通过静脉输液给药、补充营养、调节体液平衡已经成为医疗工作不可避免的环节。但是目前对输液过程的监控主要还是依赖于医护人员的不定期巡视,这种不智能的方式不但加重了医护人员的工作负担,并且很容易出现因为拔针不及时而产生液管滴空或回血等情况,严重时甚至会发生空气栓塞等并发症,对患者造成巨大的伤害,加剧医患之间的矛盾。近年来随着深度学习、计算机视觉等技术的发展,输液监测设备也在不断的发展与更新。目前已经有不少的研究人员进行输液过程智能监控的研究工作,但是几乎每一种技术方法都有功能限制,不能完全解决输液过程中的问题或其他原因导致不能在医院有效推广。基于重力传感器的输液监测最主要的缺陷在于获得的剩余药液中包含输液瓶瓶身的重量,这些误差在剩余药液较少时会严重影响输液监测的效果甚至会产生误报。因此本文将基于重力传感器的输液监测系统目前存在的缺陷作为案例进行研究,利用基于深度学习的计算机视觉技术通过对输液瓶图像进行信息提取智能识别出输液瓶材质、规格和厂家从而解决因为输液瓶瓶身重量而引起的误差,完善基于重力传感器的输液监测系统,使输液更加智能精准,减少医护人员的工作压力、缓解医患纠纷、促进智能医疗的建立。针对输液瓶瓶身材质识别,本文首先在实际场景中获取数据并采用合理的方法构建数据集,并在构建的数据集的基础上使用合适的神经网络模型对数据集进行训练,根据神经网络学习到的特征实现不同材质输液瓶的分类。本文通过实验对所选的模型进行验证,实验结果表明本文使用的方案具有比较高的识别精度。针对输液瓶标签信息提取,首先需要在输液瓶标签图像中区分文字区域和背景并对文字区域进行定位,文字区域定位的准确度直接影响后续文字识别的效果。本文使用三种模型进行实验从而选择最适合本文场景的模型,然后对检测到的文字区域按行提取,并对提取到的文本行进行识别。在识别时为了提高识别的准确度将卷积神经网络和循环神经网络结合以参考上下文信息,并对识别出的字符根据语义进行优化。最后通过实验对所选模型和方法进行验证,实验表明本文使用方法的合理性。