一种基于图像处理的中药生产监视控制系统及方法与流程

1.本发明涉及图像信号处理领域，尤其涉及一种基于图像处理的中药生产监视控制系统及方法。


背景技术：

2.图像处理存在多个应用领域，例如可以用于各种材料的优劣判断方面，具体地，同时捕获材料的视觉数据，对视觉数据进行图像识别和图像分析，从而得出材料的质量优劣信息，尤其可以应用到各类中药材料的质量检测和生产控制中。
3.在中药方面，薄荷、栀子叶、巴叶都是人类所需要的重要叶类品种。薄荷，又名银丹草、夜息香，是唇形科薄荷属的一种多年生草本植物， 叶对生，花小淡紫色，唇形，多生于山野湿地。全株青气芳香，是一种有特种经济价值的芳香作物。栀子叶，中药名。为茜草科栀子属植物山栀的叶，植物山栀，具有活血消肿，清热解毒之功效。主治跌打损伤，疔毒，痔疮，下疳。巴叶，为蔷薇科植物枇杷的叶子，又名枇杷叶、芦桔叶。有清肺止咳、和胃利尿以及止渴的功效，有治疗肺热痰嗽、咳血、衄血、胃热呕哕作用。
4.不同类型的叶类中药，决定其药效或者品质的标准不同，例如，薄荷叶片越厚品质越佳，栀子叶中，小叶品种的品质更好，而对于人们用于清肺止咳、使用更频繁的巴叶来说，在生产与巴叶关联的中药药品时，在保证新鲜的前提下，选择的巴叶原料是越老越好，也就是越大越好，这样药效才能够达到预期，因此需要在生产与巴叶关联的中药药品之前，对用于中药药品生产的巴叶原料的质量进行判断，以作为生产的中药药品药效的决定因素之一。
5.示例地，中国发明专利公开文本cn101354381a提出的一种枇杷叶药材的质量评价方法，所述方法包括：首先采集10批次以上的枇杷叶药材，制备供试品溶液，再配制对照品溶液，运用高效液相色谱法和高效毛细管电泳法进行测定，最后运用中药指纹图谱相似度计算软件分析。本发明的优点是方法简便、稳定、精密度、重现性好、易于掌握，能从色谱的整体特征面同高貌上把握枇杷叶的品种和质量情况，可将其作为枇杷叶质量评价和真伪鉴别的方法之一。
6.示例地，中国发明专利公开文本cn101732392a提出的一种中药大青叶的质量检测方法，所述方法包括：经水提取，乙醇处理，乙酸乙酯和水饱和正丁醇依次萃取、浓缩、定容等样品前处理手段将中药大青叶处理后，通过电喷雾质谱得到中药大青叶的指纹图谱；利用高效液相色谱法测定中药大青叶中核苷和嘌呤类成分的含量；利用紫外-可见分光光度法测定中药大青叶中总黄酮的含量，综合其指纹图谱及含量测定数据，可以对中药大青叶的质量进行评价。该质量检测方法准确、快捷、方便、有效。
7.然而，上述现有技术并没有涉及具体的巴叶原料的叶片大小的鉴定，更没有给出多片巴叶原料的整体叶片大小乃至整体质量的快速、智能的鉴定机制，同时，采取逐叶的人工测量机制以及抽样的简化测量机制会存在效率低下、精度不足的缺陷，导致现有技术中仍存在每一份由多片巴叶组成的原料其整体质量难以分析、关联中药药品药效难以判断的
技术问题。


技术实现要素：

8.为了解决现有技术中的技术问题，本发明提供了一种基于图像处理的中药生产监视控制系统及方法，能够针对每一份完成均匀摇动且铺满有巴叶原料的水平放置托盘执行可视化的数据采集与监控，获得巴叶成像区域用于后续的每一份巴叶原料整体叶片尺寸的智能分析，尤为关键的是，采用完成多次学习的人工智能模型执行所述智能分析，从而将图像信号处理机制和智能化数据处理机制进行有机结合，保证了逐份巴叶原料质量的检测效率和精度，从而为关联中药药品的药效评估提供有价值的参考信息。
9.根据本发明的第一方面，提供了一种基于图像处理的中药生产监视控制系统，所述系统包括：
10.原料推送器件，用于将铺满有巴叶原料的水平放置的托盘推送到数据采集工位的正下方，所述托盘为圆形托盘且所述圆形的半径为固定数值；
11.视觉监控器件，位于数据采集工位的正上方，用于在原料推送器件每完成一次推送操作后，执行对数据采集工位的一次视觉数据采集动作，以获取中药监控画面；
12.内容剥离器件，与视觉监控器件连接，用于基于巴叶的颜色成像特性检测中药监控画面中的巴叶成像区域；
13.信息捕获器件，用于获取标准巴叶图案的各个像素点分别对应的各个像素值、各个水平坐标值和各个垂直坐标值，并作为标准巴叶图案对应的像素信息输出；
14.智能分析器件，分别与内容剥离器件以及信息捕获器件连接，用于采用人工智能模型基于巴叶成像区域的各个像素点分别对应的各个像素值、各个水平坐标值和各个垂直坐标值以及标准巴叶图案对应的像素信息智能分析所述托盘当前放置的巴叶原料的平均叶片展开面积；
15.质量判断器件，与智能分析器件连接，用于确定与接收到的平均叶片展开面积正向关联的巴叶质量等级；
16.其中，所述人工智能模型为完成多次学习操作后的卷积神经网络且学习操作的次数与所述圆形的半径成正比。
17.根据本发明的第二方面，提供了一种基于图像处理的中药生产监视控制方法，所述方法包括以下步骤：
18.将铺满有巴叶原料的水平放置的托盘推送到数据采集工位的正下方，所述托盘为圆形托盘且所述圆形的半径为固定数值；
19.采用位于数据采集工位的正上方的视觉监控器件执行对数据采集工位的一次视觉数据采集动作，以获取中药监控画面；
20.基于巴叶的颜色成像特性检测中药监控画面中的巴叶成像区域；
21.获取标准巴叶图案的各个像素点分别对应的各个像素值、各个水平坐标值和各个垂直坐标值，并作为标准巴叶图案对应的像素信息输出；
