STM32智能药品分拣系统设计与实现

1. 项目概述：基于STM32的智能药品分拣系统

在医疗场景中，药品分拣是药房日常运营中最耗时且容易出错的环节之一。传统人工分拣不仅效率低下，还容易因视觉疲劳导致发药错误。我们团队基于STM32F103C8T6单片机开发了一套智能药品分拣系统，通过图像识别技术实现药盒形状的自动分类，配合电机驱动完成物理分拣。实测表明，系统对标准药盒的识别准确率达到98.7%，单次分拣周期不超过3秒。

这套系统的核心创新点在于：

• 采用双屏协同机制（OLED+Drivic显示屏）
• 集成K210人工智能模块实现边缘计算
• 设计低成本电机驱动电路
• 开发轻量级图像识别算法

2. 硬件架构设计

2.1 主控芯片选型

选用STM32F103C8T6作为主控芯片，主要基于以下考量：

• 72MHz主频满足实时图像处理需求
• 64KB Flash存储空间足够存放识别算法
• 丰富的外设接口（3个USART、2个SPI、2个I2C）
• 成本控制在20元以内

注意：实际采购时需选择正版ST芯片，市场上存在国产兼容型号（如GD32），虽然价格更低但部分外设时序存在差异。

2.2 图像采集模块

采用OV2640摄像头模组，配置参数如下：

• 分辨率：320x240（QVGA）
• 帧率：30fps
• 接口：DVP并行总线
• 供电：3.3V/120mA

通过STM32的DCMI接口直接连接摄像头，采用DMA传输节省CPU资源。实际调试中发现需要添加10cm焦距的镜头，否则近距拍摄会产生畸变。

2.3 电机驱动电路

使用TB6612FNG电机驱动芯片驱动N20减速电机，关键设计参数：

• 工作电压：6-12V
• 峰值电流：1.2A
• PWM频率：10kHz
• 启停加速度：0.5s

电路设计中特别注意了反电动势防护，在电机两端并联1N5819肖特基二极管。

3. 软件实现流程

3.1 图像处理算法

开发了基于轮廓检测的轻量级识别算法：

c复制// 边缘检测核心代码
void edge_detect(uint8_t *img_in, uint8_t *img_out) {
    for(int y=1; y<HEIGHT-1; y++) {
        for(int x=1; x<WIDTH-1; x++) {
            int gx = img_in[(y-1)*WIDTH+x+1] + 2*img_in[y*WIDTH+x+1] + img_in[(y+1)*WIDTH+x+1]
                   - img_in[(y-1)*WIDTH+x-1] - 2*img_in[y*WIDTH+x-1] - img_in[(y+1)*WIDTH+x-1];
            int gy = img_in[(y+1)*WIDTH+x-1] + 2*img_in[(y+1)*WIDTH+x] + img_in[(y+1)*WIDTH+x+1]
                   - img_in[(y-1)*WIDTH+x-1] - 2*img_in[(y-1)*WIDTH+x] - img_in[(y-1)*WIDTH+x+1];
            img_out[y*WIDTH+x] = sqrt(gx*gx + gy*gy) > THRESHOLD ? 255 : 0;
        }
    }
}

3.2 K210模块集成

Sipeed MAIX Bit开发板通过UART与STM32通信，主要完成：

1. 药盒模板训练（5次采样取均值）
2. 实时图像特征提取
3. 形状分类结果输出

通信协议设计为：

code复制[Start][Length][CMD][Data][CRC]

• Start：0xAA
• Length：数据长度
• CMD：0x01训练/0x02识别
• Data：图像数据或结果
• CRC：校验和

4. 系统调试与优化

4.1 常见问题排查

4.2 性能优化技巧

1. 图像处理优化：

   • 采用Q格式定点数运算替代浮点
   • 使用STM32的CRC硬件加速校验
   • 开启I-Cache和D-Cache

2. 电源管理：

   • 添加100μF钽电容滤波
   • 电机电源与逻辑电源隔离
   • 选用ME6211-3.3稳压芯片

3. 机械结构改进：

   • 增加药盒导向槽
   • 采用橡胶减震垫
   • 优化分拣臂杠杆比

5. 实测数据与效果

经过200次测试得到以下数据：

系统功耗表现：

• 待机状态：0.5W
• 识别过程：3.2W
• 分拣动作：8.5W（峰值）

在实际药房环境中，该系统可替代2-3名人工分拣员的工作量，投资回收期约6个月。我们特别设计了分拣异常报警功能，当连续3次识别失败时会触发声光报警，并记录错误图像供后期分析。