CN117697788A - 一种中药生产环境巡检机器人及微生物含量测定方法 - Google Patents
一种中药生产环境巡检机器人及微生物含量测定方法 Download PDFInfo
- Publication number
- CN117697788A CN117697788A CN202410066521.0A CN202410066521A CN117697788A CN 117697788 A CN117697788 A CN 117697788A CN 202410066521 A CN202410066521 A CN 202410066521A CN 117697788 A CN117697788 A CN 117697788A
- Authority
- CN
- China
- Prior art keywords
- module
- stain
- microorganism
- robot
- control module
- 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.)
- Granted
Links
- 244000005700 microbiome Species 0.000 title claims abstract description 75
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 36
- 239000003814 drug Substances 0.000 title claims abstract description 24
- 238000007689 inspection Methods 0.000 title claims abstract description 18
- 238000004140 cleaning Methods 0.000 claims abstract description 47
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 238000001237 Raman spectrum Methods 0.000 claims abstract description 28
- 238000001069 Raman spectroscopy Methods 0.000 claims abstract description 26
- 230000007613 environmental effect Effects 0.000 claims abstract description 19
- 238000004378 air conditioning Methods 0.000 claims abstract description 12
- 238000012795 verification Methods 0.000 claims abstract description 11
- 238000004062 sedimentation Methods 0.000 claims abstract description 8
- 239000000463 material Substances 0.000 claims abstract description 6
- 239000000758 substrate Substances 0.000 claims abstract description 5
- 239000001963 growth medium Substances 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims description 22
- 239000002689 soil Substances 0.000 claims description 14
- 241000894006 Bacteria Species 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 238000012417 linear regression Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 7
- 238000001228 spectrum Methods 0.000 claims description 7
- 238000003556 assay Methods 0.000 claims description 6
- 230000035945 sensitivity Effects 0.000 claims description 5
- 230000003595 spectral effect Effects 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 238000007639 printing Methods 0.000 claims description 3
- 238000009432 framing Methods 0.000 claims description 2
