一种人工智能高光谱成像的粉体混合均匀度检测方法技术

本发明专利技术提供了一种人工智能高光谱成像的粉体混合均匀度检测方法。所述方法包括：采集目标粉体及混合粉体的高光谱数据，将原始高光谱数据进行校正、对有效波段进行最小噪声变化降维。并基于目标参考光谱，创新性采用混合调谐匹配滤波法建立目标粉体空间分布辨识模型，进一步采用直方图法建立目标粉体频数分布直方图模型，检测目标粉体混合均匀度。本发明专利技术首次将混合调谐匹配滤波法用于检测中药混合过程，能准确辨识贵细药空间分布并检测贵细药混合均匀度，本发明专利技术可用于药品、食品、材料等领域粉体混合均匀度检测。粉体混合均匀度检测。粉体混合均匀度检测。

【技术实现步骤摘要】
一种人工智能高光谱成像的粉体混合均匀度检测方法


[0001]本专利技术属于人工智能可视化领域，具体涉及一种人工智能高光谱成像的粉体混合均匀度检测方法。

技术介绍

[0002]粉体物料混合是工业生产中常见的操作,目前在制药、化工、食品、建筑等领域有广泛应用，是药品，饲料，水泥等产品生产关键操作工序之一。粉体物料混合是指不同成分的粉体，在混料器中产生运动速度或方向的变化，最终使不同成分粉体在混料器中达到随机均匀分布的操作过程。混合是否均匀直接决定产品的质量。由于混合过程中粉体的运动复杂，因此评价粉体混合均匀度，是粉体学研究的热点及难点。
[0003]粉体混合均匀度传统检测手段具有破坏性、滞后性、仅能反映样品二维信息；用于检测混合均匀度时，只能提供产品的含量信息，不能获取产品的空间分布信息。高光谱成像技术由于其快速、无损、高通量等特点，在制药、食品、材料等领域中应用广泛。高光谱成像技术可获取三维数据，可同时获得被测样品的化学信息及空间信息，适用于粉体混合过程混合均匀度研究，是实现物质空间分布均匀度可视化的关键技术。
[0004]贵细药混合过程是中药制造过程的关键环节之一。中药粉体混合均匀度直接影响产品内在质量的均一性和稳定性，进而影响用药的有效性和安全性。因贵细药性质特殊，其混合过程具有如下特点：(1)贵细药资源稀少、价格昂贵、药性剧烈，混合过程中不同种类的贵细药重量配比、装量各不相同；(2)贵细药的质地、比重、黏性、油性、粉碎规律等性质差异较大，难以保证混合均匀性及产品质量可控性；(3)受原药材饮片质量波动以及生产操作的影响，不同批次的贵细药混合均匀性存在变化。因此有必要检测中药混合过程中贵细药的混合均匀度，对保证中药成品质量可靠、可控具有重要的意义。
[0005]本专利技术创新性提出了一种人工智能高光谱成像的粉体混合均匀度检测方法，并首次应用于贵细药混合均匀度检测。为高光谱成技术在粉体混合均匀度检测的实际应用提供新的依据和指导，对提高产品质量控制水平至关重要。

技术实现思路

[0006]本专利技术目的之一在于提供一种人工智能高光谱成像的粉体混合均匀度检测方法。
[0007]另一目的在于提供所述的人工智能高光谱成像的粉体混合均匀度检测方法，在检测贵细药混合均匀度中的应用。
[0008]为了实现本专利技术的上述目的，采用以下技术方案：
[0009]本专利技术提供一种基于高光谱成像技术的粉体混合均匀度检测方法，其中所述方法包括如下步骤：
[0010]步骤1，建立混合粉体中目标粉体的空间分布辨识模型；
[0011]步骤2，基于空间分布辨识模型，检测目标粉体混合均匀度。
[0012]根据本专利技术的具体实施方案，其中，建立混合粉体中目标粉体的空间分布辨识模
型的步骤如下：
[0013]步骤1，收集混合过程中所投入的目标粉体以及混合粉体，采用高光谱成像技术进行光谱扫描，采集1000～2500nm的高光谱数据。得到混合粉体及目标粉体光谱图像。
[0014]步骤2，对获取的高光谱图像进行黑白校正处理，将黑白校正处理后混合粉体高光谱数据进行辐射校准，采用平场域处理方法转换为相对反射率数据。
[0015]步骤3，分析样品光谱曲线特性，去除含有大量噪声的首尾波段，保留有效波段996～2552nm进行分析处理。选取样本方形感兴趣区域。计算目标粉体感兴趣区域平均光谱，作为参考光谱。进一步将相对反射率数据进行最小噪声变化降维，选择能够代表原高光谱数据90％数据量的成分分量进行后续分析。
[0016]步骤4，基于步骤1中目标粉体参考光谱，以及步骤3中经最小噪声变化降维后的混合粉体高光谱数据。首次采用混合调谐匹配滤波法(MTMF)得到混合粉体中目标粉体辨识图像。采用固定阈值法获取对应的二值化图像。构建目标粉体空间分布辨识模型。
[0017]上述方法步骤1中，所述的高光谱成像系统具体为SisuCHEMA高光谱化学成像工作站。所述的光谱扫描条件如下：扫描范围为1000～2500nm，共288个波段，光谱分辨率为10nm，积分时间4.2ms，帧频42Hz，物镜高度为15cm。
[0018]上述方法步骤2中，所述的黑白校正处理方法为，采集聚四氟乙烯板全反射图像I
w
，盖上镜盖，采集全黑图像I
d
。校正公式如下：
[0019][0020]上述方法步骤4中，采用ENVI软件进行MNF降维以及MTMF目标样品辨识模型的建立。
[0021]上述方法步骤4中，所述的固定阈值法，将所选择的阈值范围内的像素灰度设为1，未被选择的像素灰度值设为0，得到目标粉体的二值化图像。其中白色像元代表目标粉体。
[0022]根据本专利技术的具体实施方案，其中，在建立目标粉体的空间分布辨识模型后，进一步建立目标粉体频数分布直方图模型，检测目标粉体混合均匀度。具体步骤如下：
[0023]步骤1，建立目标粉体频数分布直方图模型
[0024]步骤2，评价目标粉体频数分布直方图模型，检测目标粉体混合均匀度
[0025]上述方法步骤1中，所述的建立目标粉体频数分布直方图模型，包括将目标粉体的空间分布辨识模型，平均分割为多个相同大小的方形感兴趣区域。其中感兴趣区域的个数不少于30个。统计各个感兴趣区域中白色像元(目标粉体)的频数分布，建立目标粉体频数分布直方图模型。
[0026]上述方法步骤2中，所述的频数分布直方图模型评价方法为：计算直方图模型的均值、标准偏差、方差和偏度。根据标准差、方差越大说明偏离正态分布越远，混合均匀度越差。偏度值越接近0，则混合均匀度越好。以此检测目标粉体混合均匀度。
[0027]根据本专利技术的具体实施方案，其中，所述方法在粉体混合均匀度检测中的应用，所述粉体包括药品、食品和材料粉体。
[0028]根据本专利技术的具体实施方案，其中，所述方法在粉体混合均匀度检测中的应用，所述粉体包括人工牛黄、人工麝香、冰片、羚羊角和水牛角浓缩粉。
[0029]根据本专利技术的具体实施方案，提供了一种人工智能高光谱成像的粉体混合均匀度
新兴检测方法包括但不限于在检测贵细药混合均匀度中的应用。
[0030]以中药制造混合过程中所投入的贵细药为目标粉体，通过上述检测方法，基于高光谱成像技术采用MTMF方法，选择MF得分大于0.05，MT得分小于18的像元作为所辨识的贵细药，成功建立混合粉体中贵细药空间分布辨识模型，进一步建立贵细药空间分布频数直方图模型，根据上述模型评价方法，检测贵细药混合均匀度。结果发现同仁牛黄清心丸混合粉体中冰片、羚羊角、水牛角浓缩粉混合较为均匀，人工牛黄次之，人工麝香混合均匀度较差。
[0031]综上所述，本专利技术创新性提供了一种人工智能高光谱成像的粉体混合均匀度检测方法。该方法具有全面、快速、无损以及数据可视化的优点，并首次将其应用于中药粉体贵细药混合均匀度检测。为高光谱成技术在粉体混合均匀度检测的实际应用提供依据和指导，提高产品质量控制水平。此外，本专利技术首次将M本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.人工智能高光谱成像的粉体混合均匀度检测方法，其特征在于，其中所述的方法包括如下步骤：步骤1：建立混合粉体中目标粉体的空间分布辨识模型；步骤2：建立目标粉体频数分布直方图模型，检测目标粉体混合均匀度。2.根据权利要求1所述的方法，其特征在于，步骤1中建立目标粉体的空间分布辨识模型包括如下步骤：步骤1：采集混合过程中目标粉体及混合粉体光谱图像；步骤2：高光谱图像进行校正处理，减小暗电流、噪声，并转换为相对反射率数据；步骤3：选取方形感兴趣区域进行高光谱数据预处理，消除干扰因素的影响，减少计算量；步骤4：采用混合像元分解方法结合固定阈值法，构建目标粉体空间分布辨识模型。3.根据权利要求2所述的方法，其特征在于，权利要求2中的步骤3中所述的高光谱数据预处理的方法包括最小噪声变化进行数据预降维。4.根据权利要求2所述的方法，其特征在于，权利要求2中的步骤4所述的采用混合像元分解方法包括线性波谱分离、匹配滤波、混合调谐匹配滤波法、最小能量约束。5.根据权利要...

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