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 PDF

Info

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
Application number
CN202011407514.0A
Other languages
English (en)
Other versions
CN112540635A (zh
Inventor
谢志坚
李峰伟
雷永
张敬海
贾向东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Cr Sanjiu Zaozhuang Pharmaceutical Co ltd
Original Assignee
Cr Sanjiu Zaozhuang Pharmaceutical Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Cr Sanjiu Zaozhuang Pharmaceutical Co ltd filed Critical Cr Sanjiu Zaozhuang Pharmaceutical Co ltd
Priority to CN202011407514.0A priority Critical patent/CN112540635B/zh
Publication of CN112540635A publication Critical patent/CN112540635A/zh
Application granted granted Critical
Publication of CN112540635B publication Critical patent/CN112540635B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

一种基于人工智能的中药生产智能质量控制系统
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
Figure 845496DEST_PATH_IMAGE001
表示在
Figure 941628DEST_PATH_IMAGE002
时刻接收到的红外图像，
Figure 590915DEST_PATH_IMAGE003
表示红外图像
Figure 331469DEST_PATH_IMAGE001
中坐标
Figure 470326DEST_PATH_IMAGE004
的像素，
Figure 492902DEST_PATH_IMAGE005
表示像素
Figure 945880DEST_PATH_IMAGE006
的局部邻域，且
Figure 603258DEST_PATH_IMAGE005
为以像素
Figure 850700DEST_PATH_IMAGE003
为中心的
Figure 357642DEST_PATH_IMAGE007
的局部区域，其中，
Figure 348732DEST_PATH_IMAGE008
为给定的正整数；设
Figure 188512DEST_PATH_IMAGE009
表示像素
Figure 606855DEST_PATH_IMAGE003
在局部邻域
Figure 102558DEST_PATH_IMAGE005
中的相似像素集合，给定灰度阈值
Figure 121506DEST_PATH_IMAGE010
，设
Figure 691158DEST_PATH_IMAGE011
表示局部邻域
Figure 608299DEST_PATH_IMAGE005
中坐标
Figure 325719DEST_PATH_IMAGE012
处的像素，当像素
Figure 157147DEST_PATH_IMAGE011
满足
Figure 909202DEST_PATH_IMAGE013
时，则将像素
Figure 669348DEST_PATH_IMAGE011
加入到集合
Figure 874064DEST_PATH_IMAGE009
中，当像素
Figure 512112DEST_PATH_IMAGE011
满足
Figure 118674DEST_PATH_IMAGE014
时，则不将像素
Figure 49721DEST_PATH_IMAGE011
加入到集合
Figure 804050DEST_PATH_IMAGE009
中，其中，
Figure 478745DEST_PATH_IMAGE015
表示像素
Figure 438349DEST_PATH_IMAGE011
的灰度值，
Figure 805876DEST_PATH_IMAGE016
表示像素
Figure 985185DEST_PATH_IMAGE003
的灰度值；设
Figure 197991DEST_PATH_IMAGE017
表示像素
Figure 280610DEST_PATH_IMAGE003
在局部邻域
Figure 553460DEST_PATH_IMAGE005
中的相似检测系数，且
Figure 220064DEST_PATH_IMAGE018
，其中，
Figure 236562DEST_PATH_IMAGE019
表示集合
Figure 170758DEST_PATH_IMAGE020
中的像素数，
Figure 880088DEST_PATH_IMAGE021
表示局部邻域
Figure 830726DEST_PATH_IMAGE005
中的像素数；
设
Figure 650915DEST_PATH_IMAGE022
表示局部邻域
Figure 941082DEST_PATH_IMAGE005
中像素在局部邻域
Figure 260461DEST_PATH_IMAGE005
中的相似检测系数的中值，当像素
Figure 636079DEST_PATH_IMAGE003
满足
Figure 56696DEST_PATH_IMAGE023
时，则判定像素
Figure 466948DEST_PATH_IMAGE006
为正常像素，不改变像素
