CN121121663B - 一种肉苁蓉结晶过程的实时监测方法及系统 - Google Patents
一种肉苁蓉结晶过程的实时监测方法及系统Info
- Publication number
- CN121121663B CN121121663B CN202511669242.4A CN202511669242A CN121121663B CN 121121663 B CN121121663 B CN 121121663B CN 202511669242 A CN202511669242 A CN 202511669242A CN 121121663 B CN121121663 B CN 121121663B
- Authority
- CN
- China
- Prior art keywords
- crystal
- particles
- particle
- real
- candidate
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明属于图像处理技术领域,具体涉及一种肉苁蓉结晶过程的实时监测方法及系统,其方法包括:对获取的肉苁蓉图像进行分割模型处理及图像分析,获得包括颗粒面积、轮廓周长、最小外接矩形的长与宽的晶体颗粒几何参数;获得晶体形态异构指数;计算晶体邻域扰动度;计算晶体信噪比;计算晶体综合预警值;对匹配度高的候选颗粒进行时序确认;基于当前工艺阶段的全局晶体颗粒分布对通过时序确认的候选颗粒,进行异常状态的全局确认;将得到全局确认的候选颗粒与最终预警阈值进行比较并预警。本发明解决了现有技术在海量正常晶体样本背景下对非正常晶型存在检测失敏的技术问题。
Description
技术领域
本发明涉及图像处理技术领域。更具体地,本发明涉及一种肉苁蓉结晶过程的实时监测方法及系统。
背景技术
在肉苁蓉活性成分,如松果菊苷的工业化生产中,通过结晶过程提纯是获取高纯度产品的关键环节,结晶过程的核心目标不仅在于析出晶体,更在于稳定地生产出具有特定溶解度、高稳定性和生物利用度的正常晶型。然而,在结晶釜内,正常晶型与物理性质迥异的亚稳态晶型、溶剂合物等非正常晶型并存,共同竞争溶液中的溶质分子。任何微小的工艺参数波动,都可能诱使非正常晶型优先成核,并引发灾难性的、不可逆的晶型转变,导致整批次产品质量不合格。
为了实现对结晶过程的精确控制,现有技术通常采用在线图像分析方法,通过捕获结晶釜内的显微图像,并利用图像处理算法对晶体的粒径、数量等宏观参数进行统计,极大地提高了工作人员对肉苁蓉结晶过程的控制效率。
但是,在结晶过程的早期或稳定期,非正常晶型的晶核作为一种罕见事件,其数量和体积远小于占主导地位的正常晶型。传统的图像分析方法通常依赖于标准的分类模型,这些模型在处理类别数量极不均衡的场景时,会严重偏向于多数类,即正常晶型。这导致其对于极少数非正常晶核的识别灵敏度极低,难以在非正常晶型引发大规模转晶之前有效识别并预警,无法满足在百万级正常晶体中精确识别出单个异常晶核的超高灵敏度检测需求。
发明内容
为解决上述现有技术在海量正常晶体样本背景下对非正常晶型存在检测失敏的技术问题,本发明在如下的多个方面中提供方案。
在第一方面中,本发明提供了一种肉苁蓉结晶过程的实时监测方法,包括:
对获取的肉苁蓉图像进行分割模型处理及图像分析,获得包括颗粒面积、轮廓周长、最小外接矩形的长与宽的晶体颗粒几何参数;根据晶体颗粒的轮廓周长计算晶体理论面积,将晶体理论面积与晶体实际面积作比,获得晶体形态异构指数;以单个晶体颗粒为中心晶体预设圆形邻域,计算圆形邻域内除中心晶体外所有晶体颗粒的晶体形态异构指数、与中心晶体的欧氏距离,根据单个晶体颗粒与邻域晶体颗粒的分布稀疏状况与晶体形态异构指数,计算晶体邻域扰动度;根据当前晶体颗粒的晶体形态异构指数与晶体邻域扰动度的差异,计算晶体信噪比;结合晶体信噪比以及晶体形态异构指数的数值关联及动态调节关系,计算晶体综合预警值;将首次超过所有晶体综合预警值均值的候选晶体颗粒进行时序生长指纹匹配校验,对匹配度高的候选颗粒进行时序确认;基于当前工艺阶段的全局晶体颗粒分布,对通过时序确认的候选颗粒进行异常状态的全局确认;将得到全局确认的候选颗粒与最终预警阈值进行比较并预警。
