一种智能制造多源信息融合方法在中药大蜜丸质量评价中的应用技术

本发明专利技术公开一种智能制造多源信息融合方法在中药大蜜丸质量评价中的应用，属于智能制造技术领域。所述方法步骤包括：采集中药大蜜丸的化学成分信息和感官信息；计算中药大蜜丸化学成分信息和感官信息的组间差异和组内差异，获得不同信息源方法的权重；分别建立化学成分信息和感官信息的数学关系模型；结合上述数学关系模型和权重策略，实现多源信息融合的中药大蜜丸的质量评价。本发明专利技术创造性的采用组间差异和组内差异的多源信息融合方法评价中药大蜜丸的质量，此外，首次引入基于方差分析的权重表征方法，实现中药大蜜丸的质量评价。实现中药大蜜丸的质量评价。实现中药大蜜丸的质量评价。

【技术实现步骤摘要】
一种智能制造多源信息融合方法在中药大蜜丸质量评价中的应用


[0001]本专利技术属于智能制造
，具体涉及一种智能制造生产过程大蜜丸质量评价方法。

技术介绍

[0002]智能制造是信息化与工业化深度融合的产物，生产过程质量控制是智能制造的重要环节。中药大蜜丸成分复杂多样是其质量评价方法建立的难点。影响中药大蜜丸质量一致性的因素包括感官信息和化学成分指标，中药的“象思维”表明感官信息是其整体质量的重要依据，中药的化学成分信息是其整体质量的重要表征之一。而传统的中药大蜜丸质量评价以单一方法为主，如专利200710017621.0和202010764894.7。
[0003]多源信息整体评价，能克服单一方法的不确定性，从多角度综合表征其整体质量。将数据融合引入到中药大蜜丸质量一致性评价数学建模中，避免孤立应用单一方法评价的局限性，增加目标物的结果可信度。然而，在多源信息数据融合过程中，不同维度信息权重的确定，是多源信息融合的难题。
[0004]本专利技术依据各方法自身性质，应用基于多元方差分析理论的权重表征方法，结合多元统计过程控制数学关系模型，建立基于多源信息融合的大蜜丸质量评价方法，用于智能制造生产过程大蜜丸质量评价。

技术实现思路

[0005]本专利技术的目的在于提供一种基于组间差异与组内差异权重表征的多源信息融合策略评价中药大蜜丸质量的方法。
[0006]为达上述目的，其中，所述方法包括：
[0007]步骤1：采集中药大蜜丸的化学成分信息和感官信息；
[0008]步骤2：计算中药大蜜丸化学成分信息和感官信息的组间差异和组内差异，获得不同信息源方法的权重；
[0009]步骤3：分别建立化学成分信息和感官信息的数学关系模型；
[0010]步骤4：结合上述数学关系模型和权重策略，实现多源信息融合的中药大蜜丸的质量评价。
[0011]本专利技术化学成分信息为近红外NIR光谱信息，NIR光谱测定参数设置如下：光谱范围为1100～2400nm，扫描次数32次，分辨率0.5nm，每个样品选取4个区域测定，求平均值。
[0012]本专利技术感官信息为质构信息，其感官属性包括硬度、粘附性、弹性、内聚力和咀嚼性。质构仪参数设置如下：形变百分率为70％，检测速度为30mm/min，间隔时间为15s。分辨率为100Hz，最小触发力为0.15N，每个样品选取3个区域测定，求平均值。
[0013]本专利技术组间差异和组内差异的计算包括如下步骤：
[0014]步骤1：根据主成分分析PCA获得每种方法的最优主成分数和得分矩阵；
[0015]步骤2：通过多元方差分析分别计算各方法的组间离差平方和与组内离差平方和；
[0016]步骤3：依据组间离差平方和与组内离差平方和的比值与权重成正比的原则获得每种方法的权重。
[0017]本专利技术的数学模型为基于主成分分析PCA的多元统计过程控制MSPC模型，计算步骤如下：
[0018]步骤1：采用导数、平滑、标准正态变换SNV、多元散射校正MSC、标准化、归一化等方法对光谱预处理；
[0019]步骤2：通过原始数据预处理后矩阵的主成分分析PCA模型，选择最优主成分数及对应的得分矩阵；
[0020]步骤3：建立多元统计过程控制MSPC的数学关系模型，采用Hotelling T2和预测误差平方和SPE控制图，设定控制限95％，实现样品的质量控制。
[0021]本专利技术的多源信息融合，为决策融合方法，基于决策融合的质量评价包括如下步骤：
[0022]步骤1：依据每种传感器的多元统计过程控制MSPC数学关系模型得到每个样品的参数；
[0023]步骤2：确定每种传感器超出Hotelling T2和预测误差平方和SPE阈值的样品；
[0024]步骤3：通过基于方差分析的组间差异与组内差异比值，获得每种传感器的权重，实现加权投票；
[0025]步骤4：投票法的标准如下：投票数超过50％的样品接受其实际的判断结果，反之，拒绝其实际的判断结果。
[0026]步骤5：依据投票法结合每个传感器的权重实现多源信息融合策略评价中药大蜜丸的质量。
[0027]综上所述，本专利技术提供了一种智能制造多源信息融合方法在中药大蜜丸质量评价中的应用，适用于智能制造生产过程控制。
[0028]本专利技术的方法具有如下优点：
[0029]本专利技术创造性的采用多源信息融合方法评价中药大蜜丸的质量，采集中药大蜜丸的化学成分信息和感官信息，通过基于方差分析的权重表征方法，确定组间差异和组内差异，获得不同信息源方法的权重，采用多元统计过程控制MSPC数学关系模型，实现多源信息融合的中药大蜜丸的质量评价。此外，首次引入基于方差分析的权重表征方法，实现中药大蜜丸的质量评价。所建立的大蜜丸质构感官属性检测方法稳定、可靠。
附图说明
[0030]图1(a)同仁牛黄清心丸NIR光谱图，(b)SNV预处理NIR光谱，(c)同仁牛黄清心丸质构信息雷达图；
[0031]图2同仁牛黄清心丸NIR和质构信息主成分数；
[0032]图3基于NIR和质构方法的MSPC模型；(a)NIR方法Hotelling T2统计量，(b)NIR方法SPE统计量，(c)质构方法Hotelling T2统计量，(d)质构方法SPE统计量。
具体实施方式
[0033]下面结合附图和实施实例做进一步说明，但本专利技术不限于此。
[0034]实施例：一种智能制造多源信息融合方法在同仁牛黄清心丸质量评价中的应用
[0035]1.同仁牛黄清心丸多源信息采集
[0036]采集30批次同仁牛黄清心丸的质构感官信息和NIR化学成分信息两个维度的数据，依据多源信息融合方法，结合权重分配策略，建立质量评价的数学关系模型。近红外光谱仪在反射模式下采集90个样品的光谱，光谱范围为1100～2400nm，扫描次数32次，分辨率0.5nm。每个样品选取4个区域测定，求平均值。
[0037]图1.a为同仁牛黄清心丸NIR原始光谱图，样品的NIR原始光谱基本一致，主要特征谱带的归属如下：2325nm，2140nm和1940nm附近的吸收带分别为C
‑
H，N
‑
H和O
‑
H伸缩振动的基频和倍频的组合频吸收；1766nm，1577nm和1460nm附近的吸收带分别为C
‑
H，N
‑
H和O
‑
H伸缩振动基频的一倍频吸收；1200nm附近的吸收是C
‑
H伸缩振动的二倍频吸收。图1.b为同仁牛黄清心丸NIR光谱经过SNV图，SNV的作用是消除固体颗粒大小，表面散射，以及光程变换对光谱的影响。
[0038]图1.c为同仁牛黄清心丸样品的质构图，测量参数如下：最小触发力，0.15N，检测速度，30mm/min，样品形变百分率70％，间隔时间15s，采用质构仪质地剖面TPA分析模式，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种中药大蜜丸多源信息融合质量评价方法，其特征在于，采用方差分析权重策略的多源信息融合方法，建立中药大蜜丸质量评价的数学关系模型，该方法包括如下步骤：步骤1：采集中药大蜜丸的化学成分信息和感官信息；步骤2：计算大蜜丸化学成分信息和感官信息的组间差异和组内差异，获得不同信息源方法的权重；步骤3：分别建立化学成分信息和感官信息的数学关系模型；步骤4：结合上述数学关系模型和权重策略，实现多源信息融合的中药大蜜丸的质量评价。2.根据权利要求1所述的方法，其特征在于，步骤1中的大蜜丸为同仁牛黄清心丸。3.根据权利要求1
‑
2之一所述的方法，其特征在于，步骤1中的化学成分信息为近红外NIR光谱信息，每个样品选取4个区域测定，求平均值。4.根据权利要求1
‑
3之一所述的方法，其特征在于，步骤1中的感官信息为质构信息，其感官属性包括硬度、粘附性、弹性、内聚力和咀嚼性。5.根据权利要求1
‑
4之一所述的方法，其特征在于，步骤2中的组间差异和组内差异的计算步骤如下：步骤1：根据主成分分析PCA获得每种方法的最优主成分数和得分矩阵；步骤2：通过多元方差分析分别计算各方法的组间离差平方和与组内离差平方和；步骤3：依据组间离差平方和与组内离差平方和的比值与权重成正比的原则获得每种方法的权重。6.根据权利要求1

【专利技术属性】
技术研发人员：吴志生，李倩倩，曾敬其，
申请(专利权)人：北京中医药大学，
类型：发明
国别省市：