Figure 16616DEST_PATH_IMAGE006
的灰度值
Figure 879530DEST_PATH_IMAGE016
，当像素
Figure 41521DEST_PATH_IMAGE006
满足
Figure 40701DEST_PATH_IMAGE024
时，则判定像素为可疑像素，采用下列方式对像素
Figure 775919DEST_PATH_IMAGE006
的灰度值
Figure 126128DEST_PATH_IMAGE016
进行修正：
Figure DEST_PATH_IMAGE025
其中，
Figure 29494DEST_PATH_IMAGE026
表示对像素
Figure 647294DEST_PATH_IMAGE003
的灰度值
Figure 774650DEST_PATH_IMAGE016
进行修正后的灰度值，
Figure 674473DEST_PATH_IMAGE027
表示像素
Figure 178267DEST_PATH_IMAGE011
的空域滤波权值，且
Figure 417618DEST_PATH_IMAGE028
，其中，
Figure 217341DEST_PATH_IMAGE029
表示空域滤波半径，
Figure 542143DEST_PATH_IMAGE030
表示像素
Figure 849627DEST_PATH_IMAGE011
的结构滤波权值，且
Figure 677906DEST_PATH_IMAGE031
，其中，
Figure 911179DEST_PATH_IMAGE032
表示像素
Figure 457698DEST_PATH_IMAGE011
在局部邻域
Figure 568873DEST_PATH_IMAGE005
中的相似检测系数，
Figure 517238DEST_PATH_IMAGE033
表示局部邻域
Figure 924342DEST_PATH_IMAGE005
中像素在局部邻域
Figure 958157DEST_PATH_IMAGE005
中的相似检测系数的最大值，
Figure 607444DEST_PATH_IMAGE034
表示局部邻域
Figure 846533DEST_PATH_IMAGE005
中像素在局部邻域
Figure 923074DEST_PATH_IMAGE005
中的相似检测系数的最小值，
Figure 444185DEST_PATH_IMAGE035
表示像素
Figure 631584DEST_PATH_IMAGE036
的噪声检测系数，且
Figure 56005DEST_PATH_IMAGE037
。
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
Figure 303447DEST_PATH_IMAGE001
表示在
Figure 311854DEST_PATH_IMAGE002
时刻接收到的红外图像，
Figure 302944DEST_PATH_IMAGE003
表示红外图像
Figure 142724DEST_PATH_IMAGE001
中坐标
Figure 59602DEST_PATH_IMAGE004
的像素，
Figure 289726DEST_PATH_IMAGE005
表示像素
Figure 146824DEST_PATH_IMAGE006
的局部邻域，且
Figure 778794DEST_PATH_IMAGE005
为以像素
Figure 368038DEST_PATH_IMAGE003
为中心的
Figure 413354DEST_PATH_IMAGE007
的区域，其中，
Figure 235993DEST_PATH_IMAGE008
为给定的正整数，且
Figure 722469DEST_PATH_IMAGE008
的值可以取
Figure 748194DEST_PATH_IMAGE038
；设
Figure 15227DEST_PATH_IMAGE009
表示像素
Figure 151810DEST_PATH_IMAGE003
在局部邻域
Figure 991328DEST_PATH_IMAGE005
中的相似像素集合，给定灰度阈值
Figure 250271DEST_PATH_IMAGE010
，
Figure 942283DEST_PATH_IMAGE010
的值可以取
Figure 616978DEST_PATH_IMAGE039
，设
Figure 140364DEST_PATH_IMAGE011
表示局部邻域
Figure 507891DEST_PATH_IMAGE005
中坐标
Figure 923085DEST_PATH_IMAGE012
处的像素，当像素
Figure 463788DEST_PATH_IMAGE011
满足
Figure 44942DEST_PATH_IMAGE013
时，则将像素
Figure 317792DEST_PATH_IMAGE011
加入到集合中，当像素
Figure 984396DEST_PATH_IMAGE011
满足
Figure 63211DEST_PATH_IMAGE014
时，则不将像素
Figure 997406DEST_PATH_IMAGE011
加入到集合
Figure 441157DEST_PATH_IMAGE009
中，其中，
Figure 657375DEST_PATH_IMAGE015
表示像素
Figure 477563DEST_PATH_IMAGE011
的灰度值，
Figure 767730DEST_PATH_IMAGE016
表示像素
Figure 710279DEST_PATH_IMAGE003
的灰度值；设
Figure 587361DEST_PATH_IMAGE017
表示像素
Figure 945661DEST_PATH_IMAGE003
在局部邻域
Figure 355914DEST_PATH_IMAGE005
中的相似检测系数，且
Figure 203784DEST_PATH_IMAGE018
，其中，
