CN108346058A - 一种中药饮片生产多维动态质量监控系统及方法 - Google Patents
一种中药饮片生产多维动态质量监控系统及方法 Download PDFInfo
- Publication number
- CN108346058A CN108346058A CN201810037531.6A CN201810037531A CN108346058A CN 108346058 A CN108346058 A CN 108346058A CN 201810037531 A CN201810037531 A CN 201810037531A CN 108346058 A CN108346058 A CN 108346058A
- Authority
- CN
- China
- Prior art keywords
- data
- manufacture
- tcm
- dynamic
- sensor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 91
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims description 46
- 238000012545 processing Methods 0.000 claims abstract description 66
- 238000001514 detection method Methods 0.000 claims abstract description 26
- 238000007405 data analysis Methods 0.000 claims abstract description 13
- 238000005070 sampling Methods 0.000 claims abstract description 8
- 239000003814 drug Substances 0.000 claims description 88
- 229940079593 drug Drugs 0.000 claims description 52
- 238000013480 data collection Methods 0.000 claims description 33
- 238000004140 cleaning Methods 0.000 claims description 23
- 238000005520 cutting process Methods 0.000 claims description 23
- 239000000463 material Substances 0.000 claims description 23
- 238000003860 storage Methods 0.000 claims description 20
- 238000013528 artificial neural network Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 12
- 238000007689 inspection Methods 0.000 claims description 12
- 238000007726 management method Methods 0.000 claims description 9
- 239000002184 metal Substances 0.000 claims description 9
- 229910052751 metal Inorganic materials 0.000 claims description 9
- 230000003287 optical effect Effects 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000001035 drying Methods 0.000 claims description 7
- 238000000855 fermentation Methods 0.000 claims description 7
- 230000004151 fermentation Effects 0.000 claims description 7
- 230000002906 microbiologic effect Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 239000000428 dust Substances 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 238000003913 materials processing Methods 0.000 claims description 5
- 238000009700 powder processing Methods 0.000 claims description 5
- 239000000843 powder Substances 0.000 claims description 4
- 230000004913 activation Effects 0.000 claims description 3
- 238000004587 chromatography analysis Methods 0.000 claims description 3
- 238000011478 gradient descent method Methods 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 3
- 239000007791 liquid phase Substances 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 11
- 238000005457 optimization Methods 0.000 abstract description 3
- 238000003908 quality control method Methods 0.000 abstract description 2
- 239000000047 product Substances 0.000 description 53
- 239000012535 impurity Substances 0.000 description 19
- VVOAZFWZEDHOOU-UHFFFAOYSA-N magnolol Chemical compound OC1=CC=C(CC=C)C=C1C1=CC(CC=C)=CC=C1O VVOAZFWZEDHOOU-UHFFFAOYSA-N 0.000 description 13
- OKKJLVBELUTLKV-UHFFFAOYSA-N Methanol Chemical compound OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 description 12
- 244000197580 Poria cocos Species 0.000 description 12
- 235000008599 Poria cocos Nutrition 0.000 description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 238000002360 preparation method Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000005286 illumination Methods 0.000 description 5
- 230000000249 desinfective effect Effects 0.000 description 4
- 239000013067 intermediate product Substances 0.000 description 4
