基于AI的药品检测系统技术方案

基于AI的药品检测系统，包括射线成像子系统、电动皮带式输送机、电源模块、PC机，还具有控制电路、比对电路、中继重量检测机构、复位电路及安装在PC机内的应用软件数据采集单元、数据分析单元、数据储存单元；两套电动皮带式输送机横向间隔距离安装在一起，射线成像子系统安装在电动皮带式输送机框架上；中继机构包括支撑板、电动推杆、力敏电阻，导向管、支撑架，并安装在两套电动皮带式输送机之间；电源模块、PC机、控制电路、比对电路、复位电路安装在电控箱内并电性连接。本发明专利技术基于AI，能精确找到药品的外表面及内表面质量问题，在药品重量低于或高于设定阈值，能及时提示检测人员进行查看，提高了检测效率，并相应减少了检测成本。并相应减少了检测成本。并相应减少了检测成本。

【技术实现步骤摘要】
基于AI的药品检测系统


[0001]本专利技术涉及检测
，特别是一种基于AI的药品检测系统。

技术介绍

[0002]现有技术，在药品生产中为了保证药品的生产质量，除了实验室对药品进行理化分析、了解药品药效以外，还需要对药品的表面质量及重量数据等进行检测。目前，对于药品表面质量的检测，一般是工作人员通过目视进行抽样检测，对于药品重量的检测，一般是工作人员采用天平秤等进行重量抽样检测，人工检测及称重会给检测人员带来不便，且不利于提高检测工作效率，并增加了生厂方的费用支出。更为重要的是，人工检测无法看到药品内部的结构、也无法检测药品的重量数据，在药品内部出现孔洞及裂纹等问题，或者重量不合格时，检测人员无法检测到，会对检测效果带来不利影响。综上，提供一种不需要人为检测，能实时检测药品的外部及内部质量数据，并能检测药品重量是否合格的检测系统显得尤为必要。