- 238000002372 labelling Methods 0.000 claims description 2
- 230000000813 microbial effect Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 abstract description 4
- 230000005540 biological transmission Effects 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 241000233866 Fungi Species 0.000 abstract 2
- 230000003116 impacting effect Effects 0.000 abstract 1
- 241000191967 Staphylococcus aureus Species 0.000 description 15
- 230000006870 function Effects 0.000 description 5
- 230000008447 perception Effects 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 description 3
- 238000000861 blow drying Methods 0.000 description 3
- 238000005406 washing Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000011534 incubation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 238000001931 thermography Methods 0.000 description 2
- 241000228245 Aspergillus niger Species 0.000 description 1
- 244000063299 Bacillus subtilis Species 0.000 description 1
- 235000014469 Bacillus subtilis Nutrition 0.000 description 1
- 241000222122 Candida albicans Species 0.000 description 1
- 241000588724 Escherichia coli Species 0.000 description 1
- 241000589517 Pseudomonas aeruginosa Species 0.000 description 1
- 101100184148 Xenopus laevis mix-a gene Proteins 0.000 description 1
- 101100345673 Xenopus laevis mix-b gene Proteins 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 150000001298 alcohols Chemical class 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229940095731 candida albicans Drugs 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 150000002170 ethers Chemical class 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 150000008282 halocarbons Chemical class 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 150000002576 ketones Chemical class 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000012855 volatile organic compound Substances 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
- B25J9/1697—Vision controlled systems
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
Abstract
本发明公开了一种中药生产环境巡检机器人及微生物含量测定方法，涉及中药生产技术领域，方法包括通过微生物采集器采集将生产环境中浮游菌、沉降菌微生物撞击并附着于添加表面增强拉曼基底材料和增强因子的培养基；采集拉曼光谱；依据方法学验证分析方法计算微生物含量；依据微生物含量联动调节空调系统。机器人包括机器人主体、感知模块、清洁模块、采集模块和控制模块，感知模块、清洁模块、采集模块和控制模块都安装在机器人主体上，感知模块、清洁模块、采集模块和控制模块通过工业通讯协议方式与机器人进行信息传递。本发明能够在中药生产场所进行巡检，收集环境数据，并执行必要的清洁和监测任务，以确保生产环境卫生与安全。
