模拟医疗器械运输环境的方法和装置制造方法及图纸

本发明专利技术提供了模拟医疗器械运输环境的方法和装置，该方法包括：针对预先划分的每一个地域段均执行：获取该地域段在预设时长的至少两张历史遥感图像；构建多元线性回归模型，并利用由至少两张历史遥感图像解析得到的至少两个环境参数对多元线性回归模型进行训练，得到该地域段的多元线性回归模型；获取待检测医疗器械的运输路线，并确定运输时间；确定运输路线中包括的地区所属的目标地域段；获取对应该目标地域段的目标多元线性回归模型；利用目标多元线性回归模型对至少一个地区在运输时间时的环境进行预测，以得到预测环境参数；根据预测环境参数对待检测医疗器械的运输环境进行模拟。本方案能够实现按需模拟医疗器械的运输环境。

【技术实现步骤摘要】
模拟医疗器械运输环境的方法和装置
本专利技术涉及医疗器械检测
，特别涉及模拟医疗器械运输环境的方法和装置。
技术介绍
在医疗器械行业，进入临床应用的医疗器械不仅要达到功能性测试标准，还需要达到非功能性检测标准。非功能性检测包括测试医疗器械在运输过程中在不同程度的碰撞、倾翻、温湿度等运输环境下产品包装的完整性检测，医疗设备是否好用、是否耐用很大程度上是由非功能性部分决定的，因此，医疗器械的非功能性检测是不可或缺的。目前，现有非功能性检测方法均采用统一的测试环境，并没有考虑不同医疗器械的个性化测试需求。比如，在测试时，模拟出一个固定坡度的路面，不考虑各医疗器械在实际运输过程中会遇到的坡度情况，都在该坡度的路面上进行测试。但是，对于实际运输过程中，道路坡度相对较小的医疗器械而言，反而增加了测试的复杂度；对于道路坡度相对较大的医疗器械，甚至不能完全模拟实际运输环境，影响该测试结果的准确性。因此，现有非功能性检测方法所采用的测试环境浪费了测试资源，并不能实现按需模拟医疗器械的运输环境。
技术实现思路
本专利技术实施例提供了模拟医疗器械运输环境的方法和装置，能够实现按需模拟医疗器械的运输环境。第一方面，本专利技术提供了模拟医疗器械运输环境的方法，预先划分出至少两个地域段，针对每一个地域段均执行：获取该地域段在预设时长的至少两张历史遥感图像；对所述至少两张历史遥感图像进行解析处理，获得所述预设时长内的至少两个环境参数；构建多元线性回归模型，并利用所述至少两个环境参数对所述多元线性回归模型进行训练，得到对应该地域段的多元线性回归模型；包括：获取待检测医疗器械的运输路线，并确定运输时间；其中，所述运输路线中包括至少一个地区；确定所述运输路线中包括的地区所属的目标地域段；根据所述目标地域段，获取对应该目标地域段的目标多元线性回归模型；利用所述目标多元线性回归模型对所述至少一个地区在所述运输时间时的环境进行预测，以得到预测环境参数；根据所述预测环境参数对所述待检测医疗器械的运输环境进行模拟。可选地，所述利用所述至少两个环境参数对所述多元线性回归模型进行训练，包括：对每一个环境参数按照预设因素进行分解，并根据分解后的环境参数确定自回归阶数和移动平均阶数；其中，所述预设因素包括趋势因素、季节因素、随机因素中的至少一项；根据所述自回归阶数和所述移动平均阶数，获得对应该环境参数的多元线性回归模型；其中，多元线性回归模型的计算公式如下所示：其中，Tt用于表征预设时长t内由至少两张历史遥感图像解析获得的该环境参数按时间顺序排列的序列，μ用于表征常数项，at用于表征误差项，p用于表征该多元线性回归模型的自回归阶数，q用于表征该多元线性回归模型的移动平均阶数，Φi用于表征自回归系数，θi用于表征移动平均系数。