技术实现思路

[0003]为了克服现有技术中，人为目视检测药品质量及称重方式检测药品重量，因技术所限存在如背景所述弊端，本专利技术提供了利用射线成像子图像系统获取药品的图片数据基础上，用大量药品图片作为图片数据库，基于人工智能的深度学习方法，采用人工智能的仿人脑神经网络算法，实现在干扰、多变的情况下，仍旧能精确找到药品的外表面及内表面质量问题，能涵盖药品开裂、孔洞、凸起、凹陷、颜色变化等主要质量检测项目，并能通过相关机构实时检测药品的重量数据，在药品重量低于或高于设定阈值，以及外表面及内表面质量出现问题时，能及时提示检测人员进行查看，由此给检测人员带来了便利、提高了检测效率，并相应减少了检测成本的基于AI的药品检测系统。
[0004]本专利技术解决其技术问题所采用的技术方案是：
[0005]基于AI的药品检测系统，包括射线成像子系统、电动皮带式输送机、电源模块、PC机，其特征在于，还具有数据采集单元、数据分析单元、数据储存单元、控制电路、比对电路、中继重量检测机构、复位电路；所述数据采集单元、数据分析单元、数据储存单元是安装在PC机内的应用软件；所述图片储存模块内存有药品包括药品表面及内侧端开裂、孔洞、凸起、凹陷、颜色异常故障图片；所述电动皮带式输送机有两套，两套电动皮带式输送机横向间隔距离安装在一起，射线成像子系统安装在其中一套电动皮带式输送机的框架上；所述中继机构包括支撑板、电动推杆、力敏电阻，导向管、支撑架，导向管下端安装在支撑架上端，力敏电阻安装在导向管内下端，支撑板的下端铰接安装有活动杆，活动杆下部位于导向管内部，电动推杆的下端安装在导向管侧端的固定板上，电动推杆的上端铰接安装在支撑板下侧端，支撑架安装在两套电动皮带式输送机之间；所述电源模块、PC机、控制电路、比对电路、复位电路安装在电控箱内，控制电路的电源输出端和比对电路、复位电路的电源输入端电性连接，力敏电阻两个信号端电性串联在比对电路的两个信号输入端之间；所述射线
成像子系统的信号输出端和PC机的信号输入端经数据线连接，控制电路的触发电源输出端和两套电动皮带式输送机的电源输入端电性连接，复位电路的电源输出端和电动推杆的电源输入端电性连接；所述数据采集单元能采集处理射线成像子系统输入的药品图像数据，然后将数据输出到数据分析单元，数据分析单元调阅数据存储单元内储存的药品合格图像数据作比对、得出检测的药品是否合格数据。
[0006]进一步地，所述数据储存单元应用中，先将药品基于射线子系统成像的已知缺陷图片的特征、经人工智能深度学习技术，经其标记子单元进行数据标注，同时配上与缺陷图片数据一比一对应的合格药品的图片数据，并将这些数据按照一定比例分为训练集和测试集；然后用标注过的图片数据对模型进行训练，并用测试集对基于人工智能深度学习的人工智能平台上、生成的实证模型进行测试其是否正确，测试集生成的数据储存作为实际药品质量比对数据。
[0007]进一步地，所述数据储存单元储存有大量药品已知缺陷的图片特征数据，以及和缺陷一比一对应合格药品的图片特征数据，数据分析单元在检测的药品不合格时经报警声提示工作人员。
[0008]进一步地，所述支撑板高度和两套电动皮带式输送机的输送带上端高度一致，支撑板的左右宽度大于药品的外径。
[0009]进一步地，所述控制电路包括电性连接的时间继电器模块和继电器、光电开关，时间继电器模块的正极电源输入端和光电开关的正极电源输入端连接，光电开关的电源输出端和时间继电器模块的正极触发信号输入端连接，时间继电器模块的负极电源输入端及负极触发信号输入端和光电开关的负极电源输入端、继电器负极电源输入端连接，光电开关横向安装在支撑板一端。
[0010]进一步地，所述比对电路包括电性连接的继电器、可调电阻、电阻、NPN三极管和蜂鸣器，蜂鸣器正极电源输入端和继电器正极电源输入端连接，蜂鸣器负极电源输入端和继电器常闭触点端、第一只NPN三极管集电极连接，第一只可调电阻一端和第一只电阻一端、第二只电阻一端、第二只可调电阻一端连接，第一只电阻另一端和第一只NPN三极管基极连接，第二只电阻另一端和第二只NPN三极管基极连接，第一只可调电阻另一端和第二只可调电阻另一端、两只NPN三极管发射极、继电器控制电源输出端连接，第二只NPN三极管集电极和第二只继电器负极电源输入端连接。
[0011]进一步地，所述复位电路包括电性连接的时控开关，两套时控开关的电源输入两端分别连接。
[0012]本专利技术有益效果是：本专利技术基于AI(人工智能)，用射线成像子图像系统获取药片的图片数据基础上，用大量药品图片作为图片数据库，基于人工智能的深度学习方法，采用人工智能的仿人脑神经网络算法，实现在干扰、多变的情况下，仍旧能精确找到药品的外表面及内表面质量问题，能涵盖药品开裂、孔洞、凸起、凹陷、颜色变化等主要质量检测项目，并能通过控制电路、比对电路、中继重量检测机构实时检测药品的质量数据，在药品重量低于或高于设定阈值，以及外表面及内表面出现质量问题时，能及时提示检测人员进行查看，还能通过复位电路控制电动推杆工作方式，使得检测后药品能经第二套电动皮带式输送机输出到药品箱(安装在第二套电动皮带式输送机的输送架末端)。本专利技术给检测人员带来了便利、提高了检测效率，并相应减少了检测成本。基于上述，本专利技术具有好的应用前景。
附图说明
[0013]以下结合附图和实施例将本专利技术做进一步说明。
[0014]图1是本专利技术整体结构示意图。
[0015]图2是本专利技术中继机构结构示意图。
[0016]图3是本专利技术电路图。
具体实施方式
[0017]图1、2、3中所示，基于AI的药品检测系统，包括X射线成像子系统A1、电动皮带式输送机M1、电源模块A3、PC机A2，还具有数据采集单元、数据分析单元、数据储存单元、控制电路1、比对电路2、中继重量检测机构3、复位电路4；所述数据采集单元、数据分析单元、数据储存单元是安装在PC机内的应用软件；所述数据储存单元内存有若干量包括药品表面及内侧端开裂、孔洞、凸起、凹陷、颜色异常故障图片；所述电动皮带式输送机M1有两套，两套电动皮本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于AI的药品检测系统，包括射线成像子系统、电动皮带式输送机、电源模块、PC机，其特征在于，还具有数据采集单元、数据分析单元、数据储存单元、控制电路、比对电路、中继重量检测机构、复位电路；所述数据采集单元、数据分析单元、数据储存单元是安装在PC机内的应用软件；所述图片储存模块内存有药品包括药品表面及内侧端开裂、孔洞、凸起、凹陷、颜色异常故障图片；所述电动皮带式输送机有两套，两套电动皮带式输送机横向间隔距离安装在一起，射线成像子系统安装在其中一套电动皮带式输送机的框架上；所述中继机构包括支撑板、电动推杆、力敏电阻，导向管、支撑架，导向管下端安装在支撑架上端，力敏电阻安装在导向管内下端，支撑板的下端铰接安装有活动杆，活动杆下部位于导向管内部，电动推杆的下端安装在导向管侧端的固定板上，电动推杆的上端铰接安装在支撑板下侧端，支撑架安装在两套电动皮带式输送机之间；所述电源模块、PC机、控制电路、比对电路、复位电路安装在电控箱内，控制电路的电源输出端和比对电路、复位电路的电源输入端电性连接，力敏电阻两个信号端电性串联在比对电路的两个信号输入端之间；所述射线成像子系统的信号输出端和PC机的信号输入端经数据线连接，控制电路的触发电源输出端和两套电动皮带式输送机的电源输入端电性连接，复位电路的电源输出端和电动推杆的电源输入端电性连接；所述数据采集单元能采集处理射线成像子系统输入的药品图像数据，然后将数据输出到数据分析单元，数据分析单元调阅数据存储单元内储存的药品合格图像数据作比对、得出检测的药品是否合格数据。2.根据权利要求1所述的基于AI的药品检测系统，其特征在于，数据储存单元应用中，先将药品基于射线子系统成像的已知缺陷图片的特征、经人工智能深度学习技术，经其标记子单元进行数据标注，同时配上与缺陷图片数据一比一对应的合格药品的图片数据，并将这些数据按照一定比例分为训练集和测试集；然后用标注过...

【专利技术属性】
技术研发人员：胡名西，黄宇伟，曾波，
申请(专利权)人：深圳维森影像技术有限公司，
类型：发明
国别省市：