Description
技术领域
本发明涉及中药生产技术领域，具体涉及一种中药生产环境巡检机器人及微生物含量测定方法。
背景技术
中成药工业化生产涉及药材清洗、整炮、前处理、提取纯化、制剂、包装等多个生产车间，不同车间对于生产环境要求不同。传统的以人工巡检和记录生产环境情况的方式耗时且易受主观因素影响，存在一定的不足，已难以满足生产效能和监管要求。
因此，为了提高巡检效率和精度，需要提出一种自动化的巡检机器人及测定方法，能够在中药生产场所实现自主巡检及数据采集的功能。
发明内容
本发明针对现有技术存在的问题，提供了一种中药生产环境巡检机器人及微生物含量测定方法。
为实现上述目的，本发明采用的技术方案如下：
一种微生物含量测定方法，采用一种中药生产环境巡检机器人，包括以下步骤：
步骤S1：通过微生物采集器采集将生产环境中浮游菌、沉降菌微生物撞击并附着于添加了表面增强拉曼基底材料和增强因子的培养基；
步骤S2：培养时间段后，通过拉曼光谱仪采集拉曼光谱，优选设定的时间段为5－60分钟；
步骤S3：依据经过方法学验证后的分析方法进行检测微生物含量；
步骤S4：依据微生物含量联动调节空调系统或发送警报信息。
基于上述技术方案，更进一步地，所述步骤S3中方法学验证过程包括以下步骤：
步骤S31：分析拉曼光谱重现性：通过重复测定同一样品的拉曼光谱5－15次，计算拉曼光谱强度的相对标准偏差，进而评价所建立分析方法的稳定性；
步骤S32：分析线性范围和检测限：通过测定一系列浓度梯度的微生物样品的拉曼光谱，建立光谱强度与微生物浓度间线性回归模型，进而评价分析方法的灵敏度；
步骤S33：分析专属性或特异性：通过测定不同微生物样品的拉曼光谱，比较光谱强度，进而评价分析方法专属性或特异性。
基于上述技术方案，更进一步地，步骤S3分析检测过程为：先建立拉曼光谱强度与微生物含量之间的线性回归方程，再将实际样品的拉曼光谱强度带入线性回归方程中，计算得到样品中的微生物含量。
基于上述技术方案，更进一步地，在检测生产环境微生物的同时，可对中药生产区域地面、墙面或设备表面的污渍进行识别和清洁，过程为：
步骤1：对采集的地面、墙面或设备表面的污渍图像进行处理，制作数据集；
步骤2：基于YOLO网络模型，建立污渍目标检测模型，输入处理后的污渍图像数据集，并对图像中污渍类别进行模型训练，得到训练好的污渍检测模型；
步骤3：将摄像头组件拍摄的图像输入训练好的污渍检测模型，获得污渍区域和污渍类别信息；
步骤4：将污渍信息打印到摄像头组件画面中并传输至控制模块。
基于上述技术方案，更进一步地，所述步骤1中，通过图像处理软件或编写脚本将拍摄的原始图片处理成为训练YOLO模型所需的分辨率，并将裁切成为相同分辨率的图片，并人工标注污渍区域和污渍类别；同时，将处理好的图片随机划分成训练集、验证集和测试集。
基于上述技术方案，更进一步地，所述步骤2中，通过预先采集一批带有污渍区域的图片，人工框选污渍区域并标注污渍类别，训练YOLO网络模型。
一种中药生产环境巡检机器人，包括机器人主体、感知模块、清洁模块、采集模块和控制模块，感知模块、清洁模块、采集模块和控制模块都安装在机器人主体上，且感知模块、清洁模块、采集模块和控制模块两两之间通过进行信息交互，并且感知模块、清洁模块、采集模块和控制模块都与机器人进行信息传递；其中，通过感知模块获知环境参数，将环境参数信息传递至控制模块，控制模块判定污渍情况，并将污渍情况信息发送至清洁模块，清洁模块执行操作；采集模块采集生产环境微生物含量，并将采集的信息传递至控制模块，控制模块判定采集的信息情况。其中，工业通讯协议包括但不限于Modbus、TCP/IP、RS－232、RS－485等；发送指令包括但不限于向约定寄存器地址写入指定编码、触发物理按键等。
基于上述技术方案，更进一步地，所述感知模块至少包括摄像头组件、温湿度传感器、空气质量传感器和可燃气体探测器，且摄像头组件、温湿度传感器、空气质量传感器和可燃气体探测器都安装在机器人主体顶部。
基于上述技术方案，更进一步地，所述采集模块至少包括微生物采集器、拉曼光谱仪和培养皿，且微生物采集器、拉曼光谱仪和培养皿安装在同一支架上，支架安装在机器人主体顶部，培养皿设于微生物采集器和拉曼光谱仪下方。
基于上述技术方案，更进一步地，所述机器人主体上还安装有激光雷达，且激光雷达和清洁模块都安装在机器人主体底部。
基于上述技术方案，更进一步地，所述控制模块安装在机器人主体内部，至少包括数据采集卡、中央处理器芯片、内存条、硬盘和主板。
相对于现有技术，本发明具有以下有益效果：
(1)本发明可通过机器人自主巡检中药生产区域中的温度、湿度、空气质量、微生物、清洁度、设备运行状况等环境参数，及时清理污渍或联动调节空调系统，规避由于生产环境异常引起的质量风险。该机器人能够在中药生产场所进行巡检，收集环境数据，并执行必要的清洁和监测任务，以确保生产环境的卫生与安全。
(2)本发明的测定方法相较于传统微生物含量测定方法，其建立的拉曼光谱微生物检测方法可大幅提高检测灵敏度和检测效率，且通过具体的分析过程，可以进一步分析其重现性、线性、稳定性、专属性以及特异性情况。
附图说明
图1本发明实施例1的结构示意图；
图2为本发明实施例2中基于表面拉曼增强的金黄色葡萄球菌快速测定方法重现性结果；
