Застосування штучного інтелекту і обробка зображень у мобільній системі для керування комплектом критичних ресурсів (на прикладі особистої аптечки)

Автор(и)

  • Є. М. Федорченко Національний університет «Запорізька політехніка» , Україна
  • А. О. Олійник Національний університет «Запорізька політехніка» , Україна
  • К. С. Паничук Національний університет «Запорізька політехніка» , Україна
  • Т. А. Зайко Національний університет «Запорізька політехніка» , Україна
  • О. О. Степаненко Національний університет «Запорізька політехніка» , Україна
  • Ю. В. Федорченко Національний університет «Запорізька політехніка» , Україна
  • Т. В. Федорончак Національний університет «Запорізька політехніка» , Україна

DOI:

https://doi.org/10.35681/1560-9189.2025.27.2.345675

Ключові слова:

облік медикаментів, універсальна аптечка, розпізнавання паковань, мобільний застосунок, .NET MAUI, Python

Анотація

Розроблено мобільний застосунок для обліку лікарських засобів в універсальній аптечці, призначений для спрощення керування запасами медикаментів, контролю термінів придатності та нагадування про приймання препаратів. Основною метою дослідження є створення інтелектуальної системи, що забезпечує автоматичне розпізнавання лікарських засобів за зображенням паковання та зберігання даних про ліки та їхнього приймання. Для реалізації функції розпізнавання було розроблено модифіковану згорткову нейронну мережу MediPackNet, яка досягла точності 92 % та успішно класифікувала всі 5 тестових зображень ліків. Отримані результати продемонстрували ефективність моделі на рівні з 6 відомими архітектурами. Мобільний застосунок і серверну час-тину створено із використанням .NET MAUI та Python. У програмі реа-лізовано методи шифрування AES і RSA, та їхнє гібридне поєднання, яке продемонструвало найвищий рівень безпеки при передачі даних. Запропоноване програмне забезпечення дозволяє ефективно керувати запасами медикаментів, сприяє раціональному використанню ресурсів і під-вищує дотримання лікарських рекомендацій. Крім того, застосування програми впливає на довкілля — допомагає зменшити кількість небезпечних відходів, що виникають через неналежне зберігання або утилізацію прострочених препаратів.

Посилання

Mobile Apps for Increasing Treatment Adherence: Systematic Review / V. Perez-Jover et al. Journal of Medical Internet Research. 2019. Vol. 21, no. 6. P. e12505. https://doi.org/10.2196/12505

Why Medication Dosage Monitoring Is Critical for Your Health. Texas Star Pharmacy. URL: https://www.texasstarpharmacy.com/why-medication-dosage-monitoring-is-critical-for-your-health/

Complete Overview of Medication Tracking Software. Intellectsoft Blog. URL: https://www.intellectsoft.net/blog/medication-tracking-software/

Abdulhamid M., Matongo A. Mobile Phone and Barcode Scanner. The Scientific Bulletin of Electrical Engineering Faculty. 2020. Vol. 20, no. 1. pp. 25–28. https://doi.org/10.2478/sbeef-2020-0105

Medicinal Boxes Recognition on a Deep Transfer Learning Augmented Reality Mobile Application / D. Avola et al. Image Analysis and Processing – ICIAP 2022. Cham, 2022. pp. 489–499. https://doi.org/10.1007/978-3-031-06427-2_41

Archana R., Jeevaraj P. S. E. Deep learning models for digital image processing: a review. Artificial Intelligence Review. 2024. Vol. 57, no. 1. https://doi.org/10.1007/s10462-023-10631-z

Lu L., Di L., Ye Y. A Decision-Tree Classifier for Extracting Transparent Plastic-Mulched Landcover from Landsat-5 TM Images. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. 2014. Vol. 7, no. 11. pp. 4548–4558. https://doi.org/10.1109/jstars.2014.2327226

Wu J. Efficient HIK SVM Learning for Image Classification. IEEE Transactions on Image Processing. 2012. Vol. 21, no. 10. pp. 4442–4453. https://doi.org/10.1109/tip.2012.2207392