- 244000005700 microbiome Species 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 238000012856 packing Methods 0.000 description 4
- 239000013558 reference substance Substances 0.000 description 4
- 238000010025 steaming Methods 0.000 description 4
- QMGVPVSNSZLJIA-FVWCLLPLSA-N strychnine Chemical compound O([C@H]1CC(N([C@H]2[C@H]1[C@H]1C3)C=4C5=CC=CC=4)=O)CC=C1CN1[C@@H]3[C@]25CC1 QMGVPVSNSZLJIA-FVWCLLPLSA-N 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 3
- BYTORXDZJWWIKR-UHFFFAOYSA-N Hinokiol Natural products CC(C)c1cc2CCC3C(C)(CO)C(O)CCC3(C)c2cc1O BYTORXDZJWWIKR-UHFFFAOYSA-N 0.000 description 3
- QMGVPVSNSZLJIA-UHFFFAOYSA-N Nux Vomica Natural products C1C2C3C4N(C=5C6=CC=CC=5)C(=O)CC3OCC=C2CN2C1C46CC2 QMGVPVSNSZLJIA-UHFFFAOYSA-N 0.000 description 3
- 240000007594 Oryza sativa Species 0.000 description 3
- 235000007164 Oryza sativa Nutrition 0.000 description 3
- FVYXIJYOAGAUQK-UHFFFAOYSA-N honokiol Chemical compound C1=C(CC=C)C(O)=CC=C1C1=CC(CC=C)=CC=C1O FVYXIJYOAGAUQK-UHFFFAOYSA-N 0.000 description 3
- 230000002045 lasting effect Effects 0.000 description 3
- 239000002932 luster Substances 0.000 description 3
- 238000004886 process control Methods 0.000 description 3
- 235000009566 rice Nutrition 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 239000000052 vinegar Substances 0.000 description 3
- 235000021419 vinegar Nutrition 0.000 description 3
- XFSBVAOIAHNAPC-XTHSEXKGSA-N 16-Ethyl-1alpha,6alpha,19beta-trimethoxy-4-(methoxymethyl)-aconitane-3alpha,8,10alpha,11,18alpha-pentol, 8-acetate 10-benzoate Chemical compound O([C@H]1[C@]2(O)C[C@H]3[C@@]45C6[C@@H]([C@@]([C@H]31)(OC(C)=O)[C@@H](O)[C@@H]2OC)[C@H](OC)[C@@H]4[C@]([C@@H](C[C@@H]5OC)O)(COC)CN6CC)C(=O)C1=CC=CC=C1 XFSBVAOIAHNAPC-XTHSEXKGSA-N 0.000 description 2
- XFSBVAOIAHNAPC-UHFFFAOYSA-N Aconitin Natural products CCN1CC(C(CC2OC)O)(COC)C3C(OC)C(C(C45)(OC(C)=O)C(O)C6OC)C1C32C4CC6(O)C5OC(=O)C1=CC=CC=C1 XFSBVAOIAHNAPC-UHFFFAOYSA-N 0.000 description 2
- 244000168525 Croton tiglium Species 0.000 description 2
- 241001673966 Magnolia officinalis Species 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 241001279009 Strychnos toxifera Species 0.000 description 2
- 244000273928 Zingiber officinale Species 0.000 description 2
- 235000006886 Zingiber officinale Nutrition 0.000 description 2
- 229940039750 aconitine Drugs 0.000 description 2
- STDXGNLCJACLFY-UHFFFAOYSA-N aconitine Natural products CCN1CC2(COC)C(O)CC(O)C34C5CC6(O)C(OC)C(O)C(OC(=O)C)(C5C6OC(=O)c7ccccc7)C(C(OC)C23)C14 STDXGNLCJACLFY-UHFFFAOYSA-N 0.000 description 2
- 229930013930 alkaloid Natural products 0.000 description 2
- 238000001354 calcination Methods 0.000 description 2
- 239000003610 charcoal Substances 0.000 description 2
- 238000010411 cooking Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 235000008397 ginger Nutrition 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 235000021581 juice product Nutrition 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000003754 machining Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 239000012071 phase Substances 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 239000002904 solvent Substances 0.000 description 2
- 238000003756 stirring Methods 0.000 description 2
- 229960005453 strychnine Drugs 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000012085 test solution Substances 0.000 description 2
- 231100000331 toxic Toxicity 0.000 description 2
- 230000002588 toxic effect Effects 0.000 description 2