图3为本发明实施例2中金黄色葡萄球菌浓度与拉曼光谱强度线性回归图；
图4为本发明实施例2中基于表面拉曼增强的金黄色葡萄球菌快速测定方法专属性结果；
图5为本发明实施例3中中药生产生产环境微生物巡检结果，以胃复春颗粒生产洁净区为例。
附图标记：1.机器人主体；11.激光雷达；21.红外摄像头；22.4K高清摄像头；23.温湿度传感器；24.空气质量传感器；25.可燃气体探测器；26.微生物采集器；27.拉曼光谱仪；28.培养皿；3.清洁模块。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步阐述和说明。本发明中各个实施方式的技术特征在没有相互冲突的前提下，均可进行相应组合。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施例的限制。本发明各个实施例中的技术特征在没有相互冲突的前提下，均可进行相应组合。
在本发明的描述中，需要理解的是，当一个元件被认为是“连接”另一个元件，可以是直接连接到另一个元件或者是间接连接即存在中间元件。相反，当元件为称作“直接”与另一元件连接时，不存在中间元件。
实施例1
结合图1所示，本实施例提供一种中药生产环境巡检机器人，包括机器人主体1、感知模块、清洁模块3、采集模块和控制模块，感知模块、清洁模块3、采集模块和控制模块都安装在机器人主体1上，且感知模块、清洁模块3、采集模块和控制模块两两之间通过进行信息交互，并且感知模块、清洁模块3、采集模块和控制模块都与机器人进行信息传递；其中，通过感知模块获知环境参数，将环境参数信息传递至控制模块，控制模块判定污渍情况，并将污渍情况信息发送至清洁模块3，清洁模块3执行操作；采集模块采集生产环境微生物含量，并将采集的信息传递至控制模块，控制模块判定采集的信息情况；具体的，通过感知模块获知环境参数，将环境参数信息传递至控制模块，控制模块判定是否存在污渍或出现超限情况；若判定存在污渍，则发送污渍区域坐标至机器人主体1，污渍类型至清洁模块3，待机器人主体1移动至污渍区域后，清洁模块3执行相应清洁操作；若出现环境参数参数超限情况，则联动调节空调系统或发送警报信息。通过采集模块采集生产环境微生物含量，将微生物含量信息传递至控制模块，控制模块判定是否存在超限情况，如超限，则联动调节空调系统或发送警报信息。其中，机器人主体1为AGV智能底盘，其底部安装有激光雷达11和清洁模块3，可实现地图绘制、自主避障、自主充电等功能，也即是具备自主移动能力和避障能力。感知模块用于检测温度、湿度、空气质量、微生物等环境参数。清洁模块3具有边刷、滚刷、吸口、喷水口、出风口等结构，通过边刷和滚刷可以进行清洁，通过吸口可以进行吸尘，通过喷水口和出风口可以进行洗地和吹干等操作，也即是，通过结构间的配合可根据巡检结果执行清洁任务，实现吸尘、清扫、洗地、吹干、联动调节空调系统等功能。控制模块可以在收集和存储感知模块所采集的环境数据的基础上，对数据进行处理和分析，用于指挥机器人执行巡检、清洁任务。具体的，感知模块、清洁模块3以及控制模块通过紧固件固定于机器人主体1，紧固件可以选择螺丝等具有固定作用的部件，并可基于工业通讯协议进行通讯，其中的工业通讯协议包括但不限于Modbus、TCP/IP、RS－232、RS－485等，发送指令包括但不限于向约定寄存器地址写入指定编码、触发物理按键等。机器人主体1移动至地图上的目标点后，向感知模块发送指令，感知模块开始采集指定的区域的环境参数。感知模块完成数据采集后将数据发送至控制模块，控制模块对数据进行分析后向清洁模块3或机器人主体1发送指令，执行清洁任务或移动至下一个目标点。
具体而言，所述感知模块至少包括摄像头组件、温湿度传感器23、空气质量传感器24和可燃气体探测器25等传感器或检测仪器，且摄像头组件、温湿度传感器23、空气质量传感器24和可燃气体探测器25都安装在机器人主体1顶部。其中的摄像头组件包括4K高清摄像头22和人红外摄像头21，4K高清摄像头22用于识别地面、墙面或设备表面的污渍；红外摄像头21用于检测生产设备区域温度。采集模块至少包括微生物采集器26、拉曼光谱仪27和培养皿28，且微生物采集器26、拉曼光谱仪27和培养皿28安装在同一支架上，支架安装在机器人主体1顶部，培养皿28设于微生物采集器26和拉曼光谱仪27下方。其中，拉曼光谱仪27用于快速测定生产环境中浮游菌/沉降菌的含量。控制模块安装在机器人主体1内部，至少包括数据采集卡、中央处理器芯片、内存条、硬盘和主板，其中数据采集卡、中央处理器芯片、内存条、硬盘和主板的处理过程以及作用与常见的产品完全一样，在此不做赘述。
