Design and Experimental Evaluation of a Smart Medication Dispensing System with Multi-Stage Verification

Öz

Medication adherence remains a critical challenge in home-care settings, particularly for elderly patients and individuals undergoing long-term or multi-medication therapies. Existing smart medication dispensing systems largely rely on reminder-based strategies or single-stage validation methods, which are often insufficient to ensure correct medication type, dosage accuracy, and intake-related user actions. This study presents the design and experimental evaluation of a smart medication dispensing system employing a multi-stage verification approach to address these limitations. The proposed system integrates weight-based dosage validation, vision-based medication type and quantity identification, and a human pose–based medication intake monitoring module within a unified mechanical, electronic, and software architecture. Experimental validation is conducted using a physical prototype under realistic operating conditions. The weight-based module provides reliable dosage measurements through noise suppression and outlier filtering, while medication identification is achieved using a YOLOv11s-based model trained on a custom dataset collected from real usage scenarios. In addition, the human pose–based module qualitatively identifies visual cues associated with medication-taking actions without asserting definitive intake confirmation. The results demonstrate that the proposed system effectively supports multi-stage medication verification within a single integrated platform, offering a robust foundation for future smart home-care medication management solutions.

Anahtar Kelimeler

• Medication dispensing
• Image processing
• Multi-stage verification
• Smart healthcare systems
• Human-pose estimation

Destekleyen Kurum

None

Etik Beyan

There is no conflict of interest in this study

Çok Aşamalı Doğrulama Yapısına Sahip Akıllı Bir İlaç Dağıtım Sisteminin Tasarımı ve Deneysel Değerlendirilmesi

Öz

İlaç uyumu, özellikle evde bakım ortamlarında, yaşlı bireyler ve uzun süreli ya da çoklu ilaç tedavisi gören hastalar için kritik bir sorun olmaya devam etmektedir. Mevcut akıllı ilaç dağıtım sistemleri büyük ölçüde hatırlatıcı temelli stratejilere veya tek aşamalı doğrulama yöntemlerine dayanmaktadır ve bu yaklaşımlar çoğu zaman doğru ilaç türünün seçilmesi, dozaj doğruluğunun sağlanması ve ilaç alımına ilişkin kullanıcı davranışlarının güvenilir biçimde doğrulanması açısından yetersiz kalmaktadır. Bu çalışmada, söz konusu sınırlamaları gidermek amacıyla çok aşamalı doğrulama yaklaşımı benimseyen akıllı bir ilaç dağıtım sisteminin tasarımı ve deneysel değerlendirilmesi sunulmaktadır. Önerilen sistem; ağırlık temelli doz doğrulama, görüntü işleme tabanlı ilaç türü ve miktarı tanımlama ile insan duruşuna dayalı ilaç alım izleme modüllerini birleşik bir mekanik, elektronik ve yazılımsal mimari içerisinde bütünleştirmektedir. Deneysel doğrulama, gerçek çalışma koşullarını temsil eden fiziksel bir prototip üzerinde gerçekleştirilmiştir. Ağırlık temelli modül, gürültü bastırma ve aykırı değer eleme işlemleri sayesinde güvenilir doz ölçümleri sunarken, ilaç tanımlama işlemi gerçek kullanım senaryolarından elde edilen özel bir veri seti ile eğitilmiş YOLOv11s tabanlı bir model aracılığıyla gerçekleştirilmiştir. Buna ek olarak, insan duruşuna dayalı modül, ilacın alımına ilişkin davranışsal görsel ipuçlarını nitel olarak tespit etmekte olup, kesin bir ilaç alım doğrulaması iddiasında bulunmamaktadır. Elde edilen sonuçlar, önerilen sistemin tek bir bütünleşik platform içerisinde çok aşamalı ilaç doğrulamasını etkin biçimde desteklediğini ve gelecekteki akıllı evde bakım ilaç yönetim çözümleri için sağlam bir temel sunduğunu göstermektedir.

Anahtar Kelimeler

• İlaç dağıtımı
• Görüntü işleme
• Çok aşamaları doğrulama
• Akıllı sağlık hizmeti sistemleri
• İnsan pozu tahmini

Destekleyen Kurum

None

Etik Beyan

Bu çalışmada herhangi bir çıkar çatışması yoktur.