传统方法难以在大量正常晶体中识别出少量非正常晶体,容易出现检测不灵敏的问题,本发明首先精准获取晶体数据并筛选无用信息,为后续分析打下可靠基础;接着,通过多种指标从晶体自身形态、周边环境、时间变化、整体分布等多方面综合判断,敏锐捕捉到非正常晶体,排除误判。无论是在整体环境稳定时的微小异常,还是环境恶化时的突出异常,都能准确识别,不会遗漏潜在风险,也不会盲目预警,最终只对高置信度异常晶体触发预警,有效解决了传统方法检测失敏的问题,保障结晶过程稳定,避免因非正常晶体导致产品质量不合格。
优选地,获得包括颗粒面积、轮廓周长、最小外接矩形的长与宽的晶体颗粒几何参数,包括:
通过浸入式高分辨率显微成像探头,以预设帧率连续采集结晶釜内固液两相混合物的实时图像流,并对获取的每一帧图像,采用实例分割模型进行处理,以精确识别并分割出图像中的每一个独立的晶体颗粒,并针对每一个被识别的颗粒,通过图像分析算法,获取晶体颗粒几何参数,包括:颗粒面积、轮廓周长、最小外接矩形的长与宽;应用筛选算法,根据晶体颗粒几何参数甄别并排除尺寸过大或形态不规则晶体团聚体。
优选地,晶体形态异构指数满足以下表达式:
;
式中,表示第个晶体颗粒的晶体形态异构指数,无量纲;表示第个晶体颗粒的轮廓周长;表示第个晶体颗粒的最小外接矩形的长;表示第个晶体颗粒的最小外接矩形的宽;表示自然指数函数;为圆周率。
本发明通过特定计算方式得出晶体形态异构指数,能清晰区分不同形态的晶体,即正常形态的晶体和非正常形态的晶体颗粒,会对应不同的晶体形态异构指数,这样就能快速锁定那些形态异常的晶体颗粒,为后续进一步判断晶体颗粒是否存在问题提供明确依据,让工作人员能更早发现可能存在异常的晶体颗粒。
优选地,晶体邻域扰动度满足以下表达式:
;
式中,表示第个晶体颗粒的晶体邻域扰动度,无量纲;表示第个晶体颗粒的圆形邻域中除中心晶体外所有晶体颗粒的集合;表示第个晶体颗粒的圆形邻域中第个晶体颗粒的晶体形态异构指数;表示第个晶体颗粒与第个晶体颗粒的圆形邻域中第个晶体颗粒之间的欧氏距离;为一个极小的正常数,用于防止内层分母为零;为一个极小的正常数,用于防止外层分母为零。
本发明计算晶体邻域扰动度时,考虑了周围晶体颗粒的情况以及它们与中心晶体的距离,距离中心晶体近的异常晶体,对中心晶体周边环境稳定性的影响会被更准确地体现出来,能更真实反映中心晶体所处微环境的状态,帮助工作人员全面了解晶体周边情况,判断是否存在局部环境异常。
优选地,计算晶体信噪比,包括:
将当前晶体颗粒的晶体形态异构指数与晶体邻域扰动度作比,将计算结果作为晶体信噪比,所述晶体信噪比用来评估当前晶体颗粒的异常程度相较于其周边环境背景的突出程度。
优选地,计算晶体综合预警值满足以下表达式:
;
式中,表示第个晶体颗粒的晶体综合预警值,无量纲;表示第个晶体颗粒的晶体形态异构指数;表示第个晶体颗粒的晶体信噪比;表示所有晶体颗粒的晶体形态异构指数均值;为一个极小的无量纲正常数,用于防止分母为零;为自然指数函数。
本发明计算晶体综合预警值时,结合了晶体颗粒自身异常程度和其在周边环境中的突出情况,还能根据整体晶体环境动态调整,在整体环境稳定时,即使是微小异常也能被敏锐捕捉;环境恶化时,能聚焦于最突出的异常,让预警更贴合实际情况,既不遗漏潜在风险,也不盲目预警。
优选地,对匹配度高的候选颗粒进行时序确认,包括:
对于晶体综合预警值首次超过所有晶体综合预警值均值的候选晶体颗粒,系统启动追踪并记录其后续连续帧图像中的晶体形态异构指数的时间序列,记为待测晶体生长序列;将待测晶体生长序列与预先存储在专家知识库中的典型非正常晶型生长序列进行动态时间规整匹配;仅当待测晶体生长序列与某个典型非正常晶型生长序列的匹配度高于匹配相似度均值时,该候选颗粒的异常状态得到时序确认。
优选地,对通过时序确认的候选颗粒进行异常状态的全局确认,包括:
对于通过时序确认的候选颗粒,系统进一步实时统计当前视场内所有晶体颗粒的晶体形态异构指数的全局分布,并计算所有晶体颗粒的第95百分位数;随后根据晶体形态异构指数超出所述第95百分位数的绝对差值,计算该候选颗粒的相对显著性;当该候选颗粒的相对显著性超过特定倍数时,该候选颗粒的异常状态得到全局确认。
本发明根据当前所有晶体颗粒的整体分布情况,确定判断晶体颗粒是否异常的动态标准,在不同工艺阶段,这个标准会相应调整,避免用固定标准判断不同阶段的晶体颗粒,确保在工艺初期能及时发现轻微异常,在后期也能准确识别出真正需要关注的严重异常。
优选地,将得到全局确认的候选颗粒与最终预警阈值进行比较并预警,包括:
仅当一个候选颗粒同时通过了时序生长指纹匹配校验和异常状态的全局确认后,系统才能确认其为高置信度预警目标,并将其最终的晶体综合预警值与固定的最终决策阈值进行比较,一旦满足晶体综合预警值大于最终决策阈值的条件,系统立即触发最高级别的预警,并高亮输出由候选颗粒确定的异常晶核的位置、图像及所有计算特征。
第二方面,本发明提供一种肉苁蓉结晶过程的实时监测系统,包括处理器和存储器,所述存储器存储有计算机程序指令,当所述计算机程序指令被所述处理器执行时实现上述一种肉苁蓉结晶过程的实时监测方法。
通过采用上述技术方案,将上述的一种肉苁蓉结晶过程的实时监测方法生成计算机程序,并存储于存储器中,以被处理器加载并执行,从而根据存储器及处理器制作终端设备,方便使用。
本发明的有益效果在于:本发明能实时、准确地监测结晶过程,及时发现其中的异常情况,帮助工作人员在问题初期就采取措施,避免问题扩大导致整批次产品质量不达标,降低了生产损失。同时,整个监测过程自动化程度高,操作便捷,减少了人工操作的误差和工作量,提高了生产效率。此外,稳定的结晶过程能保证产品质量的一致性,提升产品在市场上的竞争力,为企业带来更好的经济效益,也推动了肉苁蓉活性成分生产领域监测技术的发展。
附图说明
图1是示意性示出本发明中一种肉苁蓉结晶过程的实时监测方法的流程图;
图2是示意性示出本发明中肉苁蓉釜内实况图;
图3是示意性示出本发明中肉苁蓉结晶提取图。
具体实施方式
本发明实施例公开了一种肉苁蓉结晶过程的实时监测方法,参照图1,包括步骤S1-步骤S4:
S1:对获取的肉苁蓉图像进行分割模型处理及图像分析,获得包括颗粒面积、轮廓周长、最小外接矩形的长与宽的晶体颗粒几何参数。
需要说明的是,本发明的监测方法,其数据基础来源于对结晶釜内部微观世界的不间断窥探,首先需要从数据源获取并标准化这些原始图像信息,生成后续计算所需的基础数据,如图2:肉苁蓉釜内实况图,图3:肉苁蓉结晶提取图。肉苁蓉活性成分的半连续结晶过程,目的在于维持正常针状晶体在釜内稳定生长,而传统离线取样送检的方式,不仅存在严重的时间滞后,取样过程的温度、压力变化本身就可能导致晶体溶解或二次成核,无法反映釜内真实状态。本发明通过自动化、标准化地获取釜内原位、实时的全量颗粒图像数据,为后续的智能分析建立一个干净、规整的数据基础。
具体地,对获取的肉苁蓉图像进行分割模型处理及图像分析,获得包括颗粒面积、轮廓周长、最小外接矩形的长与宽的晶体颗粒几何参数,包括:
通过浸入式高分辨率显微成像探头,以预设帧率连续采集结晶釜内固液两相混合物的实时图像流,并对获取的每一帧图像,采用实例分割模型进行处理,以精确识别并分割出图像中的每一个独立的晶体颗粒,并针对每一个被识别的颗粒,通过图像分析算法,获取晶体颗粒几何参数,包括:颗粒面积、轮廓周长、最小外接矩形的长与宽;应用筛选算法,根据晶体颗粒几何参数甄别并排除尺寸过大或形态不规则晶体团聚体。
至此,获得了晶体颗粒几何参数。
S2:根据晶体颗粒的轮廓周长计算晶体理论面积,将晶体理论面积与晶体实际面积作比,获得晶体形态异构指数。
需要说明的是,在真实的结晶场景中,一个理想的晶体颗粒呈现为特定的针状或杆状,其形态是规则且高度各向异性的,而一个非正常晶体颗粒的亚稳态晶核,则往往呈现为块状或絮状,其形态更趋向于紧凑和各向同性。因此,本发明构建一个评价标准,让系统能够自动识别并计算这种从针状到块状的形态退化程度,从而在分析的起点就实现对单个异常颗粒的锁定。
具体地,根据晶体颗粒的轮廓周长计算晶体理论面积,将晶体理论面积与晶体实际面积作比,获得晶体形态异构指数,包括:
晶体形态异构指数满足以下表达式:
;
式中,表示第个晶体颗粒的晶体形态异构指数,无量纲;表示第个晶体颗粒的轮廓周长;表示第个晶体颗粒的最小外接矩形的长;表示第个晶体颗粒的最小外接矩形的宽;表示自然指数函数;为圆周率。
式中,表示第个晶体颗粒在给定周长下的晶体理论面积,分母为第个晶体颗粒实际占据的晶体实际面积;计算了晶体理论面积与晶体实际面积的失衡关系,对于针状晶体该比值极大,对于块状晶体该比值较小;表示通过自然指数函数进行非线性映射,将极大的比值映射至趋近于0的数值,将较小的比值映射至一个显著大于0的数值,从而实现了对形态从针状向任何非针状形态退化的非线性放大。
示例性的,假设存在一个理想的针状晶体颗粒,其几何特征为微米,微米,其周长近似为微米,则其晶体形态异构指数为:,该值极度接近0;也存在一种情况,出现一个近似方形的非正常晶核,其几何特征为微米,微米,其周长微米,则其晶体形态异构指数为:;上述计算结果、为保留至小数点后三位,为保留至小数点后八位。