本装置的工作原理为：机器人在机器人主体1的指引下移动至巡检点位，具体是机器人上的激光雷达11可绘制车间地图，在地图上标记巡检点位坐标后，机器人可在激光雷达11的指引下自主移动到指定坐标；启动感知模块，红外热成像摄像头和4K高清摄像头22分别采集相应图像，温湿度传感器23、空气质量传感器24、可燃气体探测器25分别采集相应环境参数，比如环境中的温湿度情况、空气质量情况(细颗粒物、二氧化碳浓度、甲醛浓度、总挥发性有机化合物浓度等)、可燃气体情况(烃类、卤代烃类、醇类、醚类、酮类等)等，微生物采集器26采集当前区域微生物并撞击于带有拉曼增强基底材料的培养皿28中培养30分钟后，启动拉曼光谱仪27采集培养皿28区域拉曼光谱，测定微生物含量。若红外热成像摄像头采集生产设备温度偏离正常区间则发送警报信息；若4K高清摄像头22拍摄图像的区域存在污渍，则发送清洁指令，并移动至污渍区域执行清洁任务，具体的，通过将摄像头组件拍摄的图像输入训练好的污渍检测模型，通过污渍检测模型直接可以识别污渍区域和污渍类别；若温湿度传感器23、空气质量传感器24、可燃气体探测器25所采集的环境参数存在超限情况，比如，在D级洁净区，设置浮游菌超限条件为100cfu/mL，若超限则联动调节空调系统或发送警报信息；若微生物检测到任意一个条件超限则异常发送警报信息。异常信息通过Modbus协议经由局域网发送至机器人的控制模块。具体的，通过向寄存器地址9000写入约定的编码发送异常信息，其中，设备温度异常写入的编码为101，地面污渍写入的编码为201，墙面污渍写入的编码为202，设备表面污渍写入的编码为203，环境温度超限写入的编码为301，环境湿度超限写入的编码为302，空气质量超限写入的编码为303，可燃气体含量超限写入的编码为304，微生物超限写入的编码为401等。机器人读取到9000寄存器中的约定编码时发出警报。
实施例2
基于实施例1记载的中药生产环境巡检机器人的具体结构，本实施例提供了一种微生物含量测定方法，以金黄色葡萄球菌为例，包括以下步骤：
步骤S1：通过微生物采集器26对生产环境中的浮游菌、沉降菌微生物进行撞击，并附着于添加了表面增强拉曼基底材料和增强因子的培养基；
步骤S2：培养5－60分钟后，采集拉曼光谱，优选设置30分钟培养时间；
步骤S3：依据经过方法学验证后的分析方法进行检测微生物含量，如检测金黄色葡萄球菌的含量；具体的，其方法学验证过程为：步骤S31：分析拉曼光谱重现性：通过重复测定同一样品的拉曼光谱5－15次，优选10次，计算拉曼光谱强度的相对标准偏差，以此评价所建立分析方法的稳定性，一般任务此处的相对标准偏差不超过5％即表明所建立分析方法的重现性符合要求，可认为所建立分析方法的稳定性良好，满足分析检测要求；如图2所示，本实施例所建立的金黄色葡萄球菌快速分析方法拉曼在5个特征峰位置的光谱强度相对标准偏差均不超过2％，方法重现性符合要求。
步骤S32：分析线性范围和检测限：通过测定一系列浓度梯度的金黄色葡萄球菌浓度梯度的样品的拉曼光谱，以拉曼光谱强度为输入、微生物浓度为输出，建立光谱强度与微生物浓度间线性回归模型，将拉曼光谱强度带入所拟合的线性回归模型，即可计算出对应的微生物浓度，进而评价分析方法的灵敏度，一般认为所拟合的线性回归模型可决系数R2不小于0.99，则分析方法灵敏度良好；如图3所示，拉曼光谱强度与金黄色葡萄球菌浓度的对数呈现良好的线性关系，其中，本实施例中采用的金黄色葡萄球菌浓度范围选择10至105CFU/mL。
步骤S33：分析专属性或特异性：通过测定不同微生物样品的拉曼光谱，比较光谱强度，进而评价分析方法专属性或特异性。如图4所示，在不含金黄色葡萄球菌的样品中，拉曼光谱响应极低，而在含有金黄色葡萄球菌的样品中，拉曼光谱响应较高，表明本实施例所述的分析方法对于金黄色葡萄球菌具有较好的专属性或特异性。其中，图4中的EC表示大肠杆菌，BS表示枯草芽孢杆菌，PA表示铜绿假单胞菌，CA表示白色念珠菌，AN表示黑曲霉菌，MIX1表示由上述五种不含金黄色葡萄球菌的细菌组成，MIX2表示由金黄色葡萄球菌与上述五种其它细菌混合组成，SA表示金黄色葡萄球菌。
方法学验证是为例证明该分析方法是可靠耐用的，只有经过方法学验证的分析方法才能用于检测微生物含量。而步骤S3分析检测过程为：实际使用时，需要先建立拉曼光谱强度(X)与微生物含量(Y)之间的线性回归方程，再将实际样品的拉曼光谱强度(X样品)带入该方程中，计算得到样品中的微生物含量(Y样品)。
步骤S4：依据微生物含量联动调节空调系统。具体的，当微生物含量超限时提高空调系统净化空调功率，增加新风风量；持续检测微生物含量变化，当微生物含量降低至限度以内后，将空调系统设置调节回常规状态。
其中，在操作步骤S1－步骤S4进行检测生产环境微生物的同时，对中药生产区域地面、墙面或设备表面的污渍进行识别和清洁，过程为：
步骤1：对采集的地面、墙面或设备表面的污渍图像进行处理，制作数据集；具体的，通过图像处理软件或编写脚本将拍摄的原始图片处理成为训练YOLO模型所需的分辨率，并将裁切成为相同分辨率的图片，并人工标注污渍区域和污渍类别，一般需要降低原始图像的分辨率来提升模型训练的效率；同时，将处理好的图片随机划分成训练集、验证集和测试集，其中，训练集用于后续模型的训练，验证集用于验证训练后的模型，测试集用于模型数据的测试。
步骤2：基于YOLO网络模型，建立污渍目标检测模型，输入处理后的污渍图像数据集，并对图像中污渍类别进行模型训练，得到训练好的污渍检测模型；具体的，通过预先采集一批带有污渍区域的图片，人工框选污渍区域并标注污渍类别，训练YOLO网络模型，污渍类型包括但不限于：水渍、药液、油渍、药材、粉末等。
步骤3：将摄像头组件中的4K高清摄像头22拍摄的图像输入训练好的污渍检测模型，获得污渍区域和污渍类别信息；具体的，污渍检测模型的作用是判定污渍区域及污渍类别，从而向控制系统发送特定编码，控制系统接收污渍信息后控制清洁模块3执行相应清洁任务：如判定为水渍，则控制清洁模块3至指定区域执行吹干动作；如判定为油渍，则控制清洁模块3移动至指定区域执行洗地及吹干动作；如判定为药材/粉末，则控制清洁模块3移动至指定区域执行扫地操作等。将摄像头拍摄的图像输入训练好的污渍检测模型即可同时输出污渍区域坐标和污渍类别信息。
