伤口视觉：基于ESP32-CAM和计算机视觉的自动烧伤检测与分类系统
基于ESP32-CAM和计算机视觉的自动烧伤检测与分类系统，用于快速评估烧伤等级，辅助医疗决策。
基本信息
资源简介
伤口视觉：基于ESP32-CAM和计算机视觉的自动烧伤检测与分类系统
【一句话概览】
本数据集是 Mendeley Data 公开的影像数据集，收录 3 个文件、合计 5.65 MB，可用于医学图像分割、检测与分类模型的训练与评测。
【数据集背景】
本数据集源站标题为《Wound.Vision Automated Burn Detection and Classification System using ESP32-CAM and Computer Vision》。源站首次发布：2025-06-30。
【数据内容】
源站原始描述：This paper presents an open-source, low-cost system for automated detection and classification of burn wounds using an ESP32-CAM microcontroller and machine learning algorithms implemented with Edge Impulse. The system is designed to assist healthcare professionals in rapid assessment. Traditional burn assessment relies primarily on visual inspection and clinical experience, which can be subjective and time-consuming. Our prototype offers an objective, portable, and cost-effective solution that…
中文译文（机器翻译，仅供快速理解，请以原文为准）：本文介绍了一种开源、低成本系统，用于烧伤创面的自动检测与分类，该系统使用 ESP32-CAM 微控制器以及通过 Edge Impulse 实现的机器学习算法。该系统旨在帮助医护人员进行快速评估。传统的烧伤评估主要依赖目视检查和临床经验，这可能具有主观性且耗时。我们的原型提供了一种客观、便携且经济有效的解决方案，可通过使用 Edge Impulse 部署并在 Arduino IDE 中实现的训练模型来自动分类烧伤等级。该系统集成了硬件组件，包括具有 WiFi 连接的 ESP32-CAM 模块，可通过 Blynk IoT 平台将结果直接发送到医护人员的移动设备。初步验证表明，该系统具备区分不同烧伤严重程度的能力，在远程医疗、应急响应和资源有限医疗环境中具有潜在应用。
【数据结构与技术规格】
文件数 3 个，合计 5.65 MB。数据集 DOI：10.17632/3k89n4jn2p.1。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/3k89n4jn2p
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://data.mendeley.com/datasets/3k89n4jn2p
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