可选地，所述利用所述至少两个环境参数对所述多元线性回归模型进行训练，包括：A1、将由所述至少两张历史遥感图像解析处理后的每一个环境参数按时间顺序排列；A2、判断当前得到的该环境参数是否形成平稳序列；如果是，执行A3，否则，执行A4；A3、获得当前已进行差分处理的次数，将该次数作为所述多元线性回归模型的差分次数的值，结束；A4、对该环境参数进行差分处理，返回步骤A2。可选地，所述利用所述目标多元线性回归模型对所述至少一个地区在所述运输时间时的环境进行预测以得到预测环境参数，包括：由所述目标多元线性回归模型根据历史输入的至少两个环境参数，模拟出环境参数变化曲线；将所述运输时间输入所述目标多元线性回归模型；由该目标多元线性回归模型根据当前输入的运输时间，从所述环境参数变化曲线上获得的对应的预测环境参数；获得由该目标多元线性回归模型输出的预测环境参数。可选地，所述历史遥感图像包括至少一组历史气象卫星云图和历史地貌图像；其中，同一组的所述历史气象卫星云图和所述历史地貌图像均为同一时刻所采集的；所述对所述至少两张历史遥感图像进行解析处理，获得所述预设时长内的至少两个环境参数，包括：利用历史气象卫星云图训练得到的第一神经网络对每一组中的历史气象卫星云图进行特征提取，获得该地域段的气象特征；利用历史地貌图像训练得到的第二神经网络对每一组中的历史地貌图像进行特征提取，获得该地域段的地貌特征。可选地，所述至少两个环境参数包括气象特征和地貌特征；针对所述气象特征，构建对应该气象特征的第一多元线性回归模型；针对地貌特征，构建对应该地貌特征的第二多元线性回归模型；所述利用所述目标多元线性回归模型对所述至少一个地区在所述运输时间时的环境进行预测以得到预测环境参数，包括：利用目标第一多元线性回归模型对所述至少一个地区在所述运输时间时的气象进行预测，以得到预测气象参数；利用目标第二多元线性回归模型对所述至少一个地区在所述运输时间时的地貌进行预测，以得到预测地貌参数。可选地，在所述对所述至少两张历史遥感图像进行解析处理之前，进一步包括：针对每一张历史遥感图像，确定该图像的至少两个图像通道分别对应的至少两个第一通道值以及对该至少两个第一通道值进行求平均值计算，得到该图像对应的第一平均值；对各图像对应的各第一平均值进行求平均值计算，得到第二平均值；针对每一张所述图像，利用该图像的至少两个第一通道值和所述第二平均值，计算该图像对应的方差；计算各图像对应的各方差的第三平均值；将每一张所述图像的每一个图像通道对应的通道值从第一通道值更新为第二通道值；其中，所述第二通道值根据下述公式计算：其中，Pi用于表征图像的第i个图像通道对应的第二通道值，Ci用于表征该图像的第i个图像通道对应的第一通道值，δ用于表征所述第二平均值，β用于表征所述第三平均值。第二方面，本专利技术提供了模拟医疗器械运输环境的装置，包括：模型构建模块，用于预先划分出至少两个地域段，针对每一个地域段均执行：获取该地域段在预设时长的至少两张历史遥感图像；对所述至少两张历史遥感图像进行解析处理，获得所述预设时长内的至少两个环境参数；构建多元线性回归模型，并利用所述至少两个环境参数对所述多元线性回归模型进行训练，得到对应该地域段的多元线性回归模型；获取模块，用于获取待检测医疗器械的运输路线，并确定运输时间；其中，所述运输路线中包括至少一个地区；地域段确定模块，用于确定所述获取模块所获取的所述运输路线中包括的地区所属的目标地域段；预测模块，用于根据由所述地域段确定模块所确定出的所述目标地域段，从所述模型构建模块中获取对应该目标地域段的目标多元线性回归模型，并利用所述目标多元线性回归模型对所述至少一个地区在所述运输时间时的环境进行预测，以得到预测环境参数；模拟模块，用于根据由所述预测模块所确定出的所述预测环境参数对所述待检测医疗器械的运输环境进行模拟。第三方面，本专利技术实本文档来自技高网...

