)“database is locked”錯誤。解決辦法是加一個數(shù)據(jù)庫寫入隊(duì)列所有寫入操作串行執(zhí)行讀取操作放在另外一個連接上進(jìn)行。盡量不要讓多個線程同時對同一個SQLite連接進(jìn)行操作。第五個坑是蜂鳴器誤報(bào)噪聲過大。低液位狀態(tài)下蜂鳴器會一直響現(xiàn)場測試時吵得人受不了。解決辦法是改為間歇性鳴叫響1秒停2秒同時加上一個消音按鈕護(hù)士確認(rèn)后可以手動關(guān)閉當(dāng)前告警。8.2 每個坑背后的工程思維如果只把上面這些當(dāng)成Bug去解決格局就小了。白平衡漂移的問題告訴你視覺系統(tǒng)必須考慮環(huán)境自適應(yīng)性線程阻塞的問題告訴你實(shí)時系統(tǒng)的核心不完全是算法性能還包括調(diào)度策略數(shù)據(jù)庫并發(fā)問題告訴你日志系統(tǒng)設(shè)計(jì)要提前想清楚讀寫路徑。這些坑在論文的“系統(tǒng)實(shí)現(xiàn)與優(yōu)化”章節(jié)都可以作為素材。把如何發(fā)現(xiàn)問題、分析原因、設(shè)計(jì)方案、驗(yàn)證解決的過程完整寫出來比單純堆砌技術(shù)指標(biāo)更能體現(xiàn)工程能力。因?yàn)橛幸粋€優(yōu)秀工程師的核心素質(zhì)就是排除故障的系統(tǒng)化思維。8.3 提一個“數(shù)據(jù)備份與離線運(yùn)行”的小建議我建議在系統(tǒng)里加一個簡單的自動備份功能每完成一次輸液過程自動把SQLite數(shù)據(jù)庫文件和當(dāng)日告警日志打包壓縮存儲到U盤備份目錄。這個功能代碼量很小但展現(xiàn)了你對數(shù)據(jù)可靠性的重視。答辯現(xiàn)場如果你主動提這一點(diǎn)評委對你的印象分往往會有明顯提升。另外系統(tǒng)應(yīng)能夠在完全離線狀態(tài)運(yùn)行所有核心功能不依賴外網(wǎng)。這一點(diǎn)我在答辯時反復(fù)強(qiáng)調(diào)過它是一個非常實(shí)在的加分項(xiàng)因?yàn)獒t(yī)療場景對網(wǎng)絡(luò)故障的容忍度極低。9. 最后一個建議在項(xiàng)目里留一個“彩蛋”如果你還有余力我建議在系統(tǒng)里加入一個自動滴速估計(jì)功能通過分析液滴在滴壺中下落的間隔估算當(dāng)前滴速。這個功能可以在無人值守時自動記錄滴速波動曲線當(dāng)?shù)嗡倨畛^20%時觸發(fā)提醒。它不需要額外硬件只用現(xiàn)有攝像頭對滴壺區(qū)域做一個動態(tài)ROI檢測就能實(shí)現(xiàn)。這個“彩蛋”在答辯現(xiàn)場演示時效果會很好——它能直接解決護(hù)士關(guān)心的核心問題之一而且視覺技術(shù)的深度也更足。我當(dāng)時做了一個簡化版效果很好好幾個評委都追問了實(shí)現(xiàn)細(xì)節(jié)。項(xiàng)目做完之后我最大的體會是一個好的畢設(shè)項(xiàng)目不是技術(shù)名詞堆砌得越多越好而是把有限的幾個技術(shù)點(diǎn)做扎實(shí)把每個環(huán)節(jié)的邏輯講通透。輸液液位檢測這個題目看著不大但把數(shù)據(jù)、算法、硬件、部署、評測、答辯這一整條鏈路走下來你收獲的絕對不僅僅是一個模型精度數(shù)字——你會真正理解一個能落地的系統(tǒng)是怎么從零長出來的。