22.人工智能模型基于巴叶成像区域的各个像素点分别对应的各个像素值、各个水平坐标值和各个垂直坐标值以及标准巴叶图案对应的像素信息智能分析所述托盘当前放置的巴叶原料的平均叶片展开面积；
23.确定与接收到的平均叶片展开面积正向关联的巴叶质量等级；
24.其中，所述人工智能模型为完成多次学习操作后的卷积神经网络且学习操作的次数与所述圆形的半径成正比；
25.其中，将铺满有巴叶原料的水平放置的托盘推送到数据采集工位的正下方，所述托盘为圆形托盘且所述圆形的半径为固定数值包括：所述固定数值的取值大于或等于设定半径阈值；
26.其中，所述巴叶的颜色成像特性为lab颜色空间下的红绿成分数值范围、黑白成分数值范围和黄蓝成分数值范围；
27.其中，基于巴叶的颜色成像特性检测中药监控画面中的巴叶成像区域包括：将所述中药监控画面具有的颜色成分数值与巴叶的颜色成像特性匹配的像素点作为巴叶成像区域的构成像素点，将所述中药监控画面具有的颜色成分数值与巴叶的颜色成像特性不匹配的像素点作为巴叶成像区域之外的其他像素点；
28.其中，所述中药监控画面具有的颜色成分数值与巴叶的颜色成像特性匹配的像素点的识别包括：利用下述公式计算所述中药监控画面具有的颜色成分数值与巴叶的颜色成像特性之间的第一颜色距离：
29.；
30.其中，表示所述第一颜色距离，表示所述巴叶的颜色成像特性中红绿成分数值范围的均值，表示所述中药监控画面具有的颜色成分数值中红绿成分数值，表示所述巴叶的颜色成像特性中黑白成分数值范围的均值，表示所述中药监控画面具有的颜色成分数值中黑白成分数值，表示所述巴叶的颜色成像特性中黄蓝成分数值范围的均值，表示所述中药监控画面具有的颜色成分数值中黄蓝成分数值；
31.计算所述巴叶的颜色成像特性与所述巴叶的颜色成像特性的均值之间的第二颜色距离；
32.基于所述第一颜色距离，利用下述公式对所述第二颜色距离进行距离调整得到第二调整距离：
33.；
34.其中，表示所述第二调整距离，表示所述第二颜色距离，表示所述第一颜色距离；
35.分别构建所述第一颜色距离与所述中药监控画面中像素点之间的第一曲线、所述第二调整距离与所述巴叶的颜色成像特性对应的像素点之间的第二曲线；
36.从所述第一曲线与所述第二曲线中选取波峰值；在所述第一颜色距离小于所述波峰值时，将所述第一颜色距离在所述中药监控画面中对应的像素点作为所述中药监控画面具有的颜色成分数值与巴叶的颜色成像特性匹配的像素点；
37.其中，所述波峰值为所述第二曲线中出现的第一个波峰所在的像素点数量的范围内，所述第一曲线中同样的像素点数量的范围内出现的第一个波峰的值。
38.由此可见，相对于现有技术，本发明至少具备以下四处实质性的技术进步：
39.（1）对完成水平方向均匀摇动后的、铺满有巴叶原料的水平放置的托盘推送到数据采集工位的正下方，以执行对巴叶原料水平铺设场景的视觉数据采集，并基于巴叶的颜色成像特性检测采集的监控画面中的巴叶成像区域，从而为后续的巴叶整体叶片尺寸的智能分析提供关键数据；
40.（2）获取标准巴叶图案的各个像素点分别对应的各个像素值、各个水平坐标值和各个垂直坐标值以作为标准巴叶图案对应的像素信息，用于采用人工智能模型基于巴叶成像区域的各个像素点分别对应的各个像素值、各个水平坐标值和各个垂直坐标值以及标准巴叶图案对应的像素信息智能分析托盘当前放置的巴叶原料的平均叶片展开面积，从而完成对巴叶整体叶片尺寸的智能分析；
41.（3）在智能分析到托盘当前放置的巴叶原料的平均叶片展开面积后，基于所述平均叶片展开面积确定与其正向关联的巴叶质量等级，进而实现中药生产过程中原料整体质量的智能化鉴定；
42.（4）为保证人工智能模型的智能分析的可靠性和稳定性，具体采取了以下三项措施：所述人工智能模型为完成多次学习操作后的卷积神经网络；学习操作的次数与托盘的圆形半径成正比；以及在对卷积神经网络执行的每一次学习操作中，以所述托盘过往某次放置的、已知的巴叶原料的平均叶片展开面积作为所述卷积神经网络的输出数据，以标准巴叶图案对应的像素信息以及所述托盘过往某次放置巴叶原料时对应的巴叶成像区域的各个像素点分别对应的各个像素值、各个水平坐标值和各个垂直坐标值作为所述卷积神经网络的逐项输入数据。
附图说明
43.以下将结合附图对本发明的实施例进行描述，其中：
44.图1为根据本发明的基于图像处理的中药生产监视控制系统及方法的技术流程图。
45.图2为根据本发明的实施例一示出的基于图像处理的中药生产监视控制系统的结构示意图。
46.图3为根据本发明的实施例二示出的基于图像处理的中药生产监视控制系统的结构示意图。
47.图4为根据本发明的实施例三示出的基于图像处理的中药生产监视控制系统的结构示意图。
48.图5为根据本发明的实施例四示出的基于图像处理的中药生产监视控制系统的结构示意图。
49.图6为根据本发明的实施例五示出的基于图像处理的中药生产监视控制系统的结构示意图。
50.图7为根据本发明的实施例六示出的基于图像处理的中药生产监视控制方法的步骤流程图。
具体实施方式
51.如图1所示，给出了根据本发明示出的基于图像处理的中药生产监视控制系统及
方法的技术流程图。
52.如图1所示，本发明的具体的技术流程如下：
53.技术流程一：对每一份待鉴定整体质量的巴叶原料进行可视化数据采集以及可视化数据处理，以获得仅仅包括巴叶原料的巴叶成像区域，为后续的整体质量的分析提供基础数据；
54.具体地，每一份待鉴定整体质量的巴叶原料是放置在固定尺寸的水平放置托盘上且完成水平摇动均匀后处于平铺且铺满状态下的多片巴叶，所述托盘也圆形托盘且尺寸足够大以在能够平铺多片巴叶的同时，尽可能减少叶片原料整体质量判断的次数；
55.以及具体地，可以选择基于巴叶的颜色成像特性检测采集的监控画面中的巴叶成像区域，这样，获得的巴叶成像区域不包括托盘的边沿，而仅仅包括完成水平摇动均匀后处于平铺且铺满状态下的多片巴叶；
56.技术流程二：构建用于执行多片巴叶整体叶片展开面积的智能分析的人工智能模型，为保证所述人工智能模型的分析结果的可靠性和稳定性，本发明采用了以下几项措施：
57.措施a：所述人工智能模型为完成多次学习操作后的卷积神经网络；
58.措施b：学习操作的次数与托盘的圆形半径成正比，从而实现针对不同托盘的人工智能模型的不同定制；
59.措施c：在对卷积神经网络执行的每一次学习操作中，以托盘过往某次放置的、已知的巴叶原料的平均叶片展开面积作为所述卷积神经网络的输出数据，以标准巴叶图案对应的像素信息以及所述托盘过往某次放置巴叶原料时对应的巴叶成像区域的各个像素点分别对应的各个像素值、各个水平坐标值和各个垂直坐标值作为所述卷积神经网络的逐项输入数据，完成该次学习操作，从而保证了每一次学习操作的学习效果；
60.技术流程三：采用技术流程二构建的人工智能模型，基于技术流程一获取的巴叶成像区域的各项关联视觉数据以及标准巴叶图案对应的像素信息，智能分析所述托盘当前放置的多片巴叶的平均叶片展开面积；
61.示例地，所述巴叶成像区域的各项关联视觉数据为巴叶成像区域的各个像素点分别对应的各个像素值、各个水平坐标值和各个垂直坐标值，例如，所述像素值可以是灰度值；
62.技术流程四：基于技术流程三获取的所述托盘当前放置的多片巴叶的平均叶片展开面积确定所述托盘当前放置的多片巴叶的整体质量等级，从而为后续的巴叶制备的中药药品的药效提供有价值的参考信息；
63.具体地，所述托盘当前放置的多片巴叶的平均叶片展开面积越大，确定的所述托盘当前放置的多片巴叶的整体质量等级越高，从而反映出选择的巴叶原料是越老越好，也就是越大越好，这样药效才能够达到预期的巴叶中药制备特性。
64.本发明的关键点在于：针对性的巴叶原料的可视化数据采集机制以及图像信号处理机制、不同托盘的不同人工智能模型的定制以及可视化数据采集处理和智能化数据处理的有机结合。
65.下面，将对本发明的基于图像处理的中药生产监视控制系统及方法以实施例的方式进行具体说明。
66.实施例一
67.图2为根据本发明的实施例一示出的基于图像处理的中药生产监视控制系统的结构示意图。
68.如图2所示，所述基于图像处理的中药生产监视控制系统包括以下部件：
69.原料推送器件，用于将铺满有巴叶原料的水平放置的托盘推送到数据采集工位的正下方，所述托盘为圆形托盘且所述圆形的半径为固定数值；
70.示例地，所述圆形托盘的半径需要达到一个较大的数值，这样一方面能够保证平铺各片巴叶的叶片，另一方面能够减少叶片原料整体质量判断的次数；
71.视觉监控器件，与所述原料推送器件连接且位于数据采集工位的正上方，用于在原料推送器件每完成一次推送操作后，执行对数据采集工位的一次视觉数据采集动作，以获取中药监控画面信息；
72.例如，所述视觉监控器件可以选择内置有图像传感器，所述图像传感器可以选型为ccd传感器或者cmos传感器，以及所述视觉监控器件还可以选择内置有镜头、滤光片以及柔性电路板；
73.具体地，所述滤光片可以设置在所述镜头和所述图像传感器之间，所述柔性电路板用于为所述图像传感器提供电力供应；
74.内容剥离器件，与视觉监控器件连接，用于基于巴叶的颜色成像特性检测中药监控画面中的巴叶成像区域；
75.可替换地，也可以选择采用巴叶的灰度成像特性检测中药监控画面中的巴叶成像区域，相比较于巴叶的灰度成像特性，使用巴叶的颜色成像特性的检测效果精度更高；
76.信息捕获器件，用于获取标准巴叶图案的各个像素点分别对应的各个像素值、各个水平坐标值和各个垂直坐标值，并作为标准巴叶图案对应的像素信息输出；
77.智能分析器件，分别与内容剥离器件以及信息捕获器件连接，用于采用人工智能模型基于巴叶成像区域的各个像素点分别对应的各个像素值、各个水平坐标值和各个垂直坐标值以及标准巴叶图案对应的像素信息智能分析所述托盘当前放置的巴叶原料的平均叶片展开面积；
78.示例地，可以选择采用不同型号的soc芯片来分别实现所述智能分析器件、所述内容剥离器件以及所述信息捕获器件；
79.具体地，可以选择使用数值仿真模式来实现采用人工智能模型基于巴叶成像区域的各个像素点分别对应的各个像素值、各个水平坐标值和各个垂直坐标值以及标准巴叶图案对应的像素信息，并以此信息来智能分析所述托盘当前放置的巴叶原料的平均叶片展开面积的数据处理过程；
80.质量判断器件，与智能分析器件连接，用于确定与接收到的平均叶片展开面积正向关联的巴叶质量等级；
81.其中，所述人工智能模型为完成多次学习操作后的卷积神经网络且学习操作的次数与所述圆形的半径成正比；
82.示例地，所述人工智能模型为完成多次学习操作后的卷积神经网络且学习操作的次数与所述圆形的半径成正比包括：所述圆形的半径为50厘米，学习操作的次数为100，所述圆形的半径为60厘米，学习操作的次数为120，以及所述圆形的半径为80厘米，学习操作的次数为160；
83.其中，将铺满有巴叶原料的水平放置的托盘推送到数据采集工位的正下方，所述托盘为圆形托盘且所述圆形的半径为固定数值包括：所述固定数值的取值大于或等于设定半径阈值；
84.其中，所述巴叶的颜色成像特性为lab颜色空间下的红绿成分数值范围、黑白成分数值范围和黄蓝成分数值范围；
85.其中，基于巴叶的颜色成像特性检测中药监控画面中的巴叶成像区域包括：将所述中药监控画面具有的颜色成分数值与巴叶的颜色成像特性匹配的像素点作为巴叶成像区域的构成像素点，将所述中药监控画面具有的颜色成分数值与巴叶的颜色成像特性不匹配的像素点作为巴叶成像区域之外的其他像素点；
86.其中，所述中药监控画面具有的颜色成分数值与巴叶的颜色成像特性匹配的像素点的识别包括：利用下述公式计算所述中药监控画面具有的颜色成分数值与巴叶的颜色成像特性之间的第一颜色距离：
87.；
88.其中，表示所述第一颜色距离，表示所述巴叶的颜色成像特性中红绿成分数值范围的均值，表示所述中药监控画面具有的颜色成分数值中红绿成分数值，表示所述巴叶的颜色成像特性中黑白成分数值范围的均值，表示所述中药监控画面具有的颜色成分数值中黑白成分数值，表示所述巴叶的颜色成像特性中黄蓝成分数值范围的均值，表示所述中药监控画面具有的颜色成分数值中黄蓝成分数值；
89.计算所述巴叶的颜色成像特性与所述巴叶的颜色成像特性的均值之间的第二颜色距离；
90.基于所述第一颜色距离，利用下述公式对所述第二颜色距离进行距离调整得到第二调整距离：
91.；
92.其中，表示所述第二调整距离，表示所述第二颜色距离，表示所述第一颜色距离；
93.分别构建所述第一颜色距离与所述中药监控画面中像素点之间的第一曲线、所述第二调整距离与所述巴叶的颜色成像特性对应的像素点之间的第二曲线；
94.从所述第一曲线与所述第二曲线中选取波峰值；在所述第一颜色距离小于所述波峰值时，将所述第一颜色距离在所述中药监控画面中对应的像素点作为所述中药监控画面具有的颜色成分数值与巴叶的颜色成像特性匹配的像素点；
95.其中，所述波峰值为所述第二曲线中出现的第一个波峰所在的像素点数量的范围内，所述第一曲线中同样的像素点数量的范围内出现的第一个波峰的值。
96.实施例二
97.图3为根据本发明的实施例二示出的基于图像处理的中药生产监视控制系统的结构示意图。
98.如图3所示，与图2中的实施例不同，所述基于图像处理的中药生产监视控制系统
还包括以下部件：
99.多次学习器件，与所述智能分析器件连接，用于对卷积神经网络执行多次学习操作，以获得完成多次学习操作后的卷积神经网络并作为所述人工智能模型输出；
100.例如，可以选择采用matlab工具箱完成对卷积神经网络执行多次学习操作，以获得完成多次学习操作后的卷积神经网络并作为所述人工智能模型输出的仿真和测试处理；
101.其中，对卷积神经网络执行多次学习操作，以获得完成多次学习操作后的卷积神经网络并作为所述人工智能模型输出包括：在对卷积神经网络执行的每一次学习操作中，以所述托盘过往某次放置的、已知的巴叶原料的平均叶片展开面积作为所述卷积神经网络的输出数据，以标准巴叶图案对应的像素信息以及所述托盘过往某次放置巴叶原料时对应的巴叶成像区域的各个像素点分别对应的各个像素值、各个水平坐标值和各个垂直坐标值作为所述卷积神经网络的逐项输入数据，执行该次学习操作；
102.其中，以所述托盘过往某次放置的、已知的巴叶原料的平均叶片展开面积作为所述卷积神经网络的输出数据包括：对所述托盘过往某次放置的各片巴叶原料分别进行各自叶片展开面积的人工测量，以获得各份测量面积数据，对所述各份测量面积数据执行均值处理，以获得所述托盘过往某次放置的、已知的巴叶原料的平均叶片展开面积；
103.其中，所述对卷积神经网络执行的每一次学习操作的过程包括：对所述输入数据进行灰度识别，得到灰度像素点；对所述灰度像素点进行二值化处理，得到二值化像素点；对所述二值化像素点进行边缘检测，得到边缘像素点；基于所述边缘像素点，利用下述公式计算所述平均叶片展开面积：
104.；
105.其中，表示所述平均叶片展开面积，i表示标准巴叶图案以及所述托盘过往某次放置巴叶原料时对应的巴叶成像区域中第i个巴叶区域，表示标准巴叶图案以及所述托盘过往某次放置巴叶原料时对应的巴叶成像区域的总数，表示第i个巴叶区域内的像素点总数，表示第i个巴叶区域内标准大小网格内像素点的数目，表示第i个巴叶区域内标准大小网格的面积。
106.实施例三
107.图4为根据本发明的实施例三示出的基于图像处理的中药生产监视控制系统的结构示意图。
108.如图4所示，与图3中的实施例不同，所述基于图像处理的中药生产监视控制系统还包括以下部件：
109.均匀摇动器件，设置在所述原料推送器件的前端，用于对铺满有巴叶原料的水平放置的托盘进行水平方向的均匀摇动操作，并将完成均匀摇动操作后的托盘传送到所述原料推送器件所在工位；
110.其中，所述均匀摇动器件包括摇动执行单元，用于以设定频率对铺满有巴叶原料的水平放置的托盘进行水平方向的均匀摇动操作；
111.示例地，以设定频率对铺满有巴叶原料的水平放置的托盘进行水平方向的均匀摇动操作包括：在固定时长内以设定频率对铺满有巴叶原料的水平放置的托盘进行水平方向
的均匀摇动操作；
112.其中，所述均匀摇动器件还包括推动执行单元，用于将完成均匀摇动操作后的托盘传送到所述原料推送器件所在工位。
113.实施例四
114.图5为根据本发明的实施例四示出的基于图像处理的中药生产监视控制系统的结构示意图。
115.如图5所示，与图3中的实施例不同，所述基于图像处理的中药生产监视控制系统还包括以下部件：
116.同步驱动机构，分别与所述原料推送器件以及所述视觉监控器件连接，用于实现所述原料推送器件的推送操作与所述数据采集工位的视觉数据采集动作的同步驱动控制；
117.示例地，可以选择cpld器件或者fpga器件完成对所述同步驱动机构的实现；
118.具体地，在采用cpld器件完成对所述同步驱动机构的实现时，使用vhdl语言执行对所述cpld器件的编程设计；
119.其中，实现所述原料推送器件的推送操作与所述数据采集工位的视觉数据采集动作的同步驱动控制包括：所述同步驱动机构用于在每检测到所述原料推送器件完成一次推送操作后，向所述视觉监控器件发送一次监控触发信号，以完成对所述数据采集工位的一次视觉数据采集动作的触发；
120.其中，所述同步驱动机构用于在每检测到所述原料推送器件完成一次推送操作后，向所述视觉监控器件发送一次监控触发信号，以完成对所述数据采集工位的一次视觉数据采集动作的触发包括：所述同步驱动机构采用矩形波的下降沿完成对所述数据采集工位的一次视觉数据采集动作的触发。
121.实施例五
122.图6为根据本发明的实施例五示出的基于图像处理的中药生产监视控制系统的结构示意图。
123.如图6所示，与图5中的实施例不同，所述基于图像处理的中药生产监视控制系统还包括以下部件：
124.即时显示器件，与所述质量判断器件连接，用于接收并即时显示与巴叶质量等级对应的字符串信息；
125.例如，可以选择led显示阵列、lcd显示阵列或者液晶显示屏幕来实现所述即时显示器件；
126.参数存储器件，与所述智能分析器件连接，用于存储所述人工智能模型的各项模型参数；
127.例如，可以选择flash存储器件、动态存储器件或者mmc存储器件来实现所述参数存储器件。
128.接着，继续对本发明的各个实施例进行详细的描述。
129.在根据本发明各个实施例的基于图像处理的中药生产监视控制系统中：
130.将所述中药监控画面具有的颜色成分数值与巴叶的颜色成像特性匹配的像素点作为巴叶成像区域的构成像素点包括：在所述中药监控画面中一个像素点在lab颜色空间下的红绿成分数值、黑白成分数值和黄蓝成分数值分别在红绿成分数值范围、黑白成分数
值范围和黄蓝成分数值范围内时，判断所述像素点为巴叶成像区域的单个构成像素点；
131.可替换地，可以选择cmyk颜色空间来替换lab颜色空间完成对所述像素点是否为巴叶成像区域的单个构成像素点；
132.例如，将所述中药监控画面具有的颜色成分数值与巴叶的颜色成像特性匹配的像素点作为巴叶成像区域的构成像素点包括：在所述中药监控画面中一个像素点在cmyk颜色空间下的青色成分数值、品红色成分数值、黄色成分数值和黑色成分数值分别在青色成分数值范围、品红色成分数值范围、黄色成分数值范围和黑色成分数值范围内时，判断所述像素点为巴叶成像区域的单个构成像素点；
133.其中，在所述中药监控画面中一个像素点在lab颜色空间下的红绿成分数值、黑白成分数值和黄蓝成分数值分别在红绿成分数值范围、黑白成分数值范围和黄蓝成分数值范围内时，判断所述像素点为巴叶成像区域的单个构成像素点包括：所述中药监控画面中一个像素点在lab颜色空间下的红绿成分数值、黑白成分数值和黄蓝成分数值中的任一成分数值的取值均在0-255之间。
134.以及在根据本发明各个实施例的基于图像处理的中药生产监视控制系统中：
135.标准巴叶图案的各个像素点分别对应的各个像素值以及获取标准巴叶图案的各个像素点分别对应的各个水平坐标值和各个垂直坐标值，并作为标准巴叶图案对应的像素信息输出包括：标准巴叶图案的各个像素点分别对应的各个像素值为标准巴叶图案的各个像素点分别对应的各个灰度值；
136.其中，标准巴叶图案的各个像素点分别对应的各个像素值以及获取标准巴叶图案的各个像素点分别对应的各个水平坐标值和各个垂直坐标值，并作为标准巴叶图案对应的像素信息输出还包括：所述标准巴叶图案为仅包括单个标准形状的巴叶的成像图像；
137.其中，标准巴叶图案的各个像素点分别对应的各个像素值以及获取标准巴叶图案的各个像素点分别对应的各个水平坐标值和各个垂直坐标值，并作为标准巴叶图案对应的像素信息输出还包括：在所述标准巴叶图案中，以右下角像素点为二维坐标系的原点，以最底部的像素行为二维坐标系的水平坐标轴的正向，以最右侧的像素例为二维坐标系的垂直坐标轴的正向，建立所述二维坐标系。
138.实施例六
139.图7为根据本发明的实施例六示出的基于图像处理的中药生产监视控制方法的步骤流程图。
140.如图7所示，根据本发明的实施例六示出的基于图像处理的中药生产监视控制方法具体包括以下步骤：
141.将铺满有巴叶原料的水平放置的托盘推送到数据采集工位的正下方，所述托盘为圆形托盘且所述圆形的半径为固定数值；
142.示例地，所述圆形托盘的半径需要达到一个较大的数值，这样一方面能够保证平铺各片巴叶的叶片，另一方面能够减少叶片原料整体质量判断的次数；
143.采用位于数据采集工位的正上方的视觉监控器件执行对数据采集工位的一次视觉数据采集动作，以获取中药监控画面；
144.例如，所述视觉监控器件可以选择内置有图像传感器，所述图像传感器可以选型为ccd传感器或者cmos传感器，以及所述视觉监控器件还可以选择内置有镜头、滤光片以及
柔性电路板；
145.具体地，所述滤光片可以设置在所述镜头和所述图像传感器之间，所述柔性电路板用于为所述图像传感器提供电力供应；
146.基于巴叶的颜色成像特性检测中药监控画面中的巴叶成像区域；
147.可替换地，也可以选择采用巴叶的灰度成像特性检测中药监控画面中的巴叶成像区域，相比较于巴叶的灰度成像特性，使用巴叶的颜色成像特性的检测效果精度更高；
148.获取标准巴叶图案的各个像素点分别对应的各个像素值、各个水平坐标值和各个垂直坐标值，并作为标准巴叶图案对应的像素信息输出；
149.人工智能模型基于巴叶成像区域的各个像素点分别对应的各个像素值、各个水平坐标值和各个垂直坐标值以及标准巴叶图案对应的像素信息智能分析所述托盘当前放置的巴叶原料的平均叶片展开面积；
150.具体地，可以选择使用数值仿真模式实现采用人工智能模型基于巴叶成像区域的各个像素点分别对应的各个像素值、各个水平坐标值和各个垂直坐标值以及标准巴叶图案对应的像素信息智能分析所述托盘当前放置的巴叶原料的平均叶片展开面积的数据处理过程；
151.确定与接收到的平均叶片展开面积正向关联的巴叶质量等级；
152.其中，所述人工智能模型为完成多次学习操作后的卷积神经网络且学习操作的次数与所述圆形的半径成正比；
153.示例地，所述人工智能模型为完成多次学习操作后的卷积神经网络且学习操作的次数与所述圆形的半径成正比包括：所述圆形的半径为50厘米，学习操作的次数为100，所述圆形的半径为60厘米，学习操作的次数为120，以及所述圆形的半径为80厘米，学习操作的次数为160；
154.其中，将铺满有巴叶原料的水平放置的托盘推送到数据采集工位的正下方，所述托盘为圆形托盘且所述圆形的半径为固定数值包括：所述固定数值的取值大于或等于设定半径阈值；
155.其中，所述巴叶的颜色成像特性为lab颜色空间下的红绿成分数值范围、黑白成分数值范围和黄蓝成分数值范围；
156.其中，基于巴叶的颜色成像特性检测中药监控画面中的巴叶成像区域包括：将所述中药监控画面具有的颜色成分数值与巴叶的颜色成像特性匹配的像素点作为巴叶成像区域的构成像素点，将所述中药监控画面具有的颜色成分数值与巴叶的颜色成像特性不匹配的像素点作为巴叶成像区域之外的其他像素点；
157.其中，所述中药监控画面具有的颜色成分数值与巴叶的颜色成像特性匹配的像素点的识别包括：利用下述公式计算所述中药监控画面具有的颜色成分数值与巴叶的颜色成像特性之间的第一颜色距离：
158.；
159.其中，表示所述第一颜色距离，表示所述巴叶的颜色成像特性中红绿成分数值范围的均值，表示所述中药监控画面具有的颜色成分数值中红绿成分数值，表示所述
巴叶的颜色成像特性中黑白成分数值范围的均值，表示所述中药监控画面具有的颜色成分数值中黑白成分数值，表示所述巴叶的颜色成像特性中黄蓝成分数值范围的均值，表示所述中药监控画面具有的颜色成分数值中黄蓝成分数值；
160.计算所述巴叶的颜色成像特性与所述巴叶的颜色成像特性的均值之间的第二颜色距离；
161.基于所述第一颜色距离，利用下述公式对所述第二颜色距离进行距离调整得到第二调整距离：
162.；
163.其中，表示所述第二调整距离，表示所述第二颜色距离，表示所述第一颜色距离；
164.分别构建所述第一颜色距离与所述中药监控画面中像素点之间的第一曲线、所述第二调整距离与所述巴叶的颜色成像特性对应的像素点之间的第二曲线；
165.从所述第一曲线与所述第二曲线中选取波峰值；在所述第一颜色距离小于所述波峰值时，将所述第一颜色距离在所述中药监控画面中对应的像素点作为所述中药监控画面具有的颜色成分数值与巴叶的颜色成像特性匹配的像素点；
166.其中，所述波峰值为所述第二曲线中出现的第一个波峰所在的像素点数量的范围内，所述第一曲线中同样的像素点数量的范围内出现的第一个波峰的值。
167.另外，本发明还可以引用以下几处技术内容以进一步显现本发明的突出的实质性特点：
168.采用人工智能模型基于巴叶成像区域的各个像素点分别对应的各个像素值、各个水平坐标值和各个垂直坐标值以及标准巴叶图案对应的像素信息智能分析所述托盘当前放置的巴叶原料的平均叶片展开面积包括：将巴叶成像区域的各个像素点分别对应的各个像素值、各个水平坐标值和各个垂直坐标值以及标准巴叶图案对应的像素信息作为所述人工智能模型的逐项输入数据，执行所述人工智能模型，以获得所述人工智能模型输出的所述托盘当前放置的巴叶原料的平均叶片展开面积；
169.其中，将所述中药监控画面具有的颜色成分数值与巴叶的颜色成像特性不匹配的像素点作为巴叶成像区域之外的其他像素点包括：在所述中药监控画面中一个像素点在lab颜色空间下的红绿成分数值在红绿成分数值范围之外、黑白成分数值在黑白成分数值范围之外或者黄蓝成分数值在黄蓝成分数值范围之外时，判断所述像素点为巴叶成像区域之外的单个其他像素点。
170.以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

技术特征：