S3:以单个晶体颗粒为中心晶体预设圆形邻域,计算圆形邻域内除中心晶体外所有晶体颗粒的晶体形态异构指数、与中心晶体的欧氏距离,根据单个晶体颗粒与邻域晶体颗粒的分布稀疏状况与晶体形态异构指数,计算晶体邻域扰动度。
需要说明的是,在真实的结晶釜中,单个晶体颗粒的形态异常有时可能源于图像噪声或颗粒偶然的重叠与姿态,并不一定代表真实的非正常晶核事件,一个真正的、新生的非正常晶核,是局部物理化学环境突变的结果,这种突变往往具有空间聚集效应,因此,本发明引入晶体邻域扰动度指标,该指标不仅考虑邻近颗粒的形态,还根据邻域晶体颗粒距离中心的单个晶体颗粒的远近进行加权,更精确地计算单个晶体颗粒所处微环境的整体稳定性。
具体地,以单个晶体颗粒为中心晶体预设圆形邻域,计算圆形邻域内除中心晶体外所有晶体颗粒的晶体形态异构指数、与中心晶体的欧氏距离,根据单个晶体颗粒与邻域晶体颗粒的分布稀疏状况与晶体形态异构指数,计算晶体邻域扰动度,包括:
晶体邻域扰动度满足以下表达式:
;
式中,表示第个晶体颗粒的晶体邻域扰动度,无量纲;表示第个晶体颗粒的圆形邻域中除中心晶体外所有晶体颗粒的集合;表示第个晶体颗粒的圆形邻域中第个晶体颗粒的晶体形态异构指数;表示第个晶体颗粒与第个晶体颗粒的圆形邻域中第个晶体颗粒之间的欧氏距离;为一个极小的正常数,用于防止内层分母为零;为一个极小的正常数,用于防止外层分母为零。
式中,表示第个晶体颗粒的圆形邻域中第个晶体颗粒的晶体形态异构指数,所述晶体形态异构指数与第个晶体颗粒的距离所影响的贡献值,距离越近,越小,该贡献值越大;表示对所有邻域晶体颗粒对应的贡献值进行求和;计算了一个加权平均值,使得距离中心颗粒更近的异常晶体颗粒,对晶体邻域扰动度的贡献显著高于远处的异常晶体颗粒。
示例性的,假设第个晶体颗粒周围有两个异常晶体颗粒和,它们的晶体形态异构指数均为,但与紧邻,距离微米;而距离较远,微米,采用距离加权公式,和忽略不计,,其晶体邻域扰动度,而如果采用简单的算术平均,结果为。假设的异常度更高,,而异常度较低,,此时,距离加权晶体邻域扰动度为,这显著高于算术平均值,准确地反映了近邻的高风险状态对当前晶体颗粒微环境的强烈影响。上述计算结果为保留至小数点后一位,为保留至小数点后三位。
S4:根据当前晶体颗粒的晶体形态异构指数与晶体邻域扰动度的差异,计算晶体信噪比;结合晶体信噪比以及晶体形态异构指数的数值关联及动态调节关系,计算晶体综合预警值;将首次超过所有晶体综合预警值均值的候选晶体颗粒进行时序生长指纹匹配校验,对匹配度高的候选颗粒进行时序确认;基于当前工艺阶段的全局晶体颗粒分布,对通过时序确认的候选颗粒进行异常状态的全局确认;将得到全局确认的候选颗粒与最终预警阈值进行比较并预警。
需要说明的是,本发明的最终目的,是通过一套完全由数据驱动、物理过程约束的计算框架,实现对罕见非正常晶核的超高灵敏度预警,至此,本发明已完成了从原始图像数据的标准化处理,到计算单个颗粒的晶体形态异构指数及其微环境的晶体邻域扰动度的逐层递进计算。后面内容,本发明提出了一种峰值放大的计算模式,即将代表个体异常的晶体形态异构指数与代表背景环境的晶体邻域扰动度进行对比和放大。
具体地,根据当前晶体颗粒的晶体形态异构指数与晶体邻域扰动度的差异,计算晶体信噪比,包括:
将当前晶体颗粒的晶体形态异构指数与晶体邻域扰动度作比,将计算结果作为晶体信噪比,所述晶体信噪比用来评估当前晶体颗粒的异常程度相较于其周边环境背景的突出程度。
需要说明的是,本发明的最终目的,是实现对罕见非正常晶核的超高灵敏度预警,至此,本发明已通过一系列计算,获得了表征单个颗粒晶体自身异常程度的晶体形态异构指数,以及表征该异常信号相对于其局部背景清晰度的晶体信噪比。此时,本发明面临最后一个核心问题:如何将代表信号强度的晶体形态异构指数与代表信号清晰度的晶体信噪比融合成一个最终的、决策级的预警值,一个简单的线性组合或乘积,无法体现复杂工业场景下的动态决策需求,例如,在系统极其稳定的背景下,一个清晰的微小异常也应被极大地放大;而在系统已普遍恶化的混乱背景下,只有那些真正鹤立鸡群的异常信号才值得关注,因此,本发明提出了一种能根据全局环境动态调整放大地计算方式。
具体地,结合晶体信噪比以及晶体形态异构指数的数值关联及动态调节关系,计算晶体综合预警值,包括:
晶体综合预警值满足以下表达式:
;