- 241000173529 Aconitum napellus Species 0.000 description 1
- 241000282461 Canis lupus Species 0.000 description 1
- 244000025254 Cannabis sativa Species 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 241000218378 Magnolia Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 235000001188 Peltandra virginica Nutrition 0.000 description 1
- 241000756042 Polygonatum Species 0.000 description 1
- 235000008737 Polygonatum biflorum Nutrition 0.000 description 1
- 241001633680 Polygonatum odoratum Species 0.000 description 1
- 241000576755 Sclerotia Species 0.000 description 1
- 244000107975 Strychnos nux-vomica Species 0.000 description 1
- 206010047700 Vomiting Diseases 0.000 description 1
- 150000003797 alkaloid derivatives Chemical class 0.000 description 1
- 150000001343 alkyl silanes Chemical group 0.000 description 1
- 238000004380 ashing Methods 0.000 description 1
- 235000013527 bean curd Nutrition 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- -1 ester alkaloid Chemical class 0.000 description 1
- 239000010685 fatty oil Substances 0.000 description 1
- 239000000945 filler Substances 0.000 description 1
- 239000000706 filtrate Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 1
- 239000000499 gel Substances 0.000 description 1
- 230000035784 germination Effects 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 241000411851 herbal medicine Species 0.000 description 1
- 238000004128 high performance liquid chromatography Methods 0.000 description 1
- 235000012907 honey Nutrition 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 231100000252 nontoxic Toxicity 0.000 description 1
- 230000003000 nontoxic effect Effects 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000004540 process dynamic Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000009738 saturating Methods 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001954 sterilising effect Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000008673 vomiting Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
- A61K36/00—Medicinal preparations of undetermined constitution containing material from algae, lichens, fungi or plants, or derivatives thereof, e.g. traditional herbal medicines
- A61K36/06—Fungi, e.g. yeasts
- A61K36/07—Basidiomycota, e.g. Cryptococcus
- A61K36/076—Poria
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
- A61K36/00—Medicinal preparations of undetermined constitution containing material from algae, lichens, fungi or plants, or derivatives thereof, e.g. traditional herbal medicines
- A61K36/18—Magnoliophyta (angiosperms)
- A61K36/185—Magnoliopsida (dicotyledons)
- A61K36/57—Magnoliaceae (Magnolia family)
- A61K36/575—Magnolia
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61K—PREPARATIONS FOR MEDICAL, DENTAL OR TOILETRY PURPOSES
- A61K36/00—Medicinal preparations of undetermined constitution containing material from algae, lichens, fungi or plants, or derivatives thereof, e.g. traditional herbal medicines
- A61K36/18—Magnoliophyta (angiosperms)
- A61K36/88—Liliopsida (monocotyledons)
- A61K36/896—Liliaceae (Lily family), e.g. daylily, plantain lily, Hyacinth or narcissus
- A61K36/8969—Polygonatum (Solomon's seal)
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisions for transferring data to distant stations, e.g. from a sensing device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Natural Medicines & Medicinal Plants (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Mycology (AREA)
- Public Health (AREA)
- Pharmacology & Pharmacy (AREA)
