CN112540635B - 一种基于人工智能的中药生产智能质量控制系统 - Google Patents
一种基于人工智能的中药生产智能质量控制系统 Download PDFInfo
- Publication number
- CN112540635B CN112540635B CN202011407514.0A CN202011407514A CN112540635B CN 112540635 B CN112540635 B CN 112540635B CN 202011407514 A CN202011407514 A CN 202011407514A CN 112540635 B CN112540635 B CN 112540635B
- Authority
- CN
- China
- Prior art keywords
- pixel
- intelligent
- unit
- pixels
- local neighborhood
- 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.)
- Active
Links
- 239000003814 drug Substances 0.000 title claims abstract description 26
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 15
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 9
- 238000003908 quality control method Methods 0.000 title claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000012544 monitoring process Methods 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims description 44
- 238000001914 filtration Methods 0.000 claims description 42
- 238000000605 extraction Methods 0.000 claims description 21
- 239000002245 particle Substances 0.000 claims description 11
- 238000012800 visualization Methods 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 230000004069 differentiation Effects 0.000 claims description 2
- 230000010354 integration Effects 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000000007 visual effect Effects 0.000 abstract 2
- 241001270131 Agaricus moelleri Species 0.000 description 6
- 238000012937 correction Methods 0.000 description 4
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011194 good manufacturing practice Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010828 elution Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000005469 granulation Methods 0.000 description 1
- 230000003179 granulation Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D23/00—Control of temperature
- G05D23/19—Control of temperature characterised by the use of electric means
- G05D23/30—Automatic controllers with an auxiliary heating device affecting the sensing element, e.g. for anticipating change of temperature
