CN111739622B - 医疗废弃物在线监控与预测方法及系统 - Google Patents

Abstract

本发明实施例提供一种医疗废弃物在线监控与预测方法，包括：收集，运输和处理医疗废弃物，并采集医疗废弃物回收、运输、存储的过程信息；根据过程信息进行医疗废弃物分类统计，并根据所统计的历史数据以及预测算法预测不同种类医疗废弃物的产量；根据过程信息进行预警统计分类，并根据各预警类型的数据特征以及机器学习算法预测触发各类预警事件的概率；查询及管理过程信息以及统计数据。该系统能够全程监控医废回收处理过程，并通过对数据进行统计分析，预测不同种类医疗废弃物的产量及区域分布特点，为医废运输仓储制定精准策略提供依据，并能够根据各预警类型的数据特征预测触发各类预警事件的概率，为高发预警管理措施提供指导意义。

Description

医疗废弃物在线监控与预测方法及系统

技术领域

本发明涉及医疗废弃物处理技术领域，尤其是涉及一种医疗废弃物在线监控与预测方法及系统。

背景技术

医疗废弃物是指医疗机构在医疗、预防、保健以及其他相关活动中产生的具有直接或间接感染性、毒性以及其他危害性的废弃物，具体包括感染性、病理性、损伤性、药物性、化学性废弃物。这些废弃物含有大量的细菌性病毒，而且有一定的空间污染、急性病毒传染和潜伏性传染的特征，如不加强管理、随意丢弃，任其混入生活废弃物、流散到人们生活环境中，就会污染大气、水源、土地以及动植物，造成疾病传播，严重危害人的身心健康。

然而，现有的医废处理系统仍存在着比较多的弊端，一般情况下，在医院医疗废弃物的回收管理工作中，虽然有了电子交接，但是却并未对医疗废弃物产量以及预警事件做到很好的预测监控。医疗废弃物的产量很可能随着季节性，地区性以及气候等因素的影响而产生变化，但现有技术中，却未能对医疗废弃物产量很好的预测，并作出合理的调整对策。在医疗废弃物的运输及存储过程，仍然存在着各种预警事故隐患，若不能及时发现并处理，将会造成严重的损失，对预警事故进行统计及预测，并应对区域性高发事故采取相应的管理措施，有着非常重要的意义。

发明内容

本发明的目的在于改变现有医疗废弃物监控系统中的不足，提供了一种医疗废弃物在线监控与预测方法及系统。

一方面，本发明实施例提供了一种医疗废弃物在线监控与预测方法，包括：

收集，运输和处理医疗废弃物，并采集医疗废弃物回收、运输以及存储的过程信息；

根据过程信息进行医疗废弃物分类统计，并根据所统计的历史数据以及预测算法预测不同种类医疗废弃物的产量；

根据过程信息进行预警统计分类，并根据各预警类型的数据特征以及机器学习算法预测触发各类预警事件的概率；

查询及管理过程信息以及统计数据。

进一步地，收集，运输和处理医疗废弃物，并采集医疗废弃物回收、运输以及存储的过程信息，具体包括：

收集医疗废弃物，获取收集信息，该收集信息包括以下至少一个：医废类型，收集医废重量，收集图像和/或视频，时间，地点，负责人；

运输医疗废弃物，实时获取运输信息，该运输信息包括以下至少一个：运输医废重量，运输图像和/或视频，运输轨迹，运输交接人；

存储医疗废弃物，获取仓储信息，该仓储信息包括以下至少一个：入库医废重量，入库时间，出库医废重量，出库时间，仓储图像和/或视频，仓库环境参数，分类仓细菌浓度，入库交接人；