- Microbiology (AREA)
- General Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- Medicinal Chemistry (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Botany (AREA)
- Biotechnology (AREA)
- Alternative & Traditional Medicine (AREA)
- Chemical & Material Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Primary Health Care (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
Abstract
本发明公开了一种中药饮片生产多维动态质量监控系统，包括数据处理系统和数据采集系统，数据处理系统包括数据分析平台、报警器和显示器；数据采集系统包括检测数据采集平台和设置于生产过程的数据采集传感器组；数据处理系统至少包括一台数据处理器和与之相连的显示器、自动报警器，通过设置阈值，实现自动报警功能；数据采集传感器组包括传感器和与传感器连接的转换器，所述转换器连接有信息发送装置，同时本发明还公开了相应的生产方法。本发明能有效提高产品质量，为中药饮片生产的检测提供了质量控制和生产工艺持续优化的新模式，可有效解决现有监控检测技术存在的问题。
Description
技术领域
本发明涉及中药生产技术领域，尤其涉及一种中药饮片生产多维动态质量监控系统及方法。
背景技术
近年来，传统医学的治疗理念正逐渐为世界所接受，传统医药受到国际社会越来越多的关注，世界范围内对中医药的需求日益增长，为中药的发展提供广阔的空间。
中药来源于天然植物，受原料储存、清洗、切片、等加工工艺过程不同环境和工艺参数的影响，导致品质存在差异，化学成分发生了各种动态变化，造成目前中药(精制)饮片产品质量的不稳定和临床疗效的可重复性差。由于科学技术条件、研究思路和方法等因素的局限，以及中药本身复杂性，现有中药(精制) 饮片质量标准不够全面，加工过程对中药(精制)饮片的产品质量很难定量处理，难以去评价生产过程与质量效果的相关性，从而中药(精制)饮片质量没有得到很好的评价和控制。
药品是生产出来而不是检验出来的，进行生产过程中全过程动态质量监控尤为关键。但是现有技术大多不能实现全过程的监控，尤其未能实现生产过程动态监控与成品出厂检验的数据关联，从而无法达到有效持续的工艺改进，例如专利名为“自动化小包装中药饮片生产线”(CN203389102U)的专利，未涉及生产过程动态监控；专利名为“一种中药饮片生产用智能物联数字化管控系统及方法” (CN201310139041.4)的专利，设计了过程的动态监控，但是程序复杂，运行成本高，且没有考虑生产过程动态监控与成品出厂检验的数据关联，不利于持续的工艺和标准改进。
人工神经网络是一种旨在模仿人脑结构及其功能的智能信息处理系统，是由大量简单处理单元相互连接，构成的高效并行的非线性系统，具有大规模并行处理能力，且运行成本相对较低，容易在企业实现和推广。例如专利名为“一种基于均匀设计及人工神经网络的中药组分配伍优化方法”(CN201610645508.6)的发明专利，通过神经网络法进行了中药组分的配伍优化，又例如专利名为”一种中药品质自动检测系统”(CN20160424634.9)和专利名为“一种评价中药材质量的方法”(CN201710316615.9)的发明专利，通过静态的图像识别和图谱识别，用来评价中药的质量。但目前尚没有基于神经网络的中药饮片生产多维动态质量监控系统。
发明内容
基于背景技术存在的技术问题，本发明提出了一种中药饮片生产多维动态质量监控系统及方法，能有效提高产品质量，为中药饮片生产的检测提供了质量控制和生产工艺持续优化的新模式，可有效解决现有监控检测技术存在的问题。
为实现上述目的本发明的技术方案是
一种中药饮片生产多维动态质量监控系统，包括数据处理系统和数据采集系统，所述数据处理系统包括数据分析平台、报警器和显示器，所述数据分析平台是基于神经网络法构建软的件程序进行数据分析处理；所述数据采集系统包括检测数据采集平台和设置于生产过程的数据采集传感器组，所述数据处理系统至少包括一台数据处理器和与之相连的显示器、自动报警器，所述数据采集传感器组包括传感器和与传感器连接的转换器，所述转换器连接有信息发送装置；
其中，神经网络包括输入层、隐含层、输出层和结果层，所述输入层的节点数为生产过程中实际监控数目(I)，取值为5-10；输出节点数(O)和结果层的节点数(R)为出厂检验的指标数，取值4-8；隐含层的节点数为H，其中γ为1到10的调节常数。
较优的，所述数据分析平台的神经网络算法如下：
所述神经网络的分析计算分为正向传递和反向传递，其中，正向传递是根据中药饮片生产过程参数控制输出质量预测值，选取s型函数或者线性函数作为激活函数f，基于以下函数进行计算其中wij为节点 i和节点j之间的权值，bj为节点j的阀值，xj为每个节点的输出值；
反向传递基于Widrow-Hoff学习规则计算，假设输出层的所有结果为dj，误差函数表示为通过沿着相对误差平方和的最速下降方向，连续调整网络的权值和阀值，根据梯度下降法，权值矢量的修正正比于当前位置上误差(E)的梯度，反复修正权值和阀值。
较优的，所述信息发送装置以黑匣子的形式设置在中药饮片不同生产加工环节的器设备的控制系统中，且信息发送装置的数据传输通道为GPRS、3G、4G、 CAPS、VPN、互联网的一种或组合。
较优的，所述数据采集系统采集的数据包括：仓储环境监控数据采集、清洗加工环节监控数据采集、切制加工环节监控数据采集、干燥加工环节监控数据采集、炒制加工环节监控数据采集、加工环节监控数据采集、发酵加工环节监控数据采集、制霜加工环节监控数据采集、辅料取材加工环节监控数据采集、包装管理加工环节监控数据采集和出厂检验数据采集。
较优的，所述传感器为重量传感器、湿度传感器、温度传感器、pH传感器、光照传感器、压力传感器、金属检测器、硬度探测器、尘埃探测器、微生物探测器、光谱探测器、自动计时器中一种或组合。
较优的，所述出厂质量检验数据包括常规理化数据和高效液相色谱分析数据。
上述的中药饮片生产多维动态质量监控系统的生产方法，包括如下步骤：
S1、采用湿度传感器、温度传感器、光照传感器和光照传感器对加工前的仓储环境进行监控，并将数据传输至数据处理系统当中；
S2、对药材预处理后进行生产加工，并监控生产过程当中的各项参数，并传输至数据处理系统当中；
S3、对生产出的成品药物进行杀菌后包装；
S4、将出厂质量检测数据与S1-S3中的数据进行分析。
较优的，所述S2中预处理方法为对药材清洗软化后，对药材进行切制并干燥。
较优的，所述S2中生产炮制方法为炒制、发酵和制霜的一种或几种。
较优的，所述生产方法中还包括对辅料添加重量的检测。
本发明中的有益效果：采用本发明中的监控系统，通过传感器过程检测、检验数据关联和神经网络分析，实现对中药饮片质量和生产过程动态质量监控的功能，有助于中药饮片生产人员和管理者在第一时间发现问题，实现了由低效率的事后检测向高效率的实时检测的转变，有利于识别生产工艺中关键控制点，为持续的生产工艺改进提供可靠、有效的数据，提高中药饮片生产质量管理水平。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明提出的一种中药饮片生产多维动态质量监控系统的结构框图。
图中：1-数据分析平台；2-显示器；3-自动报警器；4-出厂检验数据采集； 5-仓储环境监控数据采集；6-清洗加工环节监控数据采集；7-切制加工环节监控数据采集；8-干燥加工环节监控数据采集；9-炒制加工环节监控数据采集；10- 发酵加工环节监控数据采集；11-制霜加工环节监控数据采集；12-辅料取材加工环节监控数据采集；13-包装管理加工环节监控数据采集。
具体实施方式
下面结合具体实施例对本发明作进一步解说。
一种中药饮片生产多维动态质量监控系统，包括一数据处理系统和一数据采集系统，数据处理系统包括数据分析平台1、自动报警器3和显示器2；数据采集系统包括检测数据采集平台和设置于生产过程的数据采集传感器组，检测数据采集平台通过电脑采集出厂质量检验数据；