- G05D23/32—Automatic controllers with an auxiliary heating device affecting the sensing element, e.g. for anticipating change of temperature with provision for adjustment of the effect of the auxiliary heating device, e.g. a function of time
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
一种基于人工智能的中药生产智能质量控制系统,包括实时采集单元、实时监控单元、智能处理单元、智能控制单元和智能可视化单元,所述实时采集单元用于采集提取罐内的温度数据,所述实时监控单元用于采集提取罐外部的红外图像,所述智能处理单元用于对接收到的温度数据和红外图像进行处理,并将处理后的温度数据和给定的温度阈值之间的温度差值输入至智能控制单元,所述智能控制单元采用PID控制器调整提取罐的蒸汽调节阀,所述智能可视化单元用于显示处理后的温度数据和红外图像。本发明的有益效果:采用PID控制器实现了对提取罐内温度的智能控制,采用红外图像技术实现了对提取罐外部温度的全面监测。
Description
技术领域
本发明创造涉及中药生产领域,具体涉及一种基于人工智能的中药生产智能质量控制系统。
背景技术
中药产业是我国制药产业的中药组成部分,是独具特色和优势的民族产业。中药生产的生产工艺,一般是提取、过滤、浓缩、沉淀、分离、吸附、洗脱、浓缩收膏、喷雾造粒,以及配套的乙醇回收等几个工段组成。提取是从药材原料中分离有效成分的单元操作,直接关系到中药产品中有效成分的含量,影响中药产品的内在质量和临床疗效,因此,建立中药提取智能控制系统可以从产品的源头上解决中药产品工艺和成分的稳定性、可靠性问题,更好地与国家GMP规范相融合,有利于保证中药产品的质量。
发明内容
针对上述问题,本发明旨在提供一种基于人工智能的中药生产智能质量控制系统。
本发明创造的目的通过以下技术方案实现:
一种基于人工智能的中药生产智能质量控制系统,包括实时采集单元、实时监控单元、智能处理单元、智能控制单元和智能可视化单元,所述实时采集单元用于采集提取罐内的温度数据,并将采集到的温度数据传输至智能处理单元,所述实时监控单元用于采集提取罐外部的红外图像,并将采集到的红外图像传输至智能处理单元,所述智能处理单元用于对接收到的温度数据和红外图像分别进行处理,并将处理后的温度数据和给定的温度阈值之间的温度差值输入至智能控制单元,所述智能控制单元采用PID控制器根据接收到的温度差值调整提取罐的蒸汽调节阀,所述智能可视化单元用于显示处理后的温度数据和红外图像,并在处理后的提取罐外部的红外图像中存在灰度值超出给定的灰度值阈值的像素时进行预警。
优选地,所述智能处理单元用于对接收到的温度数据和红外图像分别进行滤波处理。
优选地,所述智能处理单元用于对接收到的红外图像进行滤波处理,设表示在时刻接收到的红外图像,表示红外图像中坐标的像素,表示像素的局部邻域,且为以像素为中心的的局部区域,其中,为给定的正整数;设表示像素在局部邻域中的相似像素集合,给定灰度阈值,设表示局部邻域中坐标处的像素,当像素满足时,则将像素加入到集合中,当像素满足时,则不将像素加入到集合中,其中,表示像素的灰度值,表示像素的灰度值;设表示像素在局部邻域中的相似检测系数,且,其中,表示集合中的像素数,表示局部邻域中的像素数;
其中,表示对像素的灰度值进行修正后的灰度值,表示像素的空域滤波权值,且,其中,表示空域滤波半径,表示像素的结构滤波权值,且,其中,表示像素在局部邻域中的相似检测系数,表示局部邻域中像素在局部邻域中的相似检测系数的最大值,表示局部邻域中像素在局部邻域中的相似检测系数的最小值,表示像素的噪声检测系数,且。
优选地,采用粒子群算法对智能控制单元采用的PID控制器的参数进行整定,设置智能控制单元中采用的粒子群算法进行更新。
本发明创造的有益效果:
(1)将PID控制器应用于中药提取过程中的温度控制,实现了对提取罐内温度的精确控制,提高了中药生产的质量;针对PID控制器参数难以整定的缺陷,提出采用粒子群算法对PID控制器的参数进行整定,从而提高了PID控制器的控制性能;将红外图像技术应用于对提取罐外部的温度监测中,红外图像中像素的灰度值能够有效的反应温度信息,通过采集的提取罐外部的红外图像能够更加直观的观察提取罐外部各个区域的温度,实现了对提取罐外部温度进行全面、直观的温度监测,能够及时发现提取罐的故障信息,从而确保了中药提取的顺利进行,提高了中药提取的生产质量。