处理医疗废弃物，获取处理信息，该处理信息包括以下至少一个：处理医废重量，处理时间，处理地点，处理交接人。

进一步地，根据过程信息进行医疗废弃物分类统计，并根据所统计的历史数据以及预测算法预测不同种类医疗废弃物的产量，具体包括：

根据医院地址以及医废类型对采集的数据进行分组，统计对应的收集医废重量；

计算当前时间距离上次进行医废处理的时间间隔，标记为处理周期；

获取各医院的病床数，每个处理周期的病床利用率以及就诊人次；

将各医院按照等级进行标记；

针对上述数据进行特征提取，采用回归预测算法预测下个处理周期各医院对应的各医废类型的收集医废重量。

进一步地，根据过程信息进行预警统计分类，具体包括以下至少一个预警类型：

破损预警，根据获取的收集图像和/或视频，运输图像和/或视频以及仓储图像和/或视频信息监测医疗废弃物有无破损，若存在破损，启动报警装置，并记录预警信息；

重量偏差预警，实时监测获取的收集医废重量，运输医废重量，入库医废重量以及出库医废重量是否存在偏差，若存在偏差，启动报警装置，并记录预警信息；

轨道偏离预警，实时监测运输医废车辆的运输轨迹，若运输轨迹严重偏离预定路线时，启动报警装置，并记录预警信息；

超时预警，根据获取的入库时间计算医疗废弃物的存储时长，若超出预定时长，启动报警装置，并记录预警信息；

环控预警，实时监测仓库环境参数，若仓库环境参数超出预定参数值，启动报警装置，并记录预警信息，仓库环境参数包括以下至少一个：温度，湿度；

细菌超标预警，实时监测分类仓细菌浓度，若分类仓细菌浓度超出预定细菌浓度值，启动报警装置，并记录预警信息。

进一步地，根据各预警类型的数据特征以及机器学习算法预测触发各类预警事件的概率，具体包括：

计算当前时间距离上次进行医废处理的时间间隔，标记为处理周期；

统计各医院每个处理周期的各医废类型中所触发的各类预警事件的数量及对应的医废重量；

计算各医院每个处理周期的各医废类型中所触发的各类预警事件的概率；

记录预警事件发生时的天气情况；

将医疗废弃物按照细菌含量百分比划分等级进行标记；

将医疗废弃物分别按形态，毒性等级以及腐蚀性进行标记；

将各医院按照等级进行标记；

针对上述数据进行特征提取，采用机器学习算法预测各医废类型触发不同类型预警事件的概率。

另一方面，本发明实施例还提供了一种医疗废弃物在线监控与预测系统，包括：废弃物回收处理单元，数据处理单元以及交互单元；

废弃物回收处理单元，用于收集，运输和处理医疗废弃物，采集医疗废弃物回收、运输以及存储的过程信息，并通过无线通信设备将信息数据传输至数据处理单元以及交互单元；

数据处理单元包括预测分析模块以及预警分析模块；

预测分析模块用于根据废弃物回收处理单元采集的过程信息进行医疗废弃物分类统计，并根据所采集的历史数据以及预测算法预测不同种类所述医疗废弃物的产量；

预警分析模块用于根据废弃物回收处理单元采集的过程信息进行预警统计分类，并根据各预警类型的数据特征以及机器学习算法预测触发各类预警事件的概率；

交互单元包括电脑端以及移动终端，用于查询及管理废弃物回收处理单元和数据处理单元的过程信息以及统计数据。

进一步地，废弃物回收处理单元包括医废收集端，医废运输端，医废仓储端，医废处理端以及信息监测模块，信息监测模块用于实时监测医废收集端，医废运输端，医废仓储端以及医废处理端的医疗废弃物相关信息数据，并实时传送至数据处理单元以及交互单元；

信息监测模块包括预警监测模块，预警监测模块用于监测医疗废弃物相关信息数据异常时，启动报警装置，并将预警信息传送至数据处理单元以及交互单元。

进一步地，预警监测模块包括以下至少一个预警模块：破损预警模块，重量偏差预警模块，轨道偏离预警模块，超时预警模块，环控预警模块以及细菌超标预警模块。

进一步地，医废收集端包括废弃物收集装置以及信息标签打印装置，废弃物收集装置实时监测装置内废弃物重量，当废弃物重量高于预设值时，废弃物收集装置给出提示信息；信息标签打印装置用于打印记录当前医废信息的信息标签，信息标签固定于医疗废弃物外表面。