其中，数据处理系统至少包括一台基于神经网络数据分析平台1和与之相连的显示器2、自动报警器3，针对神经网络训练结果，针对加工过程监控参数和出厂检验结果，设置“不合格”阈值，实现自动报警功能；
数据分析平台1的神经网络法根据符号运算按串行模式进行逻辑推理，由数据采集系统的数据信息通过神经元上的兴奋模式分布储在网络上，通过神经元之间同时相互作用的动态过程完成数据处理；
其中，神经网络由4层构成，分别是输入层(In),隐含层(Hidden)和输出层(Out)和结果层(Res)。输入层的节点数为生产过程中实际监控数目(I)，根据中药饮片种类不同，监控环节不同，一般为5到10个环节实施监控；输出节点数(O)和结果层的节点数(R)为出厂检验的指标数，一般为4-8；隐含层的节点数为H,其中γ为1到10的调节常数。
神经网络的分析计算通过正向传递和反向传递结合。
正向传递即根据中药饮片生产过程参数控制输出质量预测值，选取s型函数或者线性函数作为激活函数f,基于以下函数进行计算 其中wij为节点i和节点j之间的权值，bj为节点j的阀值，xj为每个节点的输出值。
反向传递基于Widrow-Hoff学习规则计算，假设输出层的所有结果为dj，误差函数表示为通过沿着相对误差平方和的最速下降方向，连续调整网络的权值和阀值，根据梯度下降法，权值矢量的修正正比于当前位置上误差E(w,b)的梯度，反复修正权值和阀值，使得误差函数值达到最小,减少系统实际输出和期望输出的误差。
数据采集传感器组包括传感器和与传感器连接的转换器，所述转换器连接有信息发送装置。
信息发送装置以黑匣子的形式设置在中药饮片不同生产加工环节的器设备的控制系统中。数据传输通道根据实际场景需求选用GPRS、3G、4G、CAPS、 VPN、互联网等,确保数据传输的及时、畅通，数据直接传输到数据处理器中，每个环节数据独立传输，对其他环节的数据无影响。
数据采集系统采集的数据包括：仓储环境监控数据采集5、清洗加工环节监控数据采集6、切制加工环节监控数据采集7、干燥加工环节监控数据采集8、炒制加工环节监控数据采集9、发酵加工环节监控数据采集10、制霜加工环节监控数据采集11、辅料取材加工环节监控数据采集12、包装管理加工环节监控数据采集13和出厂检验数据采集4。
其中，仓储环境监控数据通过湿度传感器、温度传感器、光照传感器采集储藏环境的湿度、温度和光照强度。
清洗加工环节监控数据通过pH传感器采集清洗溶剂的pH,通过计时器采集清洗时间，通过湿度传感器、温度传感器采集清洗环境的湿度、温度。
切制加工环节监控数据通过重量传感器采集切制后中间品的重量，通过金属检测器检查是否有金属残留，通过湿度传感器、温度传感器采集切制环境的湿度、温度。
干燥、炒制、发酵、制霜加工环节监控数据通过湿度传感器、温度传感器采集干燥环境的湿度、温度,通过计时器采集每批次的加工时间数据。
辅料取材加工环节监控数据通过重量传感器采集辅料添加的重量数据，通过湿度传感器、温度传感器采集切制环境的湿度、温度。
包装管理加工环节监控数据通过微生物探测器、尘埃探测器采集包装车间环境的微生物和洁净度数据，通过计时器采集每批次的消毒时间数据，通过湿度传感器、温度传感器采集切制环境的湿度、温度。
出厂质量检验数据包括常规理化数据、高效液相色谱分析数据，通过微生物探测器、光谱探测器和高效液相色谱仪等仪器设备对成品进行检测。
上述中药饮片生产多维动态质量监控系统的生产方法是：
S1、对加工前的仓储环境进行监控，并将数据传输至数据处理系统当中；
S2、对药材预处理后进行生产加工，并监控生产过程当中的各项参数，并传输至数据处理系统当中；
S3、对生产出的成品药物进行杀菌后包装，监控无毒杀菌时间；
S4、将出厂质量检测数据与S1-S3中的数据进行分析。
各种炮制方法的出厂质量检测要求如下：
药屑、杂质检查方法：取定量样品，拣出杂质，草类、细小种子类过三号筛，其他类过二号筛。药屑、杂质合并称量计算。具体指标为根、根茎、藤木类：含药屑、杂质不得超过2％；果实、种子类：含药屑、杂质不得超过3％；全草类：含药屑、杂质不得超过3％；叶类：含药屑、杂质不得超过2％；花类：含药屑、杂质不得超过2％；皮类：含药屑、杂质不得超过2％；树脂类：含杂质不得超过3％；动物类：含杂质，不得超过2％；矿物类：含杂质，不得超过2％；菌藻类：含药屑、杂质不得超过2％；炒制品其中炒黄品、米炒品：含药屑、杂质不得超过1％；炒焦品、麸炒品：含药屑、杂质不得超过2％；炒炭品、土炒品：含药屑、杂质不得超过1％；药汁煮品、豆腐煮品：含药屑、杂质不得超过2％；煨制品：含药屑、杂质不得超过3％；煅制品：含药屑、杂质不得超过2％；发芽制品、发酵制品：含药屑、杂质不得超过1％。
片型要符合《中华人民共和国药典》，或《全国中药炮制规范》的规定。切制后的饮片应均匀、整齐、色泽鲜明，表面光洁，片面无机油污染，无整体，无长梗，无连刀片、掉刀片、边缘卷曲等不合规格的饮片。《饮片标准通则(试行)》规定，异形片不得超过10％；极薄片：不得超过该品种标准厚度的0.5mm；薄片、厚片、丝、块：不得超过该标准的1mm；段：不得超过该标准的2mm。
中药炮制对制品的色泽有特殊的要求。各种炮制品其色泽应符合该品种规定外，还规定各炮制品的色泽均匀，炒黄品、麸炒品、土炒品、蜜炙品、酒炙品、醋炙品、盐炙品、油炙品、姜汁炙品、米泔水炙品、烫制品等：含生片、糊片不得超过2％；炒焦品：含生片、糊片不得超过3％；炒炭品：含生片，和完全炭化者不得超过5％；蒸制品：色泽黑润，内无生心，未蒸透者不得超过3％；煮制品：未煮透者不得超过2％，有毒药材应煮透；煨制品：未煨透者及糊片不得超过5％；煅制品：未煅透及灰化者不得超过3％。
按炮制方法及各药物具体性状，一般炮制品的水分含量宜控制在7％～13％。对于各类炮制法其炮制品含水量的要求，《饮片标准通则(试行)》规定：蜜炙品类，含水分不得超过15％；酒炙品类、醋炙品类、盐炙品类、姜汁炙品、米泔水炙品、蒸制品、煮制品、发芽制品、发酵制品，含水分均不得超过13％；烫制后醋淬制品，含水分不得超过10％等。
对《中华人民共和国药典》1990年版收载了80个品种的含量测定方法和限量，其中包括了有毒药物及炮制品的含量和限量，如川乌炮制品、制川乌：含酯型生物碱以乌头碱(C34H47NO11)计，不得高于0.15％，含生物碱以乌头碱 (C34H47NO11)计，不得少于0.20％；马钱子：含士的宁(C21H22N2O2)应为1.20％～2.20％,其炮制品马钱子粉：含士的宁(C21H22N2O2)应为0.78％～0.82％；巴豆炮制品巴豆霜：含脂肪油量为18％～20％。
数据处理系统能建立生产过程数据与出厂质量检验数据的非线性分析，数据分析平台的神经网络法根据符号运算按串行模式进行逻辑推理，由数据采集系统的数据信息通过神经元上的兴奋模式分布储在网络上，通过神经元之间同时相互作用的动态过程完成数据处理，为持续改进工艺提供数据支持和依据。
以下是采用本系统制备三种中药饮片的具体案例。
案例1茯苓饮片
茯苓为多孔科真菌茯苓Poria cocos(Schw.)Wolf的干燥菌核。将鲜茯苓加工可以获得“茯苓块”、“茯苓片”和“茯苓丁”饮片。
茯苓饮片加工工艺为仓库取材，清洗，去皮，切制，干燥，包装。选取以上取材，清洗，切制，干燥，包装5个环节进行多维动态监控。
其中，仓储环境监控数据通过湿度传感器、温度传感器、光照传感器采集储藏环境的湿度、温度和光照强度；清洗加工环节监控数据通过pH传感器采集清洗用水的pH，通过湿度传感器、温度传感器采集清洗环境的湿度、温度；切制加工环节监控数据通过重量传感器采集切制后中间品的重量，通过金属检测器检查是否有金属残留，通过湿度传感器、温度传感器采集切制环境的湿度、温度；干燥加工环节监控数据通过湿度传感器、温度传感器采集干燥环境的湿度、温度, 通过计时器采集每批次的加工时间数据；包装管理加工环节监控数据通过微生物探测器、尘埃探测器采集包装车间环境的微生物和洁净度数据，通过计时器采集每批次的消毒时间数据，通过湿度传感器、温度传感器采集切制环境的湿度、温度。
各种炮制方法的出厂质量检测要求如下：
