#每日一篇学术文章# 【Lightweight Hand Acupoint Recognition Based on Middle Finger Cun Measurement】（基于中指寸测量的轻量级手部穴位识别）http://t.cn/AXUa3kFk
穴位疗法在多种疾病的预防和治疗中发挥着至关重要的作用。准确高效的智能穴位识别方法对于提升具身智能机器人在穴位按摩及相关应用中的操作能力至关重要。本文提出了一种基于中指寸测量的轻量级手部穴位识别（LHAR）方法。首先，为了获得用于快速定位手部区域的轻量级模型，本文在部分卷积门控正则化单元和高效共享卷积检测头设计的基础上，提出了一种基于轻量级高效共享卷积检测头的改进型YOLO11算法（YOLO11-SH）。其次，根据中医理论，建立了一种基于中指寸测量的穴位位置关系确定方法。随后，利用MediaPipe算法提取手部的21个关键点，并以此为参考点，通过位置关系确定方法提取中指寸的特征。然后，采用基于偏移量的定位方法，利用提取的中指寸特征实现穴位的精确识别。与五个具有代表性的轻量级模型进行的对比实验表明，YOLO11-SH 的mAP@0.5达到97.3%，参数量为 1.59 × 10⁶ ，计算量为3.9 × 10⁹ FLOPs，模型大小为 3.4 MB，推理速度为 325.8 FPS，在识别精度和模型效率方面均优于对比方法。穴位识别实验结果表明，LHAR 的总体识别精度达到 94.49%。不同穴位的平均归一化位移误差在 0.036 至 0.105 之间，均在 ≤ 0.15 的误差阈值范围内。最后，将 LHAR 集成到机器人平台中，并进行了机器人按摩实验以验证 LHAR 的有效性。

来源：IET Cyber-Systems and Robotics