进一步地，信息标签为条形码，二维码，电子标签以及文字信息中的任一种或多种，移动终端通过识别信息标签，自动获取医疗废弃物的当前信息。

上述技术方案具有如下有益效果：本发明提出的医疗废弃物在线监控与预测方法及系统，实现了对医疗废弃物收集，运输以及处理全过程的实时监测，同时对监测数据进行统计和分析，预测各区域定点医院产生医疗废弃物的产量及分布特点，为制定更精准的收集运输策略提供依据。新增医废预警分析，对医废预警数据进行分类统计以及分析，能够根据各预警事件的数据特征对预警事件进行事故概率预测，为针对高发预警类型制定合理的管理措施起到重要的指导意义。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是示出根据本发明一个实施例的医疗废弃物在线监控与预测方法的流程图；

以及

图2是示出根据本发明一个实施例的医疗废弃物在线监控与预测系统的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为了更好地理解本发明，下面结合图1至图2对本发明实施例提供的医疗废弃物在线监控与预测方法及系统进行详细描述。应注意，这些实施例并不是用来限制本发明公开的范围。

本发明提供了一种医疗废弃物在线监控与预测方法，如图1所示，图1为本发明实施例提供的医疗废弃物在线监控与预测方法的流程图，该方法具体可以包括：

步骤S101：收集，运输和处理医疗废弃物，并采集医疗废弃物回收、运输以及存储的过程信息。

可选的，在本方案中，步骤S101具体可以包括：

收集医疗废弃物，获取收集信息，该收集信息包括以下至少一个：医废类型，收集医废重量，收集图像和/或视频，时间，地点，负责人。

运输医疗废弃物，实时获取运输信息，该运输信息包括以下至少一个：运输医废重量，运输图像和/或视频，运输轨迹，运输交接人。

存储医疗废弃物，获取仓储信息，该仓储信息包括以下至少一个：入库医废重量，入库时间，出库医废重量，出库时间，仓储图像和/或视频，仓库环境参数，分类仓细菌浓度，入库交接人。

处理医疗废弃物，获取处理信息，该处理信息包括以下至少一个：处理医废重量，处理时间，处理地点，处理交接人。

步骤S102：根据过程信息进行医疗废弃物分类统计，并根据所统计的历史数据以及预测算法预测不同种类医疗废弃物的产量。

可选的，在本方案中，步骤S102具体可以包括：

根据医院地址以及医废类型对采集的数据进行分组，统计对应的收集医废重量。

计算当前时间距离上次进行医废处理的时间间隔，标记为处理周期。

获取各医院的病床数，每个处理周期的病床利用率以及就诊人次。

将各医院按照等级进行标记。具体地，可以按照医院的规模划分等级，也可以按照每处理周期产出医疗废弃物重量划分等级，一共可以分为9个等级。

针对上述数据进行特征提取，采用回归预测算法预测下个处理周期各医院对应的各所述医废类型的医废重量。具体地，可以根据各医院等级，各医院病床数、上个处理周期的病床利用率、上个处理周期就诊人次、医废类型、各医废类型对应的上个处理周期医废重量、各医废类型前四个处理周期的医废重量均值以及当前季节等作为数据特征，并采用回归预测算法预测下个处理周期各医院对应的各医废类型的医废重量，并通过预测各医院的不同医废类型所产出的医废重量，分析各区域各医院医废类型的分布特点，从而为制定更合理的医废运输及仓储策略提供依据。