药屑、杂质检查方法：取定量样品，过二号筛，含药屑、杂质不得超过1％，片型要符合《中华人民共和国药典》，或《全国中药炮制规范》的规定。切制后的饮片应均匀、整齐、色泽鲜明，表面光洁，片面无机油污染，无整体，无长梗，无连刀片、掉刀片、边缘卷曲等不合规格的饮片；《饮片标准通则(试行)》规定，异形片不得超过10％；极薄片：不得超过该品种标准厚度的0.5mm；薄片、厚片、丝、块：不得超过该标准的1mm；段：不得超过该标准的2mm；按照《国家药典》2015年版检验要求，茯苓水分不得过18.0％，总灰分不得过2.0％，醇浸出物不得少于2.5％。
通过茯苓饮片生产过程多维动态监控，明确了干燥环节为关键控制点，对干燥温度进行优化，茯苓饮片的适宜干燥温度为50±5℃。在数据处理平台中设置55℃为温度阈值，当干燥温度超出该阈值时，即自动报警，加强了过程控制，提升了茯苓加工品质。
案例2玉竹饮片
玉竹为百合科植物玉竹Polygonatum odoratum(Mill.)Druce的干燥根茎。鲜玉竹可以经切制刨片直接生产玉竹中药饮片。
茯苓饮片加工工艺为仓库取材，清洗，切制，干燥，包装。选取以上取材，清洗，切制，干燥，包装5个环节进行多维动态监控。
其中，仓储环境监控数据通过湿度传感器、温度传感器、光照传感器采集储藏环境的湿度、温度和光照强度；清洗加工环节监控数据通过pH传感器采集清洗用水的pH，通过湿度传感器、温度传感器采集清洗环境的湿度、温度；切制加工环节监控数据通过重量传感器采集切制后中间品的重量，通过金属检测器检查是否有金属残留，通过湿度传感器、温度传感器采集切制环境的湿度、温度；干燥加工环节监控数据通过湿度传感器、温度传感器采集干燥环境的湿度、温度, 通过计时器采集每批次的加工时间数据；包装管理加工环节监控数据通过微生物探测器、尘埃探测器采集包装车间环境的微生物和洁净度数据，通过计时器采集每批次的消毒时间数据，通过湿度传感器、温度传感器采集切制环境的湿度、温度。
各种炮制方法的出厂质量检测要求如下：
药屑、杂质检查方法：取定量样品，过二号筛，含药屑、杂质不得超过1％。
片型要符合《中华人民共和国药典》或《全国中药炮制规范》的规定。切制后的饮片应均匀、整齐、色泽鲜明，表面光洁，片面无机油污染，无整体，无长梗，无连刀片、掉刀片、边缘卷曲等不合规格的饮片。《饮片标准通则(试行)》规定，异形片不得超过10％；极薄片：不得超过该品种标准厚度的0.5mm；薄片、厚片、丝、块：不得超过该标准的1mm；段：不得超过该标准的2mm；按照《国家药典》2015年版检验要求，玉竹水分不得过16.0％，总灰分不得过3.0％，用70％乙醇作溶剂浸出物不得少于50.0％；按干燥品计算，含玉竹多糖以葡萄糖计不得少于6.0％。
通过玉竹饮片生产过程多维动态监控，明确了玉竹仓储时间为关键控制点，新鲜玉竹仓储时间不宜大于48小时。在数据处理平台中设置48小时仓储时间为阈值，当仓储时间超出该阈值时，即自动报警，加强了过程控制，提升了玉竹加工品质。
案例3厚朴饮片
厚朴为木兰科植物厚朴Magnolia officinalis Rehd.et Wils.或凹叶厚朴Magnolia officinalis Rehd.et Wils.var.biloba Rehd.et Wils.的干燥干皮、根皮及枝皮，可加工成中药饮片。
厚朴饮片加工工艺为仓库取材，清洗，蒸制，切片、干燥，包装。选取以上取材，清洗，蒸制、切制，干燥，包装6个环节进行多维动态监控。
其中，仓储环境监控数据通过湿度传感器、温度传感器、光照传感器采集储藏环境的湿度、温度和光照强度；清洗加工环节监控数据通过pH传感器采集清洗用水的pH，通过湿度传感器、温度传感器采集清洗环境的湿度、温度；蒸制加工环节监控数据通过温度传感器采集蒸制温度；切制加工环节监控数据通过重量传感器采集切制后中间品的重量，通过金属检测器检查是否有金属残留，通过湿度传感器、温度传感器采集切制环境的湿度、温度；干燥加工环节监控数据通过湿度传感器、温度传感器采集干燥环境的湿度、温度,通过计时器采集每批次的加工时间数据；包装管理加工环节监控数据通过微生物探测器、尘埃探测器采集包装车间环境的微生物和洁净度数据，通过计时器采集每批次的消毒时间数据，通过湿度传感器、温度传感器采集切制环境的湿度、温度。
各种炮制方法的出厂质量检测要求如下：
药屑、杂质检查方法：取定量样品，过二号筛，含药屑、杂质不得超过1％；按照《国家药典》2015年版检验要求，水分不得过15.0％。总灰分不得过7.0％；酸不溶性灰分不得过3.0％。
按照《高效液相色谱法检验标准操作程序》测定。色谱条件与系统适用性试验以十八烷基硅烷键合硅胶为填充剂；以甲醇一水(78：22)为流动相；检测波长为294nm。理论板数按厚朴酚峰计算应不低于3800。对照品溶液的制备取厚朴酚对照品、和厚朴酚对照品适量，精密称定，加甲醇分别制成每1m1含厚朴酚 40μg、和厚朴酚24μg的溶液，即得。供试品溶液的制备取本品粉末(过三号筛) 约0.2g，精密称定，置具塞锥形瓶中，精密加入甲醇25ml，摇匀，密塞，浸渍 24小时，滤过，精密量取续滤液5ml，置25ml量瓶中，加甲醇至刻度，摇匀，即得。测定法分别精密吸取上述两种对照品溶液各4μl与供试品溶液3～5μl，注入液相色谱仪，测定，即得。本品按干燥品计算，含厚朴酚(C18H18O2)与和厚朴酚(C18H18O2)的总量不得少于2.0％。
通过厚朴饮片生产过程多维动态监控，明确了厚朴蒸制温度为关键控制点，蒸制温度不宜超过80℃，有利于厚朴酚等活性成分的保存。在数据处理平台中设置蒸制温度80℃为阈值，当蒸制温度超出该阈值时，即自动报警，加强了过程控制，提升了厚朴加工品质。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种中药饮片生产多维动态质量监控系统，其特征在于，包括数据处理系统和数据采集系统，所述数据处理系统包括数据分析平台、报警器和显示器，所述数据分析平台是基于神经网络法构建软件程序进行数据分析处理；所述数据采集系统包括检测数据采集平台和设置于生产过程的数据采集传感器组，所述数据处理系统至少包括一台数据处理器和与之相连的显示器、自动报警器，所述数据采集传感器组包括传感器和与传感器连接的转换器，所述转换器连接有信息发送装置；
其中，神经网络包括输入层、隐含层、输出层和结果层，所述输入层的节点数为生产过程中实际监控数目I，取值为5-10，输出节点数O和结果层的节点数R为出厂检验的指标数，取值4-8，隐含层的节点数为H，其中γ为1到10的调节常数。
2.根据权利要求1所述的中药饮片生产多维动态质量监控系统，其特征在于，所述数据分析平台的神经网络算法如下：
所述神经网络的分析计算分为正向传递和反向传递，其中，正向传递是根据中药饮片生产过程参数控制输出质量预测值，选取s型函数或者线性函数作为激活函数f，基于以下函数进行计算其中wij为节点i和节点j之间的权值，bj为节点j的阀值，xj为每个节点的输出值；
反向传递基于Widrow-Hoff学习规则计算，假设输出层的所有结果为dj，误差函数表示为通过沿着相对误差平方和的最速下降方向，连续调整网络的权值和阀值，根据梯度下降法，权值矢量的修正正比于当前位置上误差E的梯度，反复修正权值和阀值。
3.根据权利要求1所述的中药饮片生产多维动态质量监控系统，其特征在于，所述信息发送装置以黑匣子的形式设置在中药饮片不同生产加工环节的器设备的控制系统中，且信息发送装置的数据传输通道为GPRS、3G、4G、CAPS、VPN、互联网的一种或组合。
4.根据权利要求1所述的中药饮片生产多维动态质量监控系统，其特征在于，所述数据采集系统采集的数据包括：仓储环境监控数据采集、清洗加工环节监控数据采集、切制加工环节监控数据采集、干燥加工环节监控数据采集、炒制加工环节监控数据采集、加工环节监控数据采集、发酵加工环节监控数据采集、制霜加工环节监控数据采集、辅料取材加工环节监控数据采集、包装管理加工环节监控数据采集和出厂检验数据采集。
5.根据权利要求1所述的中药饮片生产多维动态质量监控系统，其特征在于，所述传感器为重量传感器、湿度传感器、温度传感器、pH传感器、光照传感器、压力传感器、金属检测器、硬度探测器、尘埃探测器、微生物探测器、光谱探测器、自动计时器中一种或组合。
6.根据权利要求1所述的中药饮片生产多维动态质量监控系统，其特征在于，所述出厂质量检验数据包括常规理化数据和高效液相色谱分析数据。