(2)本发明用于对接收到的红外图像中的像素进行滤波处理,从而避免红外图像中的噪声像素影响对提取罐外部温度的监测,传统的图像去噪算法中,通常通过衡量所述像素和其局部邻域中邻域像素的灰度值之间的差值来判断所述像素的噪声属性,上述去噪算法在所述像素的局部邻域为结构较为统一的图像区域时能够有效的检测噪声像素,而当所述像素的局部邻域为结构复杂的区域且所述像素处于局部邻域中结构较小的一个区域时,采用上述去噪算法容易将正常像素判定为噪声像素进行处理,这样容易损害图像中的结构信息,针对上述情况,本优选实施例提出了相似检测系数,并通过衡量所述像素和其局部邻域中邻域像素之间的相似检测系数之间的关系来判断所述像素的噪声属性,能够有效的对噪声像素进行处理的同时,对于结构复杂区域具有更好的结构信息保护的优势,具体为:当所述像素为正常像素时,其无论处于平坦区域还是复杂区域,其局部邻域中都将存在一定数量和其灰度相似的邻域像素,而当所述邻域像素和所述像素处于同一区域时,所述局部邻域中和该邻域像素灰度相似的像素数和所述局部邻域中和所述像素灰度相似的邻域像素数将较为接近,即该邻域像素的相似检测系数和所述像素的相似检测系数较为接近,而当所述像素为噪声像素时,其局部邻域中和其灰度相似的邻域像素数将较少,即所述像素的相似检测系数将较小;根据上述特性,当所述像素的相似检测系数较大时,判定所述像素为正常像素,此时,保持所述像素的灰度值;当所述像素的相似检测系数较小时,判定所述像素为可疑像素,即该像素可能为噪声像素也可能为局部邻域中结构较小区域中的像素,此时,在对所述可疑像素的灰度值进行修正时,根据局部邻域中邻域像素的加权平均结果确定所述可疑像素的实际灰度值,所述邻域像素的权值由空域滤波权值和结构滤波权值综合确定,所述空域滤波权值时通过衡量所述邻域像素和所述像素之间的距离确定所述邻域像素的滤波权值,所述结构滤波权值的作用为当所述像素处于结构复杂的局部邻域且所述像素为正常像素时,增加局部邻域中和所述像素处于相同结构区域的正常邻域像素的滤波权值,减小局部邻域中和所述像素处于不同区域结构的邻域像素以及噪声邻域像素的滤波权值,从而起到保护图像结构信息的作用,具体为:当所述像素和所述邻域像素都为正常像素,且都处于局部邻域中的统一结构区域时,所述像素和所述邻域像素的相似检测系数的差值将较小,此时,结构滤波权值中的指数部分的值和噪声检测系数的值都较大,即结构滤波权值的值较大,增加了和所述像素处于同一结构区域的正常邻域像素的滤波权值,从而起到保护图像结构信息的作用;而当所述像素和所述邻域像素都为噪声像素时,这两个像素之间的相似检测系数的差值也较小,即结构滤波权值中的指数部分的值较大,但是,因为邻域像素为噪声像素,其相似检测系数和局部邻域的相似检测系数的中值的差值较大,即噪声检测系数的值较小,从而减小了噪声邻域像素的滤波权值,避免了噪声邻域像素对修正结果的影响;综上所述,本优选实施例提出的用于对红外图像中可疑像素的灰度值进行修正的方式,相较于传统的图像去噪方式,能够有效的修正图像中噪声像素灰度值的同时,在结构复杂区域有着更好的保护图像结构的优势。
附图说明
利用附图对发明创造作进一步说明,但附图中的实施例不构成对本发明创造的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明结构示意图。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例的一种基于人工智能的中药生产智能质量控制系统,包括实时采集单元、实时监控单元、智能处理单元、智能控制单元和智能可视化单元,所述实时采集单元用于采集提取罐内的温度数据,并将采集到的温度数据传输至智能处理单元,所述实时监控单元用于采集提取罐外部的红外图像,并将采集到的红外图像传输至智能处理单元,所述智能处理单元用于对接收到的温度数据和红外图像分别进行处理,并将处理后的温度数据和给定的温度阈值之间的温度差值输入至智能控制单元,所述智能控制单元采用PID控制器根据接收到的温度差值调整提取罐的蒸汽调节阀,所述智能可视化单元用于显示处理后的温度数据和红外图像,并在处理后的提取罐外部的红外图像中存在灰度值超出给定的灰度值阈值的像素时进行预警。
本优选实施例将PID控制器应用于中药提取过程中的温度控制,实现了对提取罐内温度的精确控制,提高了中药生产的质量;针对PID控制器参数难以整定的缺陷,提出采用改进的粒子群算法对PID控制器的参数进行整定,从而提高了PID控制器的控制性能;将红外图像技术应用于对提取罐外部的温度监测中,红外图像中像素的灰度值能够有效的反应温度信息,通过采集的提取罐的红外图像能够更加直观的观察提取罐外部各个区域的温度,实现了对提取罐外部温度进行全面、直观的温度监测,能够及时发现提取罐的故障信息,从而确保了中药提取的顺利进行,提高了中药提取的生产质量。