Taherkhani A. Recognizing Sorting Algorithms with the C4.5 Decision Tree Classifier. 2010 IEEE 18th International Conference on Program Comprehension (ICPC), Braga, Portugal, 30 June – 2 July 2010. 2010. https://doi.org/10.1109/icpc.2010.11

MDCT-based 3-D texture classification of emphysema and early smoking related lung pathologies / Y. Xu et al. IEEE Transactions on Medical Imaging. 2006. Vol. 25, no. 4. pp. 464–475. https://doi.org/10.1109/tmi.2006.870889

Srensen L., Shaker S. B., de Bruijne M. Quantitative Analysis of Pulmonary Emphysema Using Local Binary Patterns. IEEE Transactions on Medical Imaging. 2010. Vol. 29, no. 2. pp. 559–569. https://doi.org/10.1109/tmi.2009.2038575

Ponnusamy R., Sathyamoorthy S., Manikandan K. A Review of Image Classification Approaches and Techniques. International Journal of Recent Trends in Engineering and Research. 2017. Vol. 3, no. 3. pp. 1–5. https://doi.org/10.23883/ijrter.2017.3033.xts7z

Pineda-Jaramillo J. D. A review of Machine Learning (ML) algorithms used for modeling travel mode choice. DYNA. 2019. Vol. 86, no. 211. pp. 32–41. https://doi.org/10.15446/dyna.v86n211.79743

Alnuaimi A. F. A. H., Albaldawi T. H. K. An overview of machine learning classification techniques. BIO Web of Conferences. 2024. Vol. 97. P. 00133. https://doi.org/10.1051/bioconf/20249700133

Medical Directory of Diseases and Medicines. Android Apps on Google Play. URL: https://play.google.com/store/apps/details?id=ru.medical.spravochnik

First aid kit. Accounting for medicines. Android Apps on Google Play. URL: https://play.google.com/store/apps/details?id=ru.decsoft.myaidkit

Medication Control. Android Apps on Google Play. URL: https://play.google.com/store/apps/details?id=ua.com.hitmax.liki

Saha S. A Guide to Convolutional Neural Networks – the ELI5 way. Saturn Cloud. URL: https://saturncloud.io/blog/a-comprehensive-guide-to-convolutional-neural-networks-the-eli5-way/

AgroAId: A Mobile App System for Visual Classification of Plant Species and Diseases Using Deep Learning and TensorFlow Lite / M. Reda et al. Informatics. 2022. Vol. 9, No. 3. P. 55. https://doi.org/10.3390/informatics9030055

Particle swarm optimization algorithm to enhance the roughness of thin film in tin coatings / O. Alshannaq et al. ARPN Journal of Engineering and Applied Sciences. 2022. Vol. 17, no. 2. pp. 186–193.

Implementation of Evolutionary Methods of Solving the Travelling Salesman Problem in a Robotic Warehouse / A. Oliinyk et al. Data-Centric Business and Applications. Cham, 2020. pp. 263–292. https://doi.org/10.1007/978-3-030-43070-2_13

Syromiatnikov A., Weyns D. A Journey through the Land of Model-View-Design Patterns. 2014 IEEE/IFIP Conference on Software Architecture (WICSA), Sydney, Australia, 7–11 April 2014. 2014. https://doi.org/10.1109/wicsa.2014.13

How do you use AES and RSA together for hybrid encryption schemes? LinkedIn. URL: https://www.linkedin.com/advice/0/how-do-you-use-aes-rsa-together-hybrid-encryption-schemes

Rudkovskyi O. R., Kirichek G. G. Interaction support system of network applications. 3rd Workshop for Young Scientists in Computer Science & Software Engineering, Kryvyi Rih, 27 November 2020. 2020. pp. 11–23.

Development of an evolutionary optimization method for financial indicators of pharmacies / А. Oliinyk et al. International Journal of Computing. 2020. Vol. 19, no. 3. pp. 449–463. https://doi.org/10.47839/ijc.19.3.1894

##submission.downloads##

Опубліковано

2025-09-16

Номер

Том 27 № 2 (2025)

Розділ

Експертні системи та підтримка прийняття рішень