7.根据权利要求1所述的中药饮片生产多维动态质量监控系统的生产方法，其特征在于，包括如下步骤：
S1、采用湿度传感器、温度传感器、光照传感器和光照传感器对加工前的仓储环境进行监控，并将数据传输至数据处理系统当中；
S2、对药材预处理后进行生产加工，并监控生产过程当中的各项参数，并传输至数据处理系统当中；
S3、对生产出的成品药物进行杀菌后包装；
S4、将出厂质量检测数据与S1-S3中的数据进行分析。
8.根据权利要求7所述的中药饮片生产多维动态质量监控系统的生产方法，其特征在于，所述S2中预处理方法为对药材清洗软化后，对药材进行切制并干燥。
9.根据权利要求7所述的中药饮片生产多维动态质量监控系统的生产方法，其特征在于，所述S2中生产炮制方法为炒制、发酵和制霜的一种或几种。
10.根据权利要求7所述的中药饮片生产多维动态质量监控系统的生产方法，其特征在于，所述生产方法中还包括对辅料添加重量的检测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810037531.6A CN108346058A (zh) | 2018-01-16 | 2018-01-16 | 一种中药饮片生产多维动态质量监控系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810037531.6A CN108346058A (zh) | 2018-01-16 | 2018-01-16 | 一种中药饮片生产多维动态质量监控系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108346058A true CN108346058A (zh) | 2018-07-31 |
Family
ID=62960736
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810037531.6A Pending CN108346058A (zh) | 2018-01-16 | 2018-01-16 | 一种中药饮片生产多维动态质量监控系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108346058A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109388064A (zh) * | 2018-09-29 | 2019-02-26 | 浙江工业大学 | 一种中药饮片喷雾润药过程软化度预测控制方法 |
| CN109447467A (zh) * | 2018-10-29 | 2019-03-08 | 成都奕阳现代科技有限公司 | 基于haccp对发酵食品进行数智化质控的系统及方法 |
| CN109506450A (zh) * | 2018-10-24 | 2019-03-22 | 浙江工业大学 | 一种中药饮片自动干燥过程湿度神经网络预测控制方法 |
| CN109557812A (zh) * | 2018-10-24 | 2019-04-02 | 浙江工业大学 | 一种中药饮片中药材自动清洗过程水浊度神经网络预测控制方法 |
| CN109557269A (zh) * | 2018-12-11 | 2019-04-02 | 漳州卫生职业学院 | 一种土炒中药饮片的质量评价方法 |
| CN110879955A (zh) * | 2018-09-06 | 2020-03-13 | 埃森哲环球解决方案有限公司 | 使用具有深度学习的计算机视觉的数字质量控制 |
| CN111398538A (zh) * | 2020-06-08 | 2020-07-10 | 江西汇仁药业股份有限公司 | 中药综合品质评价方法 |
| CN111539474A (zh) * | 2020-04-23 | 2020-08-14 | 大连理工大学 | 一种分类器模型迁移学习方法 |
| CN113112101A (zh) * | 2020-01-10 | 2021-07-13 | 北京百度网讯科技有限公司 | 生产工艺过程的监测的方法和装置、电子设备、存储介质 |
| CN113780740A (zh) * | 2021-08-11 | 2021-12-10 | 杭州云嘉健康管理有限公司 | 一种药品生产智慧监管黑匣子及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1403822A (zh) * | 2002-09-26 | 2003-03-19 | 浙江大学 | 中药生产工艺中产品质量指标在线检测 |
| CN1602830A (zh) * | 2004-11-09 | 2005-04-06 | 清华大学 | 一种对中药生产工艺进行实时监控的方法 |
| CN103268087A (zh) * | 2013-04-22 | 2013-08-28 | 南京海源中药饮片有限公司 | 一种中药饮片生产用智能物联数字化管控系统及方法 |
| CN103810568A (zh) * | 2014-01-26 | 2014-05-21 | 南京中医药大学 | 基于物联网技术的中药饮片质量管理系统 |
| CN107330733A (zh) * | 2017-06-30 | 2017-11-07 | 攀枝花学院 | 基于bp神经网络的药材价格变化规律的预测方法 |
| CN107578104A (zh) * | 2017-08-31 | 2018-01-12 | 江苏康缘药业股份有限公司 | 一种中药生产过程知识系统 |
-
2018
- 2018-01-16 CN CN201810037531.6A patent/CN108346058A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1403822A (zh) * | 2002-09-26 | 2003-03-19 | 浙江大学 | 中药生产工艺中产品质量指标在线检测 |
| CN1602830A (zh) * | 2004-11-09 | 2005-04-06 | 清华大学 | 一种对中药生产工艺进行实时监控的方法 |
| CN103268087A (zh) * | 2013-04-22 | 2013-08-28 | 南京海源中药饮片有限公司 | 一种中药饮片生产用智能物联数字化管控系统及方法 |
| CN103810568A (zh) * | 2014-01-26 | 2014-05-21 | 南京中医药大学 | 基于物联网技术的中药饮片质量管理系统 |
| CN107330733A (zh) * | 2017-06-30 | 2017-11-07 | 攀枝花学院 | 基于bp神经网络的药材价格变化规律的预测方法 |
| CN107578104A (zh) * | 2017-08-31 | 2018-01-12 | 江苏康缘药业股份有限公司 | 一种中药生产过程知识系统 |
Non-Patent Citations (1)
| Title |
|---|
| 王晓红: ""基于遗传神经网络中药片剂生产过程控制研究"", 《中国优秀硕士学位论文全文数据库医药卫生科技辑》 * |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110879955A (zh) * | 2018-09-06 | 2020-03-13 | 埃森哲环球解决方案有限公司 | 使用具有深度学习的计算机视觉的数字质量控制 |
| CN110879955B (zh) * | 2018-09-06 | 2024-05-14 | 埃森哲环球解决方案有限公司 | 使用具有深度学习的计算机视觉的数字质量控制 |
| CN109388064A (zh) * | 2018-09-29 | 2019-02-26 | 浙江工业大学 | 一种中药饮片喷雾润药过程软化度预测控制方法 |
| CN109506450B (zh) * | 2018-10-24 | 2020-06-02 | 浙江工业大学 | 一种中药饮片自动干燥过程湿度神经网络预测控制方法 |