式中,表示第个晶体颗粒的晶体综合预警值,无量纲;表示第个晶体颗粒的晶体形态异构指数;表示第个晶体颗粒的晶体信噪比;表示所有晶体颗粒的晶体形态异构指数均值;为一个极小的无量纲正常数,用于防止分母为零;为自然指数函数。
式中,表示第个晶体颗粒的晶体形态异构指数相较于所有晶体颗粒的晶体形态异构指数均值的偏离程度;表示当结晶过程稳定、很小时,即使较小,会迅速趋近于上限2,使得系统对较小异常极为敏感;当结晶过程恶化、升高时,只有远超平均水平的晶体颗粒才能使保持较高值;实现了对异常信号清晰度与动态灵敏度的结合,让异常信号的增强程度既取决于信号本身的清晰程度,又取决于当前环境下的灵敏度调节;是对的放大系数,通过的结构,既保留了的信息,又叠加了动态增强的效果;通过将单个晶体颗粒的与相乘,实现了对晶体颗粒风险的动态、自适应预警,即在稳定环境中对微小异常极度敏感,在恶化环境中聚焦最突出的风险。
示例性的,在结晶环境整体稳定时,出现一个孤立的异常晶体颗粒。其自身的晶体形态异构指数较高,为;但其周围晶体颗粒均为正常的晶体颗粒,导致异常晶体颗粒的晶体邻域扰动度极低,为,则其信噪比。此时系统稳定,所有晶体颗粒的晶体形态异构指数均值很低,为,,。此时,晶体综合预警值为:;在结晶环境整体已出现一定程度恶化时,存在一个同样异常的异常晶体颗粒,其自身的晶体形态异构指数与异常晶体颗粒相同,为;但其周围也存在其他异常晶体颗粒,导致其晶体邻域扰动度也较高,为,则其信噪比。此时系统已普遍恶化,所有晶体颗粒的晶体形态异构指数均值较高,为,。此时,晶体综合预警值为:;通过对比可见,本发明通过引入全局平均值作为动态标尺,使得在稳定环境中,系统自动变得极其敏感;在恶化环境中,系统又自动钝化以聚焦于最突出的风险。上述计算结果、、均保留至小数点后三位。
需要说明的是,上述计算得到的晶体综合预警值仅是基于单帧图像空间信息的瞬时快照,容易将由图像噪声、颗粒偶然重叠等导致的瞬时伪影误判为真实威胁,一个真实的、具有工艺风险的异常晶核,其形态演化必然遵循特定的物理化学规律,在时间维度上表现出持续性或特定的生长模式。因此,本步骤旨在通过校验晶体颗粒的生命历程,滤除无历史根源的孤立异常点,提升预警的准确性。
优选地,将首次超过所有晶体综合预警值均值的候选晶体颗粒进行时序生长指纹匹配校验,对匹配度高的候选颗粒进行时序确认,包括:
对于晶体综合预警值首次超过所有晶体综合预警值均值的候选晶体颗粒,系统启动追踪并记录其后续连续帧图像中的晶体形态异构指数的时间序列,记为待测晶体生长序列;将待测晶体生长序列与预先存储在专家知识库中的典型非正常晶型生长序列进行动态时间规整匹配;仅当待测晶体生长序列与某个典型非正常晶型生长序列的匹配度高于匹配相似度均值时,该候选颗粒的异常状态得到时序确认。
需要说明的是,晶体颗粒的异常与否是一个相对概念,其判断标准应随结晶过程的整体状态动态调整,例如,在结晶初期,整个体系环境较为稳定,一个轻微的晶体颗粒的晶体形态异常就值得警惕,而在结晶后期,晶体颗粒种群本身可能出现一定程度的形态泛化,此时需要更高的异常阈值。本步骤旨在建立一个自适应的参照系,确保系统只对在当前工艺背景下真正显著的异常点进行预警。
优选地,基于当前工艺阶段的全局晶体颗粒分布对通过时序确认的候选颗粒进行异常状态的全局确认,包括:
对于通过时序确认的候选颗粒,系统进一步实时统计当前视场内所有晶体颗粒的晶体形态异构指数的全局分布,并计算所有晶体颗粒的第95百分位数;随后根据晶体形态异构指数超出所述第95百分位数的绝对差值,计算该候选颗粒的相对显著性;当该候选颗粒的相对显著性超过特定倍数时,该候选颗粒的异常状态得到全局确认。
需要说明的是,第95百分位数是一个统计学指标,其具体含义为,将当前视场内所有晶体颗粒的晶体形态异构指数从低到高进行排序,排在第95%位置的那个数值。在本发明中,它代表了当前时刻下,绝大多数晶体颗粒所呈现的形态的统计学上限,因此被用作一个动态的、能够自动跟随工艺状态变化的异常判断基线。
需要说明的是,经过空间关联分析、时序指纹校验和异常状态的全局确认后,系统已经为每个候选晶体颗粒积累了多维度的评价标准,本步骤是决策的最后一环,其目的在于整合所有评价标准,只有那些同时通过了空间、时间、全局三重考验的候选晶体颗粒,才被认定为较高置信度的预警目标,并触发最终的预警动作。
具体地,将得到全局确认的候选颗粒与最终预警阈值进行比较并预警,包括:
仅当一个候选颗粒同时通过了时序生长指纹匹配校验和异常状态的全局确认后,系统才能确认其为较高置信度预警目标,并将其最终的晶体综合预警值与固定的最终决策阈值进行比较,一旦满足晶体综合预警值大于最终决策阈值的条件,系统立即触发最高级别的预警,并高亮输出该异常晶核的位置、图像及所有计算特征。
需要说明的是,所述固定的最终决策阈值,是通过对历史成功与失败批次的生产数据进行离线统计分析,在确保高检出率与可接受误报率之间取得平衡后确定的最优风险分界值。
至此,完成了肉苁蓉结晶过程的实时监测与预警。
本发明实施例还公开一种肉苁蓉结晶过程的实时监测系统,包括处理器和存储器,存储器存储有计算机程序指令,当计算机程序指令被处理器执行时实现根据本发明的一种肉苁蓉结晶过程的实时监测方法。
上述系统还包括通信总线和通信接口等本领域技术人员熟知的其他组件,其设置和功能为本领域中已知,因此在此不再赘述。
虽然本说明书已经示出和描述了本发明的多个实施例,但对于本领域技术人员显而易见的是,这样的实施例只是以示例的方式提供的。本领域技术人员会在不偏离本发明思想和精神的情况下想到许多更改、改变和替代的方式。应当理解的是在实践本发明的过程中,可以采用对本文所描述的本发明实施例的各种替代方案。
Claims (10)
1.一种肉苁蓉结晶过程的实时监测方法,其特征在于,包括:
对获取的肉苁蓉图像进行分割模型处理及图像分析,获得包括颗粒面积、轮廓周长、最小外接矩形的长与宽的晶体颗粒几何参数;
根据晶体颗粒的轮廓周长计算晶体理论面积,将晶体理论面积与晶体实际面积作比,获得晶体形态异构指数;以单个晶体颗粒为中心晶体预设圆形邻域,计算圆形邻域内除中心晶体外所有晶体颗粒的晶体形态异构指数、与中心晶体的欧氏距离,根据单个晶体颗粒与邻域晶体颗粒的分布稀疏状况与晶体形态异构指数,计算晶体邻域扰动度;
根据当前晶体颗粒的晶体形态异构指数与晶体邻域扰动度的差异,计算晶体信噪比;结合晶体信噪比以及晶体形态异构指数的数值关联及动态调节关系,计算晶体综合预警值;将首次超过所有晶体综合预警值均值的候选晶体颗粒进行时序生长指纹匹配校验,对匹配度高的候选颗粒进行时序确认;基于当前工艺阶段的全局晶体颗粒分布,对通过时序确认的候选颗粒进行异常状态的全局确认;将得到全局确认的候选颗粒与最终预警阈值进行比较并预警。
2.根据权利要求1所述的一种肉苁蓉结晶过程的实时监测方法,其特征在于,所述获得包括颗粒面积、轮廓周长、最小外接矩形的长与宽的晶体颗粒几何参数,包括:
通过浸入式高分辨率显微成像探头,以预设帧率连续采集结晶釜内固液两相混合物的实时图像流,并对获取的每一帧图像,采用实例分割模型进行处理,以精确识别并分割出图像中的每一个独立的晶体颗粒,并针对每一个被识别的颗粒,通过图像分析算法,获取晶体颗粒几何参数,包括:颗粒面积、轮廓周长、最小外接矩形的长与宽;应用筛选算法,根据晶体颗粒几何参数甄别并排除尺寸过大或形态不规则晶体团聚体。
3.根据权利要求1所述的一种肉苁蓉结晶过程的实时监测方法,其特征在于,所述晶体形态异构指数满足以下表达式:
;
式中,表示第个晶体颗粒的晶体形态异构指数,无量纲;表示第个晶体颗粒的轮廓周长;表示第个晶体颗粒的最小外接矩形的长;表示第个晶体颗粒的最小外接矩形的宽;表示自然指数函数;为圆周率。
4.根据权利要求1所述的一种肉苁蓉结晶过程的实时监测方法,其特征在于,所述晶体邻域扰动度满足以下表达式:
;
式中,表示第个晶体颗粒的晶体邻域扰动度,无量纲;表示第个晶体颗粒的圆形邻域中除中心晶体外所有晶体颗粒的集合;表示第个晶体颗粒的圆形邻域中第个晶体颗粒的晶体形态异构指数;表示第个晶体颗粒与第个晶体颗粒的圆形邻域中第个晶体颗粒之间的欧氏距离;为一个极小的正常数,用于防止内层分母为零;为一个极小的正常数,用于防止外层分母为零。
5.根据权利要求1所述的一种肉苁蓉结晶过程的实时监测方法,其特征在于,所述计算晶体信噪比,包括:
将当前晶体颗粒的晶体形态异构指数与晶体邻域扰动度作比,将计算结果作为晶体信噪比,所述晶体信噪比用来评估当前晶体颗粒的异常程度相较于其周边环境背景的突出程度。
6.根据权利要求1所述的一种肉苁蓉结晶过程的实时监测方法,其特征在于,所述计算晶体综合预警值满足以下表达式:
;
式中,表示第个晶体颗粒的晶体综合预警值,无量纲;表示第个晶体颗粒的晶体形态异构指数;表示第个晶体颗粒的晶体信噪比;表示所有晶体颗粒的晶体形态异构指数均值;为一个极小的无量纲正常数,用于防止分母为零;为自然指数函数。