【技术保护点】
1.模拟医疗器械运输环境的方法，其特征在于，预先划分出至少两个地域段，针对每一个地域段均执行：获取该地域段在预设时长的至少两张历史遥感图像；对所述至少两张历史遥感图像进行解析处理，获得所述预设时长内的至少两个环境参数；构建多元线性回归模型，并利用所述至少两个环境参数对所述多元线性回归模型进行训练，得到对应该地域段的多元线性回归模型；/n包括：/n获取待检测医疗器械的运输路线，并确定运输时间；其中，所述运输路线中包括至少一个地区；/n确定所述运输路线中包括的地区所属的目标地域段；/n根据所述目标地域段，获取对应该目标地域段的目标多元线性回归模型；/n利用所述目标多元线性回归模型对所述至少一个地区在所述运输时间时的环境进行预测，以得到预测环境参数；/n根据所述预测环境参数对所述待检测医疗器械的运输环境进行模拟。/n

【技术特征摘要】
1.模拟医疗器械运输环境的方法，其特征在于，预先划分出至少两个地域段，针对每一个地域段均执行：获取该地域段在预设时长的至少两张历史遥感图像；对所述至少两张历史遥感图像进行解析处理，获得所述预设时长内的至少两个环境参数；构建多元线性回归模型，并利用所述至少两个环境参数对所述多元线性回归模型进行训练，得到对应该地域段的多元线性回归模型；
包括：
获取待检测医疗器械的运输路线，并确定运输时间；其中，所述运输路线中包括至少一个地区；
确定所述运输路线中包括的地区所属的目标地域段；
根据所述目标地域段，获取对应该目标地域段的目标多元线性回归模型；
利用所述目标多元线性回归模型对所述至少一个地区在所述运输时间时的环境进行预测，以得到预测环境参数；
根据所述预测环境参数对所述待检测医疗器械的运输环境进行模拟。


2.根据权利要求1所述的方法，其特征在于，所述利用所述至少两个环境参数对所述多元线性回归模型进行训练，包括：
对每一个环境参数按照预设因素进行分解，并根据分解后的环境参数确定自回归阶数和移动平均阶数；其中，所述预设因素包括趋势因素、季节因素、随机因素中的至少一项；
根据所述自回归阶数和所述移动平均阶数，获得对应该环境参数的多元线性回归模型；
其中，多元线性回归模型的计算公式如下所示：



其中，Tt用于表征预设时长t内由至少两张历史遥感图像解析获得的该环境参数按时间顺序排列的序列，μ用于表征常数项，at用于表征误差项，p用于表征该多元线性回归模型的自回归阶数，q用于表征该多元线性回归模型的移动平均阶数，Φi用于表征自回归系数，θi用于表征移动平均系数。


3.根据权利要求1所述的方法，其特征在于，所述利用所述至少两个环境参数对所述多元线性回归模型进行训练，包括：
A1、将由所述至少两张历史遥感图像解析处理后的每一个环境参数按时间顺序排列；
A2、判断当前得到的该环境参数是否形成平稳序列；如果是，执行A3，否则，执行A4；
A3、获得当前已进行差分处理的次数，将该次数作为所述多元线性回归模型的差分次数的值，结束；
A4、对该环境参数进行差分处理，返回步骤A2。


4.根据权利要求1所述的方法，其特征在于，所述利用所述目标多元线性回归模型对所述至少一个地区在所述运输时间时的环境进行预测以得到预测环境参数，包括：
由所述目标多元线性回归模型根据历史输入的至少两个环境参数，模拟出环境参数变化曲线；
将所述运输时间输入所述目标多元线性回归模型；
由该目标多元线性回归模型根据当前输入的运输时间，从所述环境参数变化曲线上获得的对应的预测环境参数；
获得由该目标多元线性回归模型输出的预测环境参数。


5.根据权利要求1所述的方法，其特征在于，所述历史遥感图像包括至少一组历史气象卫星云图和历史地貌图像；其中，同一组的所述历史气象卫星云图和所述历史地貌图像均为同一时刻所采集的；
所述对所述至少两张历史遥感图像进行解析处理，获得所述预设时长内的至少两个环境参数，包括：
利用历史气象卫星云图训练得到的第一神经网络对每一组中的历史气象卫星云图进行特征提取，获得该地域段的气象特征；
利用历史地貌图...

【专利技术属性】
技术研发人员：齐丽晶，
申请(专利权)人：北京中关村水木医疗科技有限公司，
类型：发明
国别省市：北京;11