Kaynakça

1. [1] Jimmy B, Jose J. Patient medication adherence: measures in daily practice. Journal of Oman Medical Journal. 2011; 26 (3): 72-93.
2. [2] Davies LE, Spiers G, Kingston A, Todd A, Adamson J, Hanratty B. Adverse outcomes of polypharmacy in older people: systematic review of reviews. Journal of the American Medical Directors Association. 2020; 21 (2): 181-187.
3. [3] Lee E, Choi M. Factors associated with medication adherence among older adults with multimorbidity: A culture perspective. Geriatric Nursing. 2024; 55: 297-303.
4. [4] Sabaté E. Adherence to long-term therapies: evidence for action. World Health Organization. 2003; Geneva, Switzerland.
5. [5] Othman NB, Ek OP. Pill dispenser with alarm via smart phone notification. In 2016 IEEE 5th global conference on consumer electronics. 2016; 1-2.
6. [6] Pal P, Sambhakar S, Dave V, Paliwal SK, Paliwal S, Sharma M, Kumar A, Dhama N. A review on emerging smart technological innovations in healthcare sector for increasing patients’ medication adherence. Global Health Journal. 2021; 5 (4): 183-189.
7. [7] Gargioni L, Fogli D, Baroni P. A systematic review on pill and medication dispensers from a human-centered perspective. Journal of healthcare informatics research. 2024; 8 (2): 244-285.
8. [8] Raj AN, Kumar GS, Srinivasan V, Reddy DL, Justin BVF, Priyadharshini R. Analysis of Internet of Things based Medication Dispenser Reminder and Drug Expiration Health Monitoring and its Applications. In 2024 IEEE 4th International Conference on Sustainable Expert Systems (ICSES). 2024; 241-244.

9. [9] Singh N, Varshney U. Medication adherence: a method for designing context-aware reminders. International journal of medical informatics. 2019; 132: 241: 103980.
10. [10] Mason M, Cho Y, Rayo J, Gong Y, Harris M, Jiang Y. Technologies for medication adherence monitoring and technology assessment criteria: narrative review. JMIR Mhealth Uhealth. 2022; 10 (3): e35157.
11. [11] Jung YY, Walsh Á, Patel J, Lai K. Benefits and challenges associated with implementation and ongoing use of automated dispensing cabinet for medicines: A scoping review. Exploratory Research in Clinical and Social Pharmacy. 2025; 18: 100599.
12. [12] Alanazi MF, Shahein MI, Alsharif HM, Alotaibi SM, Alanazi AO, Alharbe UA, Almfalh HS, Amirthalingam P, Hamdan AM, Veeramani VP, Mohamed SHP, Ali MAS. Impact of automated drug dispensing system on patient safety. Pharmacy Practice. 2022; 20 (4): 2744.
13. [13] Li C, Wang J, Wang S, Zhang Y. A review of IoT applications in healthcare. Neurocomputing. 2024; 565: 127017.
14. [14] Dahmani N, Alex SA. Enhancing Medication Adherence with Chronic Diseases through IoT Technology: A Novel Approach. Procedia Computer Science. 2024; 246: 1680-1689.
15. [15] Chen Y, Li X, Jia W, Sun M. Development of an automatic measurement system for medical pills based on a PDMS capacitive sensor. Measurement. 2022; 192: 110899.
16. [16] Sivakumar S, Sridhar SS, Rajalakshmi R, Pushpalatha M, Shanmugan S, Niranjana G. Intelligent and assisted medicine dispensing machine for elderly visual impaired people with deep neural network fingerprint authentication system. Internet of Things. 2023; 23: 100821.
17. [17] Minera SR, Nuerbiya A, Espinoza A, George K, Panangadan A. Smart cup for a smart pill dispenser for verification of pill consumption. In 2023 IEEE 13th Annual Computing and Communication Workshop and Conference (CCWC). 2023; 944-998.
18. [18] Odhiambo CO, Ablonczy L, Wright PJ, Corbett CF, Reichardt S, Valafar H. Detecting medication-taking gestures using machine learning and accelerometer data collected via smartwatch technology: Instrument validation study. JMIR human factors. 2023; 10: e42714.
19. [19] Kavitha N, Madhumathy P. Real-time pill identification and classification using deep learning framework for medicine inspection systems. Discover Electronics. 2025; 2 (1): 1-24.
20. [20] Dadak MT, Şahin B, Yılmaz A, Gündüz Ş, Kağızman A, Sezer V. Design and Implementation of a Smart Medication Dispensing System with Visual and Weight-Based Verification for Patient Safety. In 2025 IEEE 16th International Conference on Electrical and Electronics Engineering (ELECO). 2025; 1-5.
21. [21] Kağızman A, Sezer V. Design and fabrication of a new chest compression device with a specialized piston and bayonet lock mechanism. Engineering Science and Technology, an International Journal. 2024; 55: 1011724.
22. [22] Song L, Yu G, Liu Z. Human pose estimation and its application to action recognition: A survey. Journal of Visual Communication and Image Representation. 2021; 76: 103055.