7.根据权利要求1所述的一种肉苁蓉结晶过程的实时监测方法,其特征在于,所述对匹配度高的候选颗粒进行时序确认,包括:
对于晶体综合预警值首次超过所有晶体综合预警值均值的候选晶体颗粒,系统启动追踪并记录其后续连续帧图像中的晶体形态异构指数的时间序列,记为待测晶体生长序列;将待测晶体生长序列与预先存储在专家知识库中的典型非正常晶型生长序列进行动态时间规整匹配;仅当待测晶体生长序列与某个典型非正常晶型生长序列的匹配度高于匹配相似度均值时,该候选颗粒的异常状态得到时序确认。
8.根据权利要求1所述的一种肉苁蓉结晶过程的实时监测方法,其特征在于,所述对通过时序确认的候选颗粒进行异常状态的全局确认,包括:
对于通过时序确认的候选颗粒,系统进一步实时统计当前视场内所有晶体颗粒的晶体形态异构指数的全局分布,并计算所有晶体颗粒的第95百分位数;随后根据晶体形态异构指数超出所述第95百分位数的绝对差值,计算该候选颗粒的相对显著性;当该候选颗粒的相对显著性超过特定倍数时,该候选颗粒的异常状态得到全局确认。
9.根据权利要求1所述的一种肉苁蓉结晶过程的实时监测方法,其特征在于,所述将得到全局确认的候选颗粒与最终预警阈值进行比较并预警,包括:
仅当一个候选颗粒同时通过了时序生长指纹匹配校验和异常状态的全局确认后,系统才能确认其为高置信度预警目标,并将其最终的晶体综合预警值与固定的最终决策阈值进行比较,一旦满足晶体综合预警值大于最终决策阈值的条件,系统立即触发最高级别的预警,并高亮输出由候选颗粒确定的异常晶核的位置、图像及所有计算特征。
10.一种肉苁蓉结晶过程的实时监测系统,其特征在于,包括:处理器和存储器,所述存储器存储有计算机程序指令,当所述计算机程序指令被所述处理器执行时实现根据权利要求1-9任一项所述的一种肉苁蓉结晶过程的实时监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202511669242.4A CN121121663B (zh) | 2025-11-14 | 2025-11-14 | 一种肉苁蓉结晶过程的实时监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202511669242.4A CN121121663B (zh) | 2025-11-14 | 2025-11-14 | 一种肉苁蓉结晶过程的实时监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN121121663A CN121121663A (zh) | 2025-12-12 |
| CN121121663B true CN121121663B (zh) | 2026-02-13 |
Family
ID=97938280
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202511669242.4A Active CN121121663B (zh) | 2025-11-14 | 2025-11-14 | 一种肉苁蓉结晶过程的实时监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN121121663B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115414411A (zh) * | 2022-08-29 | 2022-12-02 | 武威市食品检验检测中心 | 一种利用响应面法优化荒漠肉苁蓉总苷的高效提取方法 |
| CN118071601A (zh) * | 2024-04-16 | 2024-05-24 | 山东奥晶生物科技有限公司 | 一种甜菊糖苷结晶过程中高分辨率图像重构方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6697510B2 (en) * | 2001-04-19 | 2004-02-24 | Green Vision Systems Ltd. | Method for generating intra-particle crystallographic parameter maps and histograms of a chemically pure crystalline particulate substance |