步骤4：将污渍信息打印到摄像头组件中的4K高清摄像头22画面中并传输至控制模块。
如图5所示，基于实施例1所述的中药生产环境巡检机器人以及实施例2所建立的测定方法，对10个批次的胃复春洁净区生产过程进行了微生物快速检测，结果表明，以上10个批次的胃复春洁净区生产环境微生物均未超限，符合生产要求。
最后应当说明的是，以上内容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，本领域的普通技术人员对本发明的技术方案进行的简单修改或者等同替换，均不脱离本发明技术方案的实质和范围。
Claims (10)
1.一种微生物含量测定方法，其特征在于，包括以下步骤：
步骤S1：通过生产环境中的浮游菌、沉降菌微生物进行撞击，并附着于添加了表面增强拉曼基底材料和增强因子的培养基；
步骤S2：培养设定时间段后，采集拉曼光谱；
步骤S3：依据经过方法学验证后的分析方法进行检测微生物含量；
步骤S4：依据微生物含量联动调节空调系统或发送警报信息。
2.根据权利要求1所述的一种微生物含量测定方法，其特征在于，所述步骤S3中方法学验证过程包括以下步骤：
步骤S31：分析拉曼光谱重现性：通过重复测定同一样品的拉曼光谱5-15次，计算拉曼光谱强度的相对标准偏差，进而评价所建立分析方法的稳定性；
步骤S32：分析线性范围和检测限：通过测定一系列浓度梯度的微生物样品的拉曼光谱，建立光谱强度与微生物浓度间线性回归模型，进而评价分析方法的灵敏度；
步骤S33：分析专属性或特异性：通过测定不同微生物样品的拉曼光谱，比较光谱强度，进而评价分析方法专属性或特异性。
3.根据权利要求1所述的一种微生物含量测定方法，其特征在于，所述步骤S3分析检测过程为：先建立拉曼光谱强度与微生物含量之间的线性回归方程，再将实际样品的拉曼光谱强度带入线性回归方程中，计算得到样品中的微生物含量。
4.根据权利要求1所述的一种微生物含量测定方法，其特征在于，在操作步骤S1-步骤S4进行检测生产环境微生物的同时，对中药生产区域地面、墙面或设备表面的污渍进行识别和清洁，过程为：
步骤1：对采集的地面、墙面或设备表面的污渍图像进行处理，制作数据集；
步骤2：基于YOLO网络模型，建立污渍目标检测模型，输入处理后的污渍图像数据集，并对图像中污渍类别进行模型训练，得到训练好的污渍检测模型；
步骤3：将摄像头组件拍摄的图像输入训练好的污渍检测模型，获得污渍区域和污渍类别信息；
步骤4：将污渍信息打印到摄像头组件画面中并传输至控制模块。
5.根据权利要求4所述的一种微生物含量测定方法，其特征在于，所述步骤1，通过图像处理软件或编写脚本将拍摄的原始图片处理成为训练YOLO模型所需的分辨率，并将裁切成为相同分辨率的图片，并人工标注污渍区域和污渍类别；同时，将处理好的图片随机划分成训练集、验证集和测试集。
6.根据权利要求4所述的一种微生物含量测定方法，其特征在于，所述步骤2，通过预先采集一批带有污渍区域的图片，人工框选污渍区域并标注污渍类别，训练YOLO网络模型。
7.一种中药生产环境巡检机器人，采用权利要求1-6任一项所述的一种微生物含量测定方法，其特征在于，包括机器人主体、感知模块、清洁模块、采集模块和控制模块，感知模块、清洁模块、采集模块和控制模块都安装在机器人主体上，且感知模块、清洁模块、采集模块和控制模块两两之间通过进行信息交互，并且感知模块、清洁模块、采集模块和控制模块都与机器人进行信息传递；
其中，通过感知模块获知环境参数，将环境参数信息传递至控制模块，控制模块判定污渍情况，并将污渍情况信息发送至清洁模块，清洁模块执行操作；
采集模块采集生产环境微生物含量，并将采集的信息传递至控制模块，控制模块判定采集的信息情况。
8.根据权利要求7所述的一种中药生产环境巡检机器人，其特征在于，所述感知模块至少包括摄像头组件、温湿度传感器、空气质量传感器和可燃气体探测器，且摄像头组件、温湿度传感器、空气质量传感器和可燃气体探测器都独立安装在机器人主体上。
9.根据权利要求7所述的一种中药生产环境巡检机器人，其特征在于，所述采集模块至少包括微生物采集器、拉曼光谱仪和培养皿，且微生物采集器、拉曼光谱仪和培养皿安装在同一支架上，支架安装在机器人主体顶部，培养皿设于微生物采集器和拉曼光谱仪下方。
10.根据权利要求7所述的一种中药生产环境巡检机器人，其特征在于，所述机器人主体上还安装有激光雷达，且激光雷达和清洁模块都安装在机器人主体底部。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410066521.0A CN117697788B (zh) | 2024-01-16 | 2024-01-16 | 一种中药生产环境巡检机器人及微生物含量测定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410066521.0A CN117697788B (zh) | 2024-01-16 | 2024-01-16 | 一种中药生产环境巡检机器人及微生物含量测定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117697788A true CN117697788A (zh) | 2024-03-15 |