1.一种基于图像处理的中药生产监视控制系统，其特征在于，所述系统包括：原料推送器件，用于将铺满有巴叶原料的水平放置的托盘推送到数据采集工位的正下方，所述托盘为圆形托盘且所述圆形的半径为固定数值；视觉监控器件，位于数据采集工位的正上方，用于在原料推送器件每完成一次推送操作后，执行对数据采集工位的一次视觉数据采集动作，以获取中药监控画面；内容剥离器件，与视觉监控器件连接，用于基于巴叶的颜色成像特性检测中药监控画面中的巴叶成像区域；信息捕获器件，用于获取标准巴叶图案的各个像素点分别对应的各个像素值、各个水平坐标值和各个垂直坐标值，并作为标准巴叶图案对应的像素信息输出；智能分析器件，分别与内容剥离器件以及信息捕获器件连接，用于采用人工智能模型基于巴叶成像区域的各个像素点分别对应的各个像素值、各个水平坐标值和各个垂直坐标值以及标准巴叶图案对应的像素信息智能分析所述托盘当前放置的巴叶原料的平均叶片展开面积；质量判断器件，与智能分析器件连接，用于确定与接收到的平均叶片展开面积正向关联的巴叶质量等级；所述人工智能模型为完成多次学习操作后的卷积神经网络且学习操作的次数与所述圆形的半径成正比相关。2.如权利要求1所述的基于图像处理的中药生产监视控制系统，其特征在于：将铺满有巴叶原料的水平放置的托盘推送到数据采集工位的正下方，所述托盘为圆形托盘且所述圆形的半径为固定数值包括：所述固定数值的取值大于或等于设定半径阈值；所述巴叶的颜色成像特性为lab颜色空间下的红绿成分数值范围、黑白成分数值范围和黄蓝成分数值范围；基于巴叶的颜色成像特性检测中药监控画面中的巴叶成像区域包括：将所述中药监控画面具有的颜色成分数值与巴叶的颜色成像特性匹配的像素点作为巴叶成像区域的构成像素点，将所述中药监控画面具有的颜色成分数值与巴叶的颜色成像特性不匹配的像素点作为巴叶成像区域之外的其他像素点；所述中药监控画面具有的颜色成分数值与巴叶的颜色成像特性匹配的像素点的识别包括：计算所述中药监控画面具有的颜色成分数值与巴叶的颜色成像特性之间的第一颜色距离；计算所述巴叶的颜色成像特性与所述巴叶的颜色成像特性的均值之间的第二颜色距离；基于所述第一颜色距离，对所述第二颜色距离进行距离调整得到第二调整距离；分别构建所述第一颜色距离与所述中药监控画面中像素点之间的第一曲线、所述第二调整距离与所述巴叶的颜色成像特性对应的像素点之间的第二曲线；从所述第一曲线与所述第二曲线中选取波峰值；在所述第一颜色距离小于所述波峰值时，将所述第一颜色距离在所述中药监控画面中对应的像素点作为所述中药监控画面具有的颜色成分数值与巴叶的颜色成像特性匹配的像素点；所述波峰值为所述第二曲线中出现的第一个波峰所在的像素点数量的范围内，所述第一曲线中同样的像素点数量的范围内出现的第一个波峰的值。3.如权利要求2所述的基于图像处理的中药生产监视控制系统，其特征在于，所述系统还包括：
多次学习器件，与所述智能分析器件连接，用于对卷积神经网络执行多次学习操作，以获得完成多次学习操作后的卷积神经网络并作为所述人工智能模型输出；对卷积神经网络执行多次学习操作，以获得完成多次学习操作后的卷积神经网络并作为所述人工智能模型输出包括：在对卷积神经网络执行的每一次学习操作中，以所述托盘过往某次放置的、已知的巴叶原料的平均叶片展开面积作为所述卷积神经网络的输出数据，以标准巴叶图案对应的像素信息以及所述托盘过往某次放置巴叶原料时对应的巴叶成像区域的各个像素点分别对应的各个像素值、各个水平坐标值和各个垂直坐标值作为所述卷积神经网络的逐项输入数据，执行该次学习操作；以所述托盘过往某次放置的、已知的巴叶原料的平均叶片展开面积作为所述卷积神经网络的输出数据包括：对所述托盘过往某次放置的各片巴叶原料分别进行各自叶片展开面积的人工测量，以获得各份测量面积数据，对所述各份测量面积数据执行均值处理，以获得所述托盘过往某次放置的、已知的巴叶原料的平均叶片展开面积；对卷积神经网络执行的每一次学习操作的过程包括：对所述输入数据进行灰度识别，得到灰度像素点；对所述灰度像素点进行二值化处理，得到二值化像素点；对所述二值化像素点进行边缘检测，得到边缘像素点；基于所述边缘像素点，计算所述平均叶片展开面积。4.如权利要求2所述的基于图像处理的中药生产监视控制系统，其特征在于，所述系统还包括：均匀摇动器件，设置在所述原料推送器件的前端，用于对铺满有巴叶原料的水平放置的托盘进行水平方向的均匀摇动操作，并将完成均匀摇动操作后的托盘传送到所述原料推送器件所在工位；所述均匀摇动器件包括摇动执行单元，用于以设定频率对铺满有巴叶原料的水平放置的托盘进行水平方向的均匀摇动操作；所述均匀摇动器件还包括推动执行单元，用于将完成均匀摇动操作后的托盘传送到所述原料推送器件所在工位。5.如权利要求2所述的基于图像处理的中药生产监视控制系统，其特征在于，所述系统还包括：同步驱动机构，分别与所述原料推送器件以及所述视觉监控器件连接，用于实现所述原料推送器件的推送操作与所述数据采集工位的视觉数据采集动作的同步驱动控制；实现所述原料推送器件的推送操作与所述数据采集工位的视觉数据采集动作的同步驱动控制包括：所述同步驱动机构用于在每检测到所述原料推送器件完成一次推送操作后，向所述视觉监控器件发送一次监控触发信号，以完成对所述数据采集工位的一次视觉数据采集动作的触发；所述同步驱动机构用于在每检测到所述原料推送器件完成一次推送操作后，向所述视觉监控器件发送一次监控触发信号，以完成对所述数据采集工位的一次视觉数据采集动作的触发包括：所述同步驱动机构采用矩形波的下降沿完成对所述数据采集工位的一次视觉数据采集动作的触发。6.如权利要求2所述的基于图像处理的中药生产监视控制系统，其特征在于，所述系统还包括：即时显示器件，与所述质量判断器件连接，用于接收并即时显示与巴叶质量等级对应