| CN109557812A (zh) * | 2018-10-24 | 2019-04-02 | 浙江工业大学 | 一种中药饮片中药材自动清洗过程水浊度神经网络预测控制方法 |
| CN109506450A (zh) * | 2018-10-24 | 2019-03-22 | 浙江工业大学 | 一种中药饮片自动干燥过程湿度神经网络预测控制方法 |
| CN109447467A (zh) * | 2018-10-29 | 2019-03-08 | 成都奕阳现代科技有限公司 | 基于haccp对发酵食品进行数智化质控的系统及方法 |
| CN109557269A (zh) * | 2018-12-11 | 2019-04-02 | 漳州卫生职业学院 | 一种土炒中药饮片的质量评价方法 |
| CN109557269B (zh) * | 2018-12-11 | 2021-06-15 | 漳州卫生职业学院 | 一种土炒中药饮片的质量评价方法 |
| CN113112101A (zh) * | 2020-01-10 | 2021-07-13 | 北京百度网讯科技有限公司 | 生产工艺过程的监测的方法和装置、电子设备、存储介质 |
| CN113112101B (zh) * | 2020-01-10 | 2023-07-25 | 北京百度网讯科技有限公司 | 生产工艺过程的监测的方法和装置、电子设备、存储介质 |
| CN111539474A (zh) * | 2020-04-23 | 2020-08-14 | 大连理工大学 | 一种分类器模型迁移学习方法 |
| CN111398538A (zh) * | 2020-06-08 | 2020-07-10 | 江西汇仁药业股份有限公司 | 中药综合品质评价方法 |
| CN111398538B (zh) * | 2020-06-08 | 2020-10-09 | 江西汇仁药业股份有限公司 | 中药综合品质评价方法 |
| CN113780740A (zh) * | 2021-08-11 | 2021-12-10 | 杭州云嘉健康管理有限公司 | 一种药品生产智慧监管黑匣子及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108346058A (zh) | 一种中药饮片生产多维动态质量监控系统及方法 | |
| World Health Organization | WHO guidelines on good manufacturing practices (GMP) for herbal medicines | |
| Wang et al. | Method superior to traditional spectral identification: FT-NIR two-dimensional correlation spectroscopy combined with deep learning to identify the shelf life of fresh phlebopus portentosus | |
| CN101768622B (zh) | 一种评价鹿茸药效的方法 | |
| Overbeck et al. | Non-destructive sensor-based prediction of maturity and optimum harvest date of sweet cherry fruit | |
| Nategh et al. | Detection of toxic and non-toxic sweet cherries at different degrees of maturity using an electronic nose | |
| Đurić et al. | Use of different types of extracts as biostimulators in organic agriculture | |
| Fascella et al. | Effect of petal color, water status, and extraction method on qualitative characteristics of Rosa rugosa Liqueur | |
| Guan et al. | Relationships between defoliation, leaf area index, canopy reflectance, and forage yield in the alfalfa-leaf spot pathosystem | |
| Phillips et al. | Impact of foliar fungicides on frogeye leaf spot severity, radiation use efficiency and yield of soybean in Iowa | |
| CN106119337A (zh) | 一种快速鉴定花生品种对黄曲霉抗性的方法 | |
| Yumang et al. | Microcontroller-based fertilizer dispenser for rice crop | |
| CN107247030A (zh) | 一种利用pH示差法测定紫色菊花花青素苷含量从而确定最佳采收期的方法 | |
| Guan et al. | Relationships between percentage defoliation, dry weight, percentage reflectance, leaf‐to‐stem ratio, and green leaf area index in the alfalfa leaf spot pathosystem | |
| CN109985150A (zh) | 一种姜山药的炮制方法 | |
| Hickman et al. | Aerial photography and videography for detecting and mapping dicamba injury patterns | |
| CN109001385A (zh) | 一种花生荚果对黄曲霉侵染抗性的室内鉴定方法及其应用 | |
| Lauretti et al. | A low-cost multispectral device for in-field fruit ripening assessment | |
| CN2869867Y (zh) | 快速检测异丙草胺、异丙甲草胺残留的胶体金试纸 | |
| CN106258936A (zh) | 一种早花、高产型茶、药兼用菊花品种的杂交选育方法 | |
| CN110302260A (zh) | 一种降血脂的冬虫夏草含片及其制备方法 | |
| Roslan et al. | Rapid detection techniques for mechanical properties determination on surface of dioscorea hispida rhizome | |
| CN117269108B (zh) | 近红外光谱透射探测的便携式杜仲叶筛选装置及筛选方法 | |
| Sadohara et al. | Genotypic and Environmental Effects on Paste Quality of Common Beans (Phaseolus vulgaris L.) Grown in Michigan | |
| Maslang et al. | A Survey on the Ethnomycology and Laboratory Analyses of Wild Mushrooms Utilized as Food Among Multicultural Groups in Selected Municipalities of Nueva Vizcaya, Philippines |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |