替米考星固体分散微囊包被工艺及其系统技术方案

本申请涉及智能控制领域，其具体地公开了一种替米考星固体分散微囊包被工艺及其系统，其通过采用基于深度学习的神经网络模型挖掘出雾化喷枪的压力值的时序变化和热风循环的出风流速值的时序变化之间的映射关联关系，以基于实际的热风循环出风流速值变化情况来进行所述雾化喷枪压力值的自适应控制，从而优化吸附效率，提高替米考星在猪的饲料中的利用效果以及采食量。果以及采食量。果以及采食量。

【技术实现步骤摘要】
替米考星固体分散微囊包被工艺及其系统


[0001]本申请涉及智能控制领域，且更为具体地，涉及一种替米考星固体分散微囊包被工艺及其系统。

技术介绍

[0002]替米考星是一种广泛用于猪的预混饲料中的药物，可以预防和治疗多种生猪病。然而，替米考星味道苦，普通替米考星预混剂直接拌入饲料，使饲料带有苦味，而猪味觉发达，会严重影响猪的食欲，大幅降低猪的采食量；同时，普通替米考星口服制剂大部分在胃中溶出，经胃酸处理后只有少部分能在肠道吸收利用，生物利用度低，防治效果一般。
[0003]因此，期望一种优化的替米考星固体分散微囊包被方案，以提高替米考星在猪饲料中的利用效果以及采食量。