| CN207641084U (zh) * | 2017-10-13 | 2018-07-24 | 西安锐博生物科技有限公司 | 一种密闭式保温负压过滤装置 |
| CN120539181B (zh) * | 2025-06-11 | 2026-01-06 | 河南微米光学科技有限公司 | 氟化钙晶体缺陷检测系统及方法 |
-
2025
- 2025-11-14 CN CN202511669242.4A patent/CN121121663B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115414411A (zh) * | 2022-08-29 | 2022-12-02 | 武威市食品检验检测中心 | 一种利用响应面法优化荒漠肉苁蓉总苷的高效提取方法 |
| CN118071601A (zh) * | 2024-04-16 | 2024-05-24 | 山东奥晶生物科技有限公司 | 一种甜菊糖苷结晶过程中高分辨率图像重构方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN121121663A (zh) | 2025-12-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113518011B (zh) | 异常检测方法和装置、电子设备及计算机可读存储介质 | |
| CN117827568A (zh) | 测试设备稳定性的监控方法、装置、电子设备和存储介质 | |
| CN117290802A (zh) | 一种基于数据处理的主机电源运行监测方法 | |
| CN109690641B (zh) | 包括确定设备重要度和警报有效性的处理程序的用于预检核电站设备异常迹象的方法及系统 | |
| EP3469434B1 (en) | Automatic visual and acoustic analytics for event detection | |
| CN119807713B (zh) | 基于负荷感知的站用电设备稳态特征提取系统 | |
| CN114664063B (zh) | 一种基于通用指标趋势分析的设备分级报警方法 | |
| CN113723781A (zh) | 一种基于spc分析的产品质量缺陷判定系统及其方法 | |
| CN118296539B (zh) | 一种面粉加工设备的异常状态分析方法、系统及介质 | |
| CN118823027A (zh) | 一种分解炉运行状态检测方法 | |
| CN115643471A (zh) | 用于电力设备的红外热成像检测系统 | |
| JP2022049395A (ja) | 異常スコア算出装置、異常スコア算出方法およびプログラム | |
| CN119210897A (zh) | 一种基于时序特征的工控网络威胁趋势检测方法及系统 | |
| CN119272200A (zh) | 一种压缩机密封系统的压力数据监测方法及系统 | |
| CN114708249A (zh) | 一种骨料粒径智能化检测方法、装置、计算机设备和存储介质 | |
| CN114037010A (zh) | 一种电量数据异常的识别方法及装置 | |
| CN121121663A (zh) | 一种肉苁蓉结晶过程的实时监测方法及系统 | |
| CN118981735B (zh) | 一种净化系统实时监测与报修预警方法及系统 | |
| CN118226791B (zh) | 一种工控机自检控制系统及方法 | |
| CN118133164B (zh) | 基于机器学习的射频腔故障模式识别方法及系统 | |
| CN115795350B (zh) | 一种血流变测试杯生产过程中异常数据信息处理方法 | |
| CN118984243A (zh) | 基于机器学习的ai网络安全运维数据处理系统 | |
| CN117674418A (zh) | 一种输电线路状态监测方法、系统、设备和介质 | |
| KR20240042627A (ko) | 다차원 동적 부품 평균 테스트를 위한 시스템 및 방법 | |
| CN121258213B (zh) | 基于多模态时序数据的园区安全风险预警方法及系统 |
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 |