新冠肺炎疫情暴发以来,全球已有超23万名医护人员由于防护不足,导致感染新冠病毒。非人工接触手背静脉自动注射方式凭借其非人工接触护理方式以及护理过程中进行自动注射的功能,受到众多医护工作者的欢迎,而实现医护人员与患者之间进行非接触式手背静脉自动注射的主要内容为:手背静脉检测与分割、入针点位置决策以及注射反馈。本文针对手背静脉检测与分割问题,提出一种基于改进U-Net指导注意力机制的图像处理算法AT-U-Net（Attention-U-Net）。通过引入注意力机制,能够实现长距离手背静脉检测与分割,为后续入针点位置决策提供清晰的手背静脉血管图像。根据自建手背静脉数据库进行试验,准确率达到93.6%。根据手背静脉检测与分割的结果,本文提出了一种基于改进剪枝算法的手背静脉入针点位置决策方法PT-Pruning（Point-Pruning）。通过PT-Pruning实现对手背静脉主干线的提取,综合考虑每条静脉血管入针点区域的血管截面积以及弯曲值,综合决策获得手背静脉最匹配入针点;通过与自建的手背静脉入针点数据库进行对比,有效入针点注射区域检测准确率达到96.73%,最匹配入针点注射区域检测准确率达到96.5%。本文针对手背静脉注射反馈检测问题,提出了两种检测方法。一是通过穿刺一定深度的皮肤,通过检测是否有回血情况进而判断穿刺是否成功。二是通过检测注射过程中是否出现鼓包进而判断注射是否成功。一方面,针对回血检测问题,提出了一种基于近红外光的手部静脉注射回血检测装置,能够通过多种数据融合及时提示医生和患者观察回血情况,通过实验验证,回血检测准确率为81%。另一方面,针对鼓包检测问题,基于自建的手背静脉鼓包数据集,提出一种基于改进Yolo V4的鼓包检测算法,通过手背区域入针点位置激光条线性变化观察鼓包变化,若出现鼓包区域,则立即停止注射。通过实验验证,鼓包检测准确率为99.36%,为后续机械自动注射奠定了坚实的理论基础。