优选地,所述智能处理单元用于对接收到的温度数据和红外图像分别进行滤波处理。
优选地,所述智能处理单元用于对接收到的红外图像进行滤波处理,设表示在时刻接收到的红外图像,表示红外图像中坐标的像素,表示像素的局部邻域,且为以像素为中心的的区域,其中,为给定的正整数,且的值可以取;设表示像素在局部邻域中的相似像素集合,给定灰度阈值,的值可以取,设表示局部邻域中坐标处的像素,当像素满足时,则将像素加入到集合中,当像素满足时,则不将像素加入到集合中,其中,表示像素的灰度值,表示像素的灰度值;设表示像素在局部邻域中的相似检测系数,且,其中,表示集合中的像素数,表示局部邻域中的像素数;
其中,表示对像素的灰度值进行修正后的灰度值,表示像素的空域滤波权值,且,其中,表示空域滤波半径,且的值可以取,表示像素的结构滤波权值,且,其中,表示像素在局部邻域中的相似检测系数,表示局部邻域中像素在局部邻域中的相似检测系数的最大值,表示局部邻域中像素在局部邻域中的相似检测系数的最小值,表示像素的噪声检测系数,且。
本优选实施例用于对接收到的红外图像中的像素进行滤波处理,从而避免红外图像中的噪声像素影响对提取罐外部温度的监测,传统的图像去噪算法中,通常通过衡量所述像素和其局部邻域中邻域像素的灰度值之间的差值来判断所述像素的噪声属性,上述去噪算法在所述像素的局部邻域为结构较为统一的图像区域时能够有效的检测噪声像素,而当所述像素的局部邻域为结构复杂的区域且所述像素处于局部邻域中结构较小的一个区域时,采用上述去噪算法容易将正常像素判定为噪声像素进行处理,这样容易损害图像中的结构信息,针对上述情况,本优选实施例提出了相似检测系数,并通过衡量所述像素和其局部邻域中邻域像素之间的相似检测系数之间的关系来判断所述像素的噪声属性,能够有效的对噪声像素进行处理的同时,对于结构复杂区域具有更好的结构信息保护的优势,具体为:当所述像素为正常像素时,其无论处于平坦区域还是复杂区域,其局部邻域中都将存在一定数量和其灰度相似的邻域像素,而当所述邻域像素和所述像素处于同一区域时,所述局部邻域中和该邻域像素灰度相似的像素数和所述局部邻域中和所述像素灰度相似的邻域像素数将较为接近,即该邻域像素的相似检测系数和所述像素的相似检测系数较为接近,而当所述像素为噪声像素时,其局部邻域中和其灰度相似的邻域像素数将较少,即所述像素的相似检测系数将较小;根据上述特性,当所述像素的相似检测系数较大时,判定所述像素为正常像素,此时,保持所述像素的灰度值;当所述像素的相似检测系数较小时,判定所述像素为可疑像素,即该像素可能为噪声像素也可能为局部邻域中结构较小区域中的像素,此时,在对所述可疑像素的灰度值进行修正时,根据局部邻域中邻域像素的加权平均结果确定所述可疑像素的实际灰度值,所述邻域像素的权值由空域滤波权值和结构滤波权值综合确定,所述空域滤波权值时通过衡量所述邻域像素和所述像素之间的距离确定所述邻域像素的滤波权值,所述结构滤波权值的作用为当所述像素处于结构复杂的局部邻域且所述像素为正常像素时,增加局部邻域中和所述像素处于相同结构区域的正常邻域像素的滤波权值,减小局部邻域中和所述像素处于不同区域结构的邻域像素以及噪声邻域像素的滤波权值,从而起到保护图像结构信息的作用,具体为:当所述像素和所述邻域像素都为正常像素,且都处于局部邻域中的统一结构区域时,所述像素和所述邻域像素的相似检测系数的差值将较小,此时,结构滤波权值中的指数部分的值和噪声检测系数的值都较大,即结构滤波权值的值较大,增加了和所述像素处于同一结构区域的正常邻域像素的滤波权值,从而起到保护图像结构信息的作用;而当所述像素和所述邻域像素都为噪声像素时,这两个像素之间的相似检测系数的差值也较小,即结构滤波权值中的指数部分的值较大,但是,因为邻域像素为噪声像素,其相似检测系数和局部邻域的相似检测系数的中值的差值较大,即噪声检测系数的值较小,从而减小了噪声邻域像素的滤波权值,避免了噪声邻域像素对修正结果的影响;综上所述,本优选实施例提出的用于对红外图像中可疑像素的灰度值进行修正的方式,相较于传统的图像去噪方式,能够有效的修正图像中噪声像素灰度值的同时,在结构复杂区域有着更好的保护图像结构的优势。
优选地,采用粒子群算法对智能控制单元采用的PID控制器的参数进行整定,所述粒子群算法采用ITAE性能指标作为粒子群算法的适应度函数,粒子的适应度函数值越小,代表粒子的寻优结果越好,设置智能控制单元中采用的粒子群算法进行更新。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (2)