技术实现思路

[0004]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种替米考星固体分散微囊包被工艺及其系统，其通过采用基于深度学习的神经网络模型挖掘出雾化喷枪的压力值的时序变化和热风循环的出风流速值的时序变化之间的映射关联关系，以基于实际的热风循环出风流速值变化情况来进行所述雾化喷枪压力值的自适应控制，从而优化吸附效率，提高替米考星在猪的饲料中的利用效果以及采食量。
[0005]根据本申请的一个方面，提供了一种替米考星固体分散微囊包被方法，其包括：
[0006]S1：将替米考星固体溶解在特定溶剂中以形成替米考星溶液；
[0007]S2：将所述替米考星溶液通过雾化喷枪转化为喷雾，其中，所述喷雾被吸附渗透进入高分子聚合物分子中以形成具有骨架缓释结构的药物固体；
[0008]S3：将所述具有骨架缓释结构的药物固体分散为骨架颗粒；
[0009]S4：为所述骨架颗粒施加包衣。
[0010]在上述替米考星固体分散微囊包被方法中，所述步骤S2，包括：获取预定时间段内多个预定时间点的雾化喷枪的压力值和所述多个预定时间点的热风循环的出风流速值；将所述多个预定时间点的雾化喷枪的压力值和所述多个预定时间点的热风循环的出风流速值分别按照时间维度排列为压力时序输入向量和出风流速时序输入向量；将所述压力时序输入向量和所述出风流速时序输入向量通过多尺度邻域特征提取模块以得到压力时序特征向量和出风流速时序特征向量；对所述压力时序特征向量和所述出风流速时序特征向量进行关联编码以得到压力
‑
出风流速关联矩阵；将所述压力
‑
出风流速关联矩阵通过相邻层使用互为转置的卷积核的卷积神经网络模型以得到压力
‑
出风流速关联特征矩阵；以所述压力时序特征向量作为查询特征向量，计算其与所述压力
‑
出风流速关联特征矩阵之间的矩阵乘积以得到分类特征向量；对所述分类特征向量进行高斯概率密度的流形曲面的基准线网化以得到优化分类特征向量；以及，将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的雾化喷枪的压力值应增大或应减小。
[0011]在上述替米考星固体分散微囊包被方法中，所述多尺度邻域特征提取模块，包括：第一卷积层、与所述第一卷积层并行的第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层使用具有第一长度的一维卷积核，所述第二卷积层使用具有第二长度的一维卷积核。
[0012]在上述替米考星固体分散微囊包被方法中，，将所述压力时序输入向量和所述出风流速时序输入向量通过多尺度邻域特征提取模块以得到压力时序特征向量和出风流速时序特征向量，包括：将所述压力时序输入向量和所述出风流速时序输入向量输入所述多尺度邻域特征提取模块的第一卷积层以得到第一邻域尺度压力时序特征向量和第一邻域尺度出风流速时序特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；将所述压力时序输入向量和所述出风流速时序输入向量输入所述多尺度邻域特征提取模块的第二卷积层以得到第二邻域尺度压力时序特征向量和第二邻域尺度出风流速时序特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及，将所述第一邻域尺度压力时序特征向量和所述第一邻域尺度出风流速时序特征向量分别与所述第二邻域尺度压力时序特征向量和所述第二邻域尺度出风流速时序特征向量进行级联以得到所述压力时序特征向量和所述出风流速时序特征向量。
[0013]在上述替米考星固体分散微囊包被方法中，对所述压力时序特征向量和所述出风流速时序特征向量进行关联编码以得到压力
‑
出风流速关联矩阵，包括：以如下公式对所述压力时序特征向量和所述出风流速时序特征向量进行关联编码以得到压力
‑
出风流速关联矩阵；其中，所述公式为：
[0014][0015]其中V
m
表示所述压力时序特征向量，表示所述压力时序特征向量的转置向量，V
n
表示所述出风流速时序特征向量，M1表示所述压力
‑
出风流速关联矩阵，表示向量相乘。
[0016]在上述替米考星固体分散微囊包被方法中，将所述压力
‑
出风流速关联矩阵通过相邻层使用互为转置的卷积核的卷积神经网络模型以得到压力
‑
出风流速关联特征矩阵，包括：使用所述卷积神经网络模型的第一层对输入数据进行基于第一卷积核的卷积处理、池化处理和非线性激活处理以得到第一激活特征图；以及，使用所述卷积神经网络模型的第二层对所述第一激活特征图进行基于第二卷积核的卷积处理、池化处理和非线性激活处理以得到第二激活特征图，其中，所述第一卷积核与所述第二卷积核互为转置。
[0017]在上述替米考星固体分散微囊包被方法中，以所述压力时序特征向量作为查询特征向量，计算其与所述压力
‑
出风流速关联特征矩阵之间的矩阵乘积以得到分类特征向量，包括：以如下公式计算所述压力时序特征向量与所述压力
‑
出风流速关联特征矩阵之间的矩阵乘积以得到分类特征向量；其中，所述公式为：其中V
m
表示所述压力时序特征向量，M表示所述压力
‑
出风流速关联特征矩阵，V表示所述分类特征向量。
[0018]在上述替米考星固体分散微囊包被方法中，对所述分类特征向量进行高斯概率密度的流形曲面的基准线网化以得到优化分类特征向量，包括：以如下优化公式对所述分类特征向量进行高斯概率密度的流形曲面的基准线网化以得到所述优化分类特征向量；其中，所述优化公式为：
[0019][0020]其中v
i
是所述分类特征向量的第i个位置的特征值，μ和σ是所述分类特征向量的各个位置特征值集合的均值和标准差，且v'
i
是所述优化分类特征向量的第i个位置的特征值。
[0021]在上述替米考星固体分散微囊包被方法中，将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的雾化喷枪的压力值应增大或应减小，包括：使用所述分类器的多个全连接层对所述优化分类特征向量进行全连接编码以得到编码分类特征向量；以及，将所述编码分类特征向量通过所述分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种替米考星固体分散微囊包被方法，其特征在于，包括：S1：将替米考星固体溶解在特定溶剂中以形成替米考星溶液；S2：将所述替米考星溶液通过雾化喷枪转化为喷雾，其中，所述喷雾被吸附渗透进入高分子聚合物分子中以形成具有骨架缓释结构的药物固体；S3：将所述具有骨架缓释结构的药物固体分散为骨架颗粒；S4：为所述骨架颗粒施加包衣。2.根据权利要求1所述的替米考星固体分散微囊包被方法，其特征在于，所述步骤S2，包括：获取预定时间段内多个预定时间点的雾化喷枪的压力值和所述多个预定时间点的热风循环的出风流速值；将所述多个预定时间点的雾化喷枪的压力值和所述多个预定时间点的热风循环的出风流速值分别按照时间维度排列为压力时序输入向量和出风流速时序输入向量；将所述压力时序输入向量和所述出风流速时序输入向量通过多尺度邻域特征提取模块以得到压力时序特征向量和出风流速时序特征向量；对所述压力时序特征向量和所述出风流速时序特征向量进行关联编码以得到压力
‑
出风流速关联矩阵；将所述压力
‑
出风流速关联矩阵通过相邻层使用互为转置的卷积核的卷积神经网络模型以得到压力
‑
出风流速关联特征矩阵；以所述压力时序特征向量作为查询特征向量，计算其与所述压力
‑
出风流速关联特征矩阵之间的矩阵乘积以得到分类特征向量；对所述分类特征向量进行高斯概率密度的流形曲面的基准线网化以得到优化分类特征向量；以及将所述优化分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的雾化喷枪的压力值应增大或应减小。3.根据权利要求2所述的替米考星固体分散微囊包被方法，其特征在于，所述多尺度邻域特征提取模块，包括：第一卷积层、与所述第一卷积层并行的第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层使用具有第一长度的一维卷积核，所述第二卷积层使用具有第二长度的一维卷积核。4.根据权利要求3所述的替米考星固体分散微囊包被方法，其特征在于，将所述压力时序输入向量和所述出风流速时序输入向量通过多尺度邻域特征提取模块以得到压力时序特征向量和出风流速时序特征向量，包括：将所述压力时序输入向量和所述出风流速时序输入向量输入所述多尺度邻域特征提取模块的第一卷积层以得到第一邻域尺度压力时序特征向量和第一邻域尺度出风流速时序特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；将所述压力时序输入向量和所述出风流速时序输入向量输入所述多尺度邻域特征提取模块的第二卷积层以得到第二邻域尺度压力时序特征向量和第二邻域尺度出风流速时序特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及将所述第一邻域尺度压力时序特征向量和所述第一邻域尺度出风流速时序特征向量
分别与所述第二邻域尺度压力时序特征向量和所述第二邻域尺度出风流速时序特征向量进行级联以得到所述压力时序特征向量和所述出风流速时序特征向量。5.根据权利要求4所述的替米考星固体分散微囊包被方法，其特征在于，对所述压力时序特征向量和所述出风流速时序特征向量进行关联编码以得到压力
‑
出风流速关联矩阵，包括：以如下公式对所述压力时序特征向量和所述出风流速时序特征向量进行关联编码以得到压力
‑
出风流速关联矩阵；其中，所述公式为：其中V
m
表示所述压力时序特征向量，表示所述压力时序特征向量的转置向量，V
n
表示所述出风流速时序特征向量，M1表示所述压力
‑
出风流速关联矩阵...

【专利技术属性】
技术研发人员：黄友辉，罗建华，唐超建，任升柳，
申请(专利权)人：江西成必信生物科技有限公司，
类型：发明
国别省市：