Figure 66698DEST_PATH_IMAGE019
表示集合
Figure 727224DEST_PATH_IMAGE020
中的像素数，
Figure 991984DEST_PATH_IMAGE021
表示局部邻域
Figure 276334DEST_PATH_IMAGE005
中的像素数；
设
Figure 626544DEST_PATH_IMAGE022
表示局部邻域
Figure 326647DEST_PATH_IMAGE005
中像素在局部邻域
Figure 508230DEST_PATH_IMAGE005
中的相似检测系数的中值，当像素
Figure 402630DEST_PATH_IMAGE003
满足
Figure 240136DEST_PATH_IMAGE023
时，则判定像素
Figure 806246DEST_PATH_IMAGE006
为正常像素，不改变像素
Figure 780019DEST_PATH_IMAGE006
的灰度值
Figure 343855DEST_PATH_IMAGE016
，当像素
Figure 730974DEST_PATH_IMAGE006
满足
Figure 271415DEST_PATH_IMAGE024
时，则判定像素为可疑像素，采用下列方式对像素
Figure 365272DEST_PATH_IMAGE006
的灰度值
Figure 162327DEST_PATH_IMAGE016
进行修正：
Figure 708846DEST_PATH_IMAGE025
其中，
Figure 820022DEST_PATH_IMAGE026
表示对像素
Figure 830703DEST_PATH_IMAGE003
的灰度值
Figure 249526DEST_PATH_IMAGE016
进行修正后的灰度值，
Figure 283341DEST_PATH_IMAGE027
表示像素
Figure 729366DEST_PATH_IMAGE011
的空域滤波权值，且
Figure 797816DEST_PATH_IMAGE028
，其中，
Figure 874356DEST_PATH_IMAGE029
表示空域滤波半径，且
Figure 894002DEST_PATH_IMAGE029
的值可以取
Figure 143718DEST_PATH_IMAGE040
，
Figure 66675DEST_PATH_IMAGE030
表示像素
Figure 314117DEST_PATH_IMAGE011
的结构滤波权值，且
Figure 384841DEST_PATH_IMAGE031
，其中，
Figure 375931DEST_PATH_IMAGE032
表示像素
Figure 654859DEST_PATH_IMAGE011
在局部邻域
Figure 135518DEST_PATH_IMAGE005
中的相似检测系数，
Figure 365643DEST_PATH_IMAGE033
表示局部邻域
Figure 160423DEST_PATH_IMAGE005
中像素在局部邻域
Figure 854710DEST_PATH_IMAGE005
中的相似检测系数的最大值，
Figure 443954DEST_PATH_IMAGE034
表示局部邻域
Figure 925489DEST_PATH_IMAGE005
中像素在局部邻域
Figure 320698DEST_PATH_IMAGE005
中的相似检测系数的最小值，
Figure 807174DEST_PATH_IMAGE035
表示像素
Figure 832899DEST_PATH_IMAGE036
的噪声检测系数，且
Figure 37615DEST_PATH_IMAGE037
。
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
Figure FDA0003060968160000011
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
Figure FDA0003060968160000015
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
Figure FDA0003060968160000012
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
Figure FDA0003060968160000013
Figure FDA0003060968160000014
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：
Figure FDA0003060968160000021
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
Figure FDA0003060968160000022
Figure FDA0003060968160000023
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
Figure FDA0003060968160000024
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
Figure FDA0003060968160000025
Figure FDA0003060968160000026
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。
CN202011407514.0A 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 Active CN112540635B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

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