的字符串信息；参数存储器件，与所述智能分析器件连接，用于存储所述人工智能模型的各项模型参数。7.如权利要求2-6中任一项所述的基于图像处理的中药生产监视控制系统，其特征在于：将所述中药监控画面具有的颜色成分数值与巴叶的颜色成像特性匹配的像素点作为巴叶成像区域的构成像素点包括：在所述中药监控画面中一个像素点在lab颜色空间下的红绿成分数值、黑白成分数值和黄蓝成分数值分别在红绿成分数值范围、黑白成分数值范围和黄蓝成分数值范围内时，判断所述像素点为巴叶成像区域的单个构成像素点；在所述中药监控画面中一个像素点在lab颜色空间下的红绿成分数值、黑白成分数值和黄蓝成分数值分别在红绿成分数值范围、黑白成分数值范围和黄蓝成分数值范围内时，判断所述像素点为巴叶成像区域的单个构成像素点包括：所述中药监控画面中一个像素点在lab颜色空间下的红绿成分数值、黑白成分数值和黄蓝成分数值中的任一成分数值的取值均在0-255之间。8.如权利要求2-6中任一项所述的基于图像处理的中药生产监视控制系统，其特征在于：标准巴叶图案的各个像素点分别对应的各个像素值以及获取标准巴叶图案的各个像素点分别对应的各个水平坐标值和各个垂直坐标值，并作为标准巴叶图案对应的像素信息输出包括：标准巴叶图案的各个像素点分别对应的各个像素值为标准巴叶图案的各个像素点分别对应的各个灰度值。9.如权利要求8所述的基于图像处理的中药生产监视控制系统，其特征在于：标准巴叶图案的各个像素点分别对应的各个像素值以及获取标准巴叶图案的各个像素点分别对应的各个水平坐标值和各个垂直坐标值，并作为标准巴叶图案对应的像素信息输出还包括：所述标准巴叶图案为仅包括单个标准形状的巴叶的成像图像；其中，标准巴叶图案的各个像素点分别对应的各个像素值以及获取标准巴叶图案的各个像素点分别对应的各个水平坐标值和各个垂直坐标值，并作为标准巴叶图案对应的像素信息输出还包括：在所述标准巴叶图案中，以右下角像素点为二维坐标系的原点，以最底部的像素行为二维坐标系的水平坐标轴的正向，以最右侧的像素例为二维坐标系的垂直坐标轴的正向，建立所述二维坐标系。10.一种基于图像处理的中药生产监视控制方法，其特征在于，所述方法包括如下步骤：将铺满有巴叶原料的水平放置的托盘推送到数据采集工位的正下方，所述托盘为圆形托盘且所述圆形的半径为固定数值；采用位于数据采集工位的正上方的视觉监控器件执行对数据采集工位的一次视觉数据采集动作，以获取中药监控画面；基于巴叶的颜色成像特性检测中药监控画面中的巴叶成像区域；获取标准巴叶图案的各个像素点分别对应的各个像素值、各个水平坐标值和各个垂直坐标值，并作为标准巴叶图案对应的像素信息输出；人工智能模型基于巴叶成像区域的各个像素点分别对应的各个像素值、各个水平坐标
值和各个垂直坐标值以及标准巴叶图案对应的像素信息智能分析所述托盘当前放置的巴叶原料的平均叶片展开面积；确定与接收到的平均叶片展开面积正向关联的巴叶质量等级；其中，所述人工智能模型为完成多次学习操作后的卷积神经网络且学习操作的次数与所述圆形的半径成正比；其中，将铺满有巴叶原料的水平放置的托盘推送到数据采集工位的正下方，所述托盘为圆形托盘且所述圆形的半径为固定数值包括：所述固定数值的取值大于或等于设定半径阈值；所述巴叶的颜色成像特性为lab颜色空间下的红绿成分数值范围、黑白成分数值范围和黄蓝成分数值范围；基于巴叶的颜色成像特性检测中药监控画面中的巴叶成像区域包括：将所述中药监控画面具有的颜色成分数值与巴叶的颜色成像特性匹配的像素点作为巴叶成像区域的构成像素点，将所述中药监控画面具有的颜色成分数值与巴叶的颜色成像特性不匹配的像素点作为巴叶成像区域之外的其他像素点；所述中药监控画面具有的颜色成分数值与巴叶的颜色成像特性匹配的像素点的识别包括：计算所述中药监控画面具有的颜色成分数值与巴叶的颜色成像特性之间的第一颜色距离；计算所述巴叶的颜色成像特性与所述巴叶的颜色成像特性的均值之间的第二颜色距离；基于所述第一颜色距离，对所述第二颜色距离进行距离调整得到第二调整距离；分别构建所述第一颜色距离与所述中药监控画面中像素点之间的第一曲线、所述第二调整距离与所述巴叶的颜色成像特性对应的像素点之间的第二曲线；从所述第一曲线与所述第二曲线中选取波峰值；在所述第一颜色距离小于所述波峰值时，将所述第一颜色距离在所述中药监控画面中对应的像素点作为所述中药监控画面具有的颜色成分数值与巴叶的颜色成像特性匹配的像素点；所述波峰值为所述第二曲线中出现的第一个波峰所在的像素点数量的范围内，所述第一曲线中同样的像素点数量的范围内出现的第一个波峰的值。

技术总结
本发明涉及一种基于图像处理的中药生产监视控制系统及方法，属于图像信号处理领域，所述系统包括：智能分析器件，用于采用人工智能模型基于巴叶成像区域的各个像素点的像素值、水平坐标值和垂直坐标值以及标准巴叶图案对应的像素信息智能分析托盘当前放置的巴叶原料的平均叶片展开面积；质量判断器件，用于确定与平均叶片展开面积正向关联的巴叶质量等级。本发明还涉及一种基于图像处理的中药生产监视控制方法。通过本发明，针对多片巴叶原料整体质量难以分析、关联中药药品药效难以判断的技术问题，将图像信号处理机制和智能化数据处理机制进行有机结合，保证了逐份巴叶原料质量的检测精度和效率，从而解决了上述技术问题。题。题。


技术研发人员：杨纯国 易贤兵 高伟 王文天 黄守耀 徐文杰 刘倩 刘钊
受保护的技术使用者：山东一方制药有限公司
技术研发日：2023.09.04
技术公布日：2023/10/11