面向院感防控场景的OpenMV与TinyML手卫生监测终端设计与开发.docx

PAGE

面向院感防控场景的OpenMV与TinyML手卫生监测终端设计与开发

院感科对洗手依从性的考核痛点已从事后抽查转向实时干预。采用OpenMV结合TinyML构建边缘监测终端，能在不依赖外网带宽的前提下实现每秒十帧的流水池动作识别，单台硬件成本控制在三百元以内。该架构通过模型量化压缩将推理延迟压至八十毫秒级，有效规避了视频上传引发的隐私合规风险。实际部署表明，配合红外补光与动态阈值校准，系统可在复杂病房环境中维持百分之九十二以上的准确率。院方引入此类设备后，护工操作规范性提升约百分之十八，且后续运维可完全由信息科本地化完成。

选型边界：为什么放弃云端大模型转向端侧TinyML？

算