| CN117697788B CN117697788B (zh) | 2024-06-11 |
Family
ID=90153558
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410066521.0A Active CN117697788B (zh) | 2024-01-16 | 2024-01-16 | 一种中药生产环境巡检机器人及微生物含量测定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117697788B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060257891A1 (en) * | 2005-02-18 | 2006-11-16 | Stuart Farquharson | Method for effecting the rapid release of a signature chemical from bacterial endospores, and for detection thereof |
| CN102460172A (zh) * | 2009-05-07 | 2012-05-16 | 生物梅里埃有限公司 | 用于抗微生物剂抗性测定的方法 |
| CN108027357A (zh) * | 2015-08-03 | 2018-05-11 | 安全追踪公司 | 用于验证生鲜农产品的卫生和洗涤水系统的基于包裹标记dna的病原体替代物 |
| CN109266717A (zh) * | 2018-09-27 | 2019-01-25 | 珠海彩晶光谱科技有限公司 | 一种通过单细胞分析检测细菌耐药性的方法和装置 |
| CN109874294A (zh) * | 2016-04-15 | 2019-06-11 | 埃斯库斯生物科技股份公司 | 通过施用微生物聚生体或其纯化菌株来提高禽类的农业生产的方法 |
| CN111220590A (zh) * | 2018-11-23 | 2020-06-02 | 上海氘峰医疗器械有限公司 | 病原微生物药敏的快速检测仪器及检测方法 |
| US10732037B1 (en) * | 2018-03-01 | 2020-08-04 | Photon Systems, Inc. | Methods and apparatus for spectroscopic identification and/or calibrated quantification of surface concentration of materials |
| CN115728286A (zh) * | 2022-11-02 | 2023-03-03 | 西南交通大学 | 多维度细菌光谱获取方法、细菌识别方法及应用设备 |
| WO2023036405A1 (en) * | 2021-09-07 | 2023-03-16 | Abb Schweiz Ag | Method of cleaning region in industrial environment, control system and cleaning system |
-
2024
- 2024-01-16 CN CN202410066521.0A patent/CN117697788B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060257891A1 (en) * | 2005-02-18 | 2006-11-16 | Stuart Farquharson | Method for effecting the rapid release of a signature chemical from bacterial endospores, and for detection thereof |
| CN102460172A (zh) * | 2009-05-07 | 2012-05-16 | 生物梅里埃有限公司 | 用于抗微生物剂抗性测定的方法 |
| CN108027357A (zh) * | 2015-08-03 | 2018-05-11 | 安全追踪公司 | 用于验证生鲜农产品的卫生和洗涤水系统的基于包裹标记dna的病原体替代物 |
| CN109874294A (zh) * | 2016-04-15 | 2019-06-11 | 埃斯库斯生物科技股份公司 | 通过施用微生物聚生体或其纯化菌株来提高禽类的农业生产的方法 |
| US10732037B1 (en) * | 2018-03-01 | 2020-08-04 | Photon Systems, Inc. | Methods and apparatus for spectroscopic identification and/or calibrated quantification of surface concentration of materials |
| CN109266717A (zh) * | 2018-09-27 | 2019-01-25 | 珠海彩晶光谱科技有限公司 | 一种通过单细胞分析检测细菌耐药性的方法和装置 |
| CN111220590A (zh) * | 2018-11-23 | 2020-06-02 | 上海氘峰医疗器械有限公司 | 病原微生物药敏的快速检测仪器及检测方法 |
| WO2023036405A1 (en) * | 2021-09-07 | 2023-03-16 | Abb Schweiz Ag | Method of cleaning region in industrial environment, control system and cleaning system |
| CN115728286A (zh) * | 2022-11-02 | 2023-03-03 | 西南交通大学 | 多维度细菌光谱获取方法、细菌识别方法及应用设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117697788B (zh) | 2024-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Burge | Bioaerosol investigations | |
| CN102803959B (zh) | 用于样品中的微生物剂的快速的识别和/或表征的系统和方法 | |
| CN100470238C (zh) | 食品香气的可视化检测方法和装置 | |
| US20130266977A1 (en) | Methods and systems for detection of microbes | |
| CN104914022B (zh) | 一种室内微小颗粒物监测器 | |
| CN103257109A (zh) | 畜肉细菌总数检测系统及方法 | |
| JP2007228967A (ja) | 高速微生物学解析装置および方法 | |
| US20080102487A1 (en) | Method and apparatus for non-invasive rapid fungal specie (mold) identification having hyperspectral imagery | |
| CN103685503A (zh) | 基于农业物联网的农药喷洒监测系统和方法 | |
| CN117697788B (zh) | 一种中药生产环境巡检机器人及微生物含量测定方法 | |
| US7880878B2 (en) | Particle counting and DNA uptake system and method for detection, assessment and further analysis of threats due to nebulized biological agents | |
| JPH02504076A (ja) | 微生物の検出計数装置および方法 | |
| CN105445156A (zh) | 运行室内通风技术设备的方法、传感器和室内通风技术设备 | |
| Gopalakrishnan et al. | Comparison and evaluation of enumeration methods for measurement of fungal spore emission | |
| Burgula et al. | Detection of Escherichia coli O157: H7 and Salmonella typhimurium using filtration followed by Fourier-transform infrared spectroscopy | |
| O’Shaughnessy et al. | Temporal variation of indoor air quality in an enclosed swine confinement building | |
| CN207760783U (zh) | 新能源环卫车及其清扫系统 | |
| CN105717080B (zh) | 一种用于上转换荧光试纸条的检测方法 | |
| Koets et al. | Rapid one-step assays for on-site monitoring of mouse and rat urinary allergens | |
| CN110411995A (zh) | 基于本征荧光漂白特性的生物气溶胶监测装置和方法 | |
| CN109239285A (zh) | 一种测量肉类腐化程度的检测仪 | |
| CN1101128A (zh) | 直接监测含水系统中杀微生物剂浓度的方法 | |
| CN205786218U (zh) | 生物气溶胶激光监测预警与鉴别装置 | |
| JP3385078B2 (ja) | 微生物の検知方法 | |
| JP2000069994A (ja) | 微生物検出方法および微生物検出システム |
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 |