可选的，回归预测算法可以为多元线性回归预测算法。

具体可以包括：

（1）根据提取的特征数据，进行数据预处理，主要包括数据清洗、数据统计以及数据标注等工作。

（2）划分训练集和测试集，利用训练数据进行多元线性回归模型训练，将测试集的预测结果和实际结果进行比较。

（3）训练过程采用均方误差MSE作为模型的性能度量，根据均方误差MSE进行参数调节，经过多次迭代得到相对较优的模型参数。

（4）对预测结果进行评估，以均方误差MSE值作为评估系数，其MSE值越小，模型拟合效果越好。

（5）进行线上测试，根据测试结果进行相应的调整。

步骤S103：根据过程信息进行预警统计分类，并根据各预警类型的数据特征以及机器学习算法预测触发各类预警事件的概率。

可选的，在本方案中，根据过程信息进行预警统计分类，具体包括以下至少一个预警类型：

破损预警，根据获取的收集图像和/或视频，运输图像和/或视频以及仓储图像和/或视频等信息监测医疗废弃物有无破损，若存在破损，启动报警装置，并记录预警信息。

重量偏差预警，实时监测获取的收集医废重量，运输医废重量，入库医废重量以及出库医废重量是否存在偏差，若存在偏差，启动报警装置，并记录预警信息。

轨道偏离预警，实时监测运输医废车辆的运输轨迹，若运输轨迹严重偏离预定路线时，启动报警装置，并记录预警信息。

超时预警，根据获取的入库时间计算医疗废弃物的存储时长，若超出预定时长，启动报警装置，并记录预警信息。

环控预警，实时监测仓库环境参数，若仓库环境参数超出预定参数值，启动报警装置，并记录预警信息，仓库环境参数包括以下至少一个：温度，湿度。

细菌超标预警，实时监测分类仓细菌浓度，若分类仓细菌浓度超出预定细菌浓度值，启动报警装置，并记录预警信息。

可选的，在本方案中，步骤S103具体可以包括：

计算当前时间距离上次进行医废处理的时间间隔，标记为处理周期；

统计各医院每个处理周期的各医废类型中所触发的各类预警事件的数量及对应的医废重量。具体地，统计每个医院在每个处理周期中的每个医废类型中所触发的所有类型的预警事件的数量以及对应所发生预警事件中的医疗废弃物的重量。

计算各医院每个处理周期的各医废类型中所触发的各类预警事件的概率。具体地，可以为计算每个医院在每个处理周期中的每个医废类型中所触发的各类预警事件占所有触发的预警事件的比值。

记录预警事件发生时的天气情况。具体地，天气标记可以分为晴天，阴天，雨天，雪天等。

将医疗废弃物按照细菌含量百分比划分等级进行标记。具体地，可以标记为高细菌含量，中细菌含量以及低细菌含量。

将医疗废弃物分别按形态，毒性等级，腐蚀性进行标记。具体地，按形态可以标记为液态，固态以及粉态等。按毒性可以标记为重度毒性，轻度毒性以及无毒性。按腐蚀性可以标记为高腐蚀性，低腐蚀性以及无腐蚀性等。

将各医院按照等级进行标记。具体地，可以按照医院的规模划分等级，也可以按照每处理周期产出医疗废弃物重量划分等级，一共可以分为9个等级。

针对上述数据进行特征提取，采用机器学习算法预测各所述医废类型触发不同类型预警事件的概率。具体地，可以根据各医院等级、医废类型、医疗废弃物形态、医疗废弃物毒性、医疗废弃物腐蚀性、医疗废弃物细菌含量等级、各医废类型在上个处理周期触发同类型预警事件的医废重量、各医废类型在上个处理周期触发同类型预警事件的概率、各医废类型前四个处理周期触发同类型预警事件的概率均值以及预警事件发生时的天气情况等作为预测过程的数据特征，采用机器学习算法预测各医废类型触发不同类型预警事件的概率。通过对各医院不同医废类型所触发的各类预警事件的概率进行预测，能够预先分析初重点高发预警事件以及高危医废类型，进而为医疗废弃物的监管措施提供了有利的数据支撑。

可选的，机器学习算法可以为GBDT算法。

具体可以包括：

（1）根据提取的特征数据，进行数据预处理，主要包括数据清洗、数据统计以及数据标注等工作。

（2）采用单特征训练进行特征选择，选择影响较大的特征进行模型训练。

（3）划分验证集，训练模型，先以默认参数进行模型训练，再采用网格搜索法对模型超参数进行调节，迭代训练得到相对较优的模型。

（4）模型验证，以决定系数R2和均方误差MSE值作为模型评估系数，并利用验证集进行模型验证，其中R2值越大，MSE值越小，模型拟合效果越好；

（5）进行线上测试，根据测试结果进行相应的调整。

步骤S104：查询及管理所述过程信息以及统计数据。具体地，可以通过交互设备显示，查询以及管理所采集的过程信息以及统计预测的相关数据。

本发明还提供了一种医疗废弃物在线监控与预测系统，包括：废弃物回收处理单元10，数据处理单元20以及交互单元30；

废弃物回收处理单元10，用于收集，运输和处理医疗废弃物，采集医疗废弃物回收、运输、存储的过程信息，并通过无线通信设备将信息数据传输至数据处理单元20以及交互单元30。

数据处理单元20包括预测分析模块以及预警分析模块。预测分析模块用于根据废弃物回收处理单元10采集的过程信息进行医疗废弃物分类统计，并根据所采集的历史数据以及预测算法预测不同种类医疗废弃物的产量。

具体地，预测分析模块对所采集的医疗废弃物回收的过程信息进行统计，统计数据可依据多个维度进行多种类型图表的展示，可以包括废弃物分类，区域，时间，机构，废弃物产量等。根据各个区域定点医院所产生的医疗废弃物类型及产量的分布规律，预测下一时段的产出，并根据预测结果制定更为精准的回收运输仓储策略。其中，医疗废弃物的类型可以包括感染性废物，病理性废物，损伤性废物，药物性废物，化学性废物等。

预警分析模块用于根据废弃物回收处理单元10采集的过程信息进行预警统计分类，并根据各预警类型的数据特征以及机器学习算法预测触发各类预警事件的概率。

具体地，根据预警监测所获得的预警数据，进行多个维度多种类型图表的展示，可以包括预警事件类型，区域，时间，机构，预警事件数量等。根据各预警类型的数据特征对预警事件发生概率进行预测。通过对预警类型的高发性分析，可以制定更为有效的预警事件防范管理措施。

交互单元30包括电脑端以及移动终端，用于查询及管理废弃物回收处理单元10和数据处理单元20的过程信息以及统计数据。

具体地，用户可以通过电脑端软件以及移动终端上的APP对废弃物回收处理单元10和数据处理单元20上的相关数据进行查询以及管理，通过交互单元30，可以新增，修改，删除各模块数据，并查询历史数据以及每个医疗废弃物回收运输及处理的具体全过程。其中，移动终端可以为手机，平板电脑等硬件设备。

可选的，在本方案中，废弃物回收处理单元10可以包括医废收集端，医废运输端，医废仓储端，医废处理端以及信息监测模块，信息监测模块用于实时监测医废收集端，医废运输端，医废仓储端以及医废处理端的医疗废弃物相关信息数据，并实时传送至数据处理单元20以及交互单元30。

信息监测模块包括预警监测模块，预警监测模块用于监测医疗废弃物相关信息数据异常时，启动报警装置，并将预警信息传送至数据处理单元20以及交互单元30。

具体地，医疗废弃物通过医废收集端进行打包收集，通过医废运输端将医疗废弃物运输至医废仓储端，再通过医废运输端将医疗废弃物运输至医废处理端。信息监测模块分别通过传感器，摄像头等设备电连接于医废收集端，医废运输端，医废仓储端以及医废处理端，并通过无线通信设备将所监测到的数据传输至数据处理单元20以及交互单元30。

医废收集端可以电连接重力传感器以及摄像头，实时监测医废收集端内部医疗废弃物的重量，并记录医疗废弃物送出时的状态。

医废运输端可以电连接重力传感器，定位装置以及摄像头，实时监测运输过程中医疗废弃物的重量以及状态，并实时定位医废运输端的运输轨迹。

医废仓储端可以电连接摄像头，温湿度传感器和细菌检测装置，实时监控医废仓储端内的医疗废弃物状态，以及医废仓储端的内部温度，湿度以及细菌浓度等，医废仓储端还可以包括多个分类仓，用于分别存放不同种类的医疗废弃物，每个分类仓可以电连接可以电连接摄像头，温湿度传感器以及细菌检测装置，用于分别实时监测每个分类仓内部的医疗废弃物状态，分类仓内部的温度，湿度以及细菌浓度等。

医废处理端的接收处可以电连接摄像头和重力传感器，实时监测医疗废弃物在医废处理端接收时的重量以及状态。

可选的，在本方案中，预警监测模块可以包括以下至少一个预警模块：破损预警模块，重量偏差预警模块，轨道偏离预警模块，超时预警模块，环控预警模块以及细菌超标预警模块。

具体地，破损预警模块通过分别连接于医废收集端，医废运输端，医废仓储端以及医废处理端的摄像头获取图片和/或视频信息，识别医疗废弃物包装是否有破损，若存在破损，启动报警装置，并将预警信息传送至数据处理单元20。

重量偏差预警模块通过分别连接于医废收集端，医废运输端，医废仓储端以及医废处理端的重力传感器获得医疗废弃物的重量信息，并判断各阶段重量信息是否有差异，若存在偏差，启动所述报警装置，并将预警信息传送至数据处理单元20。

轨道偏离预警模块通过连接于医废运输端的定位装置实时监控医废运输端的运输轨迹，若运输轨迹严重偏离预定路线时，启动报警装置，并将预警信息传送至数据处理单元20。

超时预警模块通过连接于医废仓储端的摄像头获得医疗废弃物入库时间，计算医疗废弃物的存储时长，若超出预定时长，启动报警装置，并将预警信息传送至数据处理单元20。

环控预警模块通过连接于医废仓储端内部的温湿度传感器获得医废仓储端内部的温度和湿度，若医废仓储端的温度和/或湿度超出预定参数值，启动所述报警装置，并将预警信息传送至数据处理单元20。

细菌超标预警模块通过连接于医废仓储端内部的温湿度传感器获得医废仓储端内部的细菌检测装置，实时监测医废仓储端内部的细菌浓度，若仓储端内部的细菌浓度超出预定细菌浓度值，启动所述报警装置，并将预警信息传送至数据处理单元20。

可选的，在本方案中，医废收集端包括废弃物收集装置以及信息标签打印装置，废弃物收集装置实时监测装置内废弃物重量，当废弃物重量高于预设值时，废弃物收集装置给出提示信息。信息标签打印装置用于打印记录当前医废信息的信息标签，信息标签固定于医疗废弃物外表面。

具体地，医废收集端可以包括废弃物收集装置以及信息标签打印装置，废弃物收集装置的底部装有重力传感器，实时监测废弃物装置内部的医疗废弃物的重量，当废弃物重量高于预设值时，废弃物收集装置给出提示信息。可选地，废弃物收集装置内侧壁可以装有红外感应装置，实时监测废弃装置内部的医疗废弃物的高度，当废弃物高度高于红外装置所在位置时，废弃物收集装置给出提示信息。

可选的，在本方案中，信息标签可以为条形码，二维码，电子标签以及文字信息中的任一种或多种，移动终端通过识别信息标签，自动获取医疗废弃物的当前信息。

具体地，移动终端可以为手机，平板电脑等设备，移动终端通过摄像头将信息标签进行拍照或扫描识别，通过识别信息标签，移动终端可自动获取医疗废弃物的当前信息，当前信息可以包括重量，时间，地点，交接人等信息。

可选的，在本方案中，数据处理单元20还可以包括查询模块，查询模块用于对废弃物回收处理单元以及数据处理单元的相关数据进行查询，查询模块可以包括以下至少一个查询功能：单位查询、医废查询、地图查询、设备查询、医废收集信息查询、医废入库信息查询、医废出库信息查询以及预警信息查询。

根据本发明实施例的医疗废弃物在线监控与预测方法及系统，实时监控医疗废弃物的收集，运输，存储以及回收过程，对医疗废弃物进行分类统计，能够根据不同区域各定点医院的医疗废弃物的统计，预测各医院对应的各医废类型的医废重量以及分布规律，为工作人员规划更精准的医废运输及医废仓储策略提供依据。同时通过对预警事件进行统计分析，能够针对各类预警事件的数据特征预测各医废类型触发不同类型预警事件的概率，并通过分析预警事件的高发类型，能够为工作人员制定预警事件管理措施提供指导意义。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包括在本发明的保护范围之内。

Claims (8)

1.一种医疗废弃物在线监控与预测方法，其特征在于，所述方法包括：

收集，运输和处理医疗废弃物，并采集医疗废弃物回收、运输以及存储的过程信息，所述过程信息包括：医废类型以及医废重量；

根据所述过程信息进行医疗废弃物分类统计，并根据所统计的历史数据以及预测算法预测不同种类所述医疗废弃物的产量；

所述根据所述过程信息进行医疗废弃物分类统计，并根据所统计的历史数据以及预测算法预测不同种类所述医疗废弃物的产量，具体包括：根据医院地址以及所述医废类型对采集的数据进行分组，统计对应的所述医废重量；计算当前时间距离上次进行医废处理的时间间隔，标记为处理周期；获取各医院的病床数，每个所述处理周期的病床利用率以及就诊人次；将各医院按照等级进行标记；根据各医院等级，所述各医院的病床数、上个处理周期的所述病床利用率、上个处理周期所述就诊人次、所述医废类型、各所述医废类型对应的上个处理周期所述医废重量、各所述医废类型前四个处理周期的所述医废重量均值以及当前季节等作为数据特征，并采用回归预测算法预测下个处理周期各医院对应的各所述医废类型的所述医废重量；

所述回归预测算法为多元线性回归预测算法，选取均方误差MSE确定医废重量预测模型的系数；

根据所述过程信息进行预警统计分类，并根据各预警类型的数据特征以及机器学习算法预测触发各类预警事件的概率；

所述根据所述过程信息进行预警统计分类，并根据各预警类型的数据特征以及机器学习算法预测触发各类预警事件的概率，具体包括：计算各医院每个所述处理周期的各所述医废类型中所触发的各类所述预警事件的概率；记录所述预警事件发生时的天气情况；将所述医疗废弃物按照细菌含量百分比划分等级进行标记；将所述医疗废弃物分别按形态，毒性等级以及腐蚀性进行标记；将各医院按照等级进行标记；针对上述数据进行特征提取，采用机器学习算法预测各所述医废类型触发不同类型预警事件的概率；

所述机器学习算法为GBDT算法，选取决定系数R2和均方误差MSE共同确定预警事件概率预测模型的系数；

查询及管理所述过程信息以及统计数据。

2.根据权利要求1所述的医疗废弃物在线监控与预测方法，其特征在于，所述收集，运输和处理医疗废弃物，并采集所述医疗废弃物回收、运输以及存储的过程信息，具体包括：

收集医疗废弃物，获取收集信息，所述收集信息包括以下至少一个：医废类型，收集医废重量，收集图像和/或视频，时间，地点，负责人；

运输医疗废弃物，实时获取运输信息，所述运输信息包括以下至少一个：运输医废重量，运输图像和/或视频，运输轨迹，运输交接人；

存储医疗废弃物，获取仓储信息，所述仓储信息包括以下至少一个：入库医废重量，入库时间，出库医废重量，出库时间，仓储图像和/或视频，仓库环境参数，分类仓细菌浓度，入库交接人；

处理医疗废弃物，获取处理信息，所述处理信息包括以下至少一个：处理医废重量，处理时间，处理地点，处理交接人。

3.根据权利要求2所述的医疗废弃物在线监控与预测方法，其特征在于，所述根据所述过程信息进行预警统计分类，具体包括以下至少一个所述预警类型：

破损预警，根据获取的所述收集图像和/或视频，所述运输图像和/或视频以及所述仓储图像和/或视频信息监测所述医疗废弃物有无破损，若存在破损，启动报警装置，并记录预警信息；

重量偏差预警，实时监测获取的所述收集医废重量，所述运输医废重量，所述入库医废重量以及所述出库医废重量是否存在偏差，若存在偏差，启动所述报警装置，并记录预警信息；

轨道偏离预警，实时监测运输医废车辆的所述运输轨迹，若所述运输轨迹严重偏离预定路线时，启动所述报警装置，并记录预警信息；

超时预警，根据获取的所述入库时间计算所述医疗废弃物的存储时长，若超出预定时长，启动所述报警装置，并记录预警信息；

环控预警，实时监测所述仓库环境参数，若所述仓库环境参数超出预定参数值，启动所述报警装置，并记录预警信息，所述仓库环境参数包括以下至少一个：温度，湿度；

细菌超标预警，实时监测所述分类仓细菌浓度，若所述分类仓细菌浓度超出预定细菌浓度值，启动所述报警装置，并记录预警信息。

4.一种医疗废弃物在线监控与预测系统，其特征在于，包括：废弃物回收处理单元（10），数据处理单元（20）以及交互单元（30）；

所述废弃物回收处理单元（10），用于收集，运输和处理医疗废弃物，采集所述医疗废弃物回收、运输以及存储的过程信息，所述过程信息包括：医废类型以及医废重量，并通过无线通信设备将信息数据传输至所述数据处理单元（20）以及所述交互单元（30）；

所述数据处理单元（20）包括预测分析模块以及预警分析模块；

所述预测分析模块用于根据所述废弃物回收处理单元（10）采集的过程信息进行医疗废弃物分类统计，并根据所采集的历史数据以及预测算法预测不同种类所述医疗废弃物的产量；

其中，所述预测分析模块具体用于：

根据医院地址以及所述医废类型对采集的数据进行分组，统计对应的所述医废重量；计算当前时间距离上次进行医废处理的时间间隔，标记为处理周期；获取各医院的病床数，每个所述处理周期的病床利用率以及就诊人次；将各医院按照等级进行标记；根据各医院等级，所述各医院的病床数、上个处理周期的所述病床利用率、上个处理周期所述就诊人次、所述医废类型、各所述医废类型对应的上个处理周期所述医废重量、各所述医废类型前四个处理周期的所述医废重量均值以及当前季节等作为数据特征，并采用回归预测算法预测下个处理周期各医院对应的各所述医废类型的所述医废重量；

所述回归预测算法为多元线性回归预测算法，选取均方误差MSE确定医废重量预测模型的系数；

所述预警分析模块用于根据所述废弃物回收处理单元（10）采集的过程信息进行预警统计分类，并根据各预警类型的数据特征以及机器学习算法预测触发各类预警事件的概率；

其中，所述预警分析模块具体用于：

计算各医院每个所述处理周期的各所述医废类型中所触发的各类所述预警事件的概率；记录所述预警事件发生时的天气情况；将所述医疗废弃物按照细菌含量百分比划分等级进行标记；将所述医疗废弃物分别按形态，毒性等级以及腐蚀性进行标记；将各医院按照等级进行标记；针对上述数据进行特征提取，采用机器学习算法预测各所述医废类型触发不同类型预警事件的概率；

所述机器学习算法为GBDT算法，选取决定系数R2和均方误差MSE共同确定预警事件概率预测模型的系数；

所述交互单元（30）包括电脑端以及移动终端，用于查询及管理所述废弃物回收处理单元（10）和所述数据处理单元（20）的所述过程信息以及统计数据。

5.根据权利要求4所述的医疗废弃物在线监控与预测系统，其特征在于，所述废弃物回收处理单元（10）包括医废收集端，医废运输端，医废仓储端，医废处理端以及信息监测模块，所述信息监测模块用于实时监测所述医废收集端，所述医废运输端，所述医废仓储端以及所述医废处理端的所述医疗废弃物相关信息数据，并实时传送至所述数据处理单元（20）以及所述交互单元（30）；

所述信息监测模块包括预警监测模块，所述预警监测模块用于监测所述医疗废弃物相关信息数据异常时，启动报警装置，并将预警信息传送至所述数据处理单元（20）以及所述交互单元（30）。

6.根据权利要求5所述的医疗废弃物在线监控与预测系统，其特征在于，所述预警监测模块包括以下至少一个预警模块：破损预警模块，重量偏差预警模块，轨道偏离预警模块，超时预警模块，环控预警模块以及细菌超标预警模块。

7.根据权利要求5所述的医疗废弃物在线监控与预测系统，其特征在于，所述医废收集端包括废弃物收集装置以及信息标签打印装置，所述废弃物收集装置实时监测装置内废弃物重量，当所述废弃物重量高于预设值时，所述废弃物收集装置给出提示信息；所述信息标签打印装置用于打印记录当前医废信息的信息标签，所述信息标签固定于所述医疗废弃物外表面。

8.根据权利要求7所述的医疗废弃物在线监控与预测系统，其特征在于，所述信息标签为条形码，二维码，电子标签以及文字信息中的任一种或多种，所述移动终端通过识别所述信息标签，自动获取所述医疗废弃物的当前信息。

Images