1.一种基于人工智能的中药生产智能质量控制系统,其特征是,包括实时采集单元、实时监控单元、智能处理单元、智能控制单元和智能可视化单元,所述实时采集单元用于采集提取罐内的温度数据,并将采集到的温度数据传输至智能处理单元,所述实时监控单元用于采集提取罐外部的红外图像,并将采集到的红外图像传输至智能处理单元,所述智能处理单元用于对接收到的温度数据和红外图像分别进行处理,并将处理后的温度数据和给定的温度阈值之间的温度差值输入至智能控制单元,所述智能控制单元采用PID控制器根据接收到的温度差值调整提取罐的蒸汽调节阀,所述智能可视化单元用于显示处理后的温度数据和红外图像,并在处理后的提取罐外部的红外图像中存在灰度值超出给定的灰度值阈值的像素时进行预警;
所述智能处理单元用于对接收到的温度数据和红外图像分别进行滤波处理,设I(t)表示在t时刻接收到的红外图像,I(xt,yt)表示红外图像I(t)中坐标(xt,yt)的像素,Ω(xt,yt)表示像素I(xt,yt)的局部邻域,且Ω(xt,yt)为以像素I(xt,yt)为中心的(2n+1)×(2n+1)的局部区域,其中,n为给定的正整数;设S(xt,yt)表示像素I(xt,yt)在局部邻域Ω(xt,yt)中的相似像素集合,给定灰度阈值H(t),设I(at,bt)表示局部邻域Ω(xt,yt)中坐标(at,bt)处的像素,当像素I(at,bt)满足|h(at,bt)-h(xt,yt)|≤H(t)时,则将像素I(at,bt)加入到集合S(xt,yt)中,当像素I(at,bt)满足|h(at,bt)-h(xt,yt)|>H(t)时,则不将像素I(at,bt)加入到集合s(xt,yt)中,其中,h(at,bt)表示像素I(at,bt)的灰度值,h(xt,yt)表示像素I(xt,yt)的灰度值;设s(xt,yt)表示像素I(xt,yt)在局部邻域Ω(xt,yt)中的相似检测系数,且其中,NS(xt,yt)表示集合S(xt,yt)中的像素数,NΩ(xt,yt)表示局部邻域Ω(xt,yt)中的像素数;
设表示局部邻域Ω(xt,yt)中像素在局部邻域Ω(xt,yt)中的相似检测系数的中值,当像素I(xt,yt)满足时,则判定像素I(xt,yt)为正常像素,不改变像素I(xt,yt)的灰度值h(xt,yt),当像素I(xt,yt)满足 时,则判定像素为可疑像素,采用下列方式对像素I(xt,yt)的灰度值h(xt,yt)进行修正:
其中,h′(xt,yt)表示对像素I(xt,yt)的灰度值h(xt,yt)进行修正后的灰度值,ωd(at,bt)表示像素I(at,bt)的空域滤波权值,且 其中,σd表示空域滤波半径,ωs(at,bt)表示像素I(at,bt)的结构滤波权值,且其中,s(at,bt)表示像素I(at,bt)在局部邻域Ω(xt,yt)中的相似检测系数,smax(xt,yt)表示局部邻域Ω(xt,yt)中像素在局部邻域Ω(xt,yt)中的相似检测系数的最大值,smin(xt,yt)表示局部邻域Ω(xt,yt)中像素在局部邻域Ω(xt,yt)中的相似检测系数的最小值,ρ(at,bt)表示像素I(at,bt)的噪声检测系数,且
2.根据权利要求1所述的一种基于人工智能的中药生产智能质量控制系统,其特征是,采用粒子群算法对智能控制单元采用的PID控制器的参数进行整定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011407514.0A CN112540635B (zh) | 2020-12-03 | 2020-12-03 | 一种基于人工智能的中药生产智能质量控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011407514.0A CN112540635B (zh) | 2020-12-03 | 2020-12-03 | 一种基于人工智能的中药生产智能质量控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112540635A CN112540635A (zh) | 2021-03-23 |
CN112540635B true CN112540635B (zh) | 2021-08-17 |
Family
ID=75015869
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011407514.0A Active CN112540635B (zh) | 2020-12-03 | 2020-12-03 | 一种基于人工智能的中药生产智能质量控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112540635B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116520915B (zh) * | 2023-06-28 | 2023-09-05 | 泰山学院 | 基于热红外图像的网络中心机房温度预警控制系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9172972B2 (en) * | 2011-01-05 | 2015-10-27 | Qualcomm Incorporated | Low complexity interpolation filtering with adaptive tap size |
CN105717067B (zh) * | 2016-05-03 | 2019-01-04 | 哈尔滨珍宝制药有限公司 | 三七定量提取的自动控制系统及方法 |
CN110458157B (zh) * | 2019-10-14 | 2020-01-07 | 江西太平洋电缆集团有限公司 | 一种电力电缆生产过程智能监控系统 |
CN110942458B (zh) * | 2019-12-06 | 2023-05-16 | 汕头大学 | 一种温度异常缺陷检测定位方法及系统 |
CN111338298B (zh) * | 2020-02-12 | 2020-09-11 | 上海圣石生物医学科技有限公司 | 一种用于健康圈的生产过程智能监控系统 |
CN111775759B (zh) * | 2020-07-10 | 2020-12-15 | 李国安 | 一种新能源汽车充电桩智能管理系统 |
-
2020
- 2020-12-03 CN CN202011407514.0A patent/CN112540635B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112540635A (zh) | 2021-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106296612B (zh) | 一种图像质量评价和天气状况引导的分级式监控视频清晰化系统及方法 | |
CN110232389B (zh) | 一种基于绿色作物特征提取不变性的立体视觉导航方法 | |
CN107067382A (zh) | 一种改进的图像边缘检测方法 | |
CN106709450A (zh) | 一种指纹图像识别方法及系统 | |
CN107705288A (zh) | 伪目标运动强干扰下的危险气体泄漏红外视频检测方法 | |
CN111292257B (zh) | 一种基于Retinex的暗视觉环境下图像增强方法 | |
CN110728241A (zh) | 一种基于深度学习多特征融合的驾驶员疲劳检测方法 | |
CN108109159B (zh) | 一种基于hessian矩阵和区域增长相结合的视网膜血管分割系统 | |
CN112540635B (zh) | 一种基于人工智能的中药生产智能质量控制系统 | |
CN110363742A (zh) | 一种基于cnn和图像处理的转辙机缺口检测方法 | |
CN114821376B (zh) | 一种基于深度学习的无人机影像地质灾害自动提取方法 | |
CN110008833B (zh) | 基于光学遥感图像的目标船只检测方法 | |
CN115065708B (zh) | 基于机器视觉检测的工业物联网系统及其控制方法 | |
CN109166111A (zh) | 一种电子墨水屏缺陷检测方法及系统 | |
CN110751635A (zh) | 一种基于帧间差分和hsv颜色空间的口腔检测方法 | |
CN116805313A (zh) | 一种喷雾机喷头的缺陷检测方法 | |
CN116152261A (zh) | 一种印刷制品质量的视觉检测系统 | |
CN116563262A (zh) | 基于多模态的建筑裂缝检测算法 | |
CN111882549B (zh) | 一种灰绿色细小异纤自动检测识别方法及检测识别系统 | |
CN110298796A (zh) | 基于改进Retinex与对数图像处理的低照度图像增强方法 | |
CN110674799B (zh) | 一种基于图像处理的植物提取参数设置系统 | |
CN105335717B (zh) | 基于智能移动终端视频抖动分析的人脸识别系统 | |
CN116823756A (zh) | 一种桩腿焊缝缺陷检测方法 | |
CN115272174B (zh) | 一种市政道路检测方法及系统 | |
CN115307743A (zh) | 一种快速自适应体温测量方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |