一种基于机器人的中药流化床制粒过程监控方法及装置与流程

1.本发明涉及中药生产制造技术领域，尤其是涉及一种基于机器人的中药流化床制粒过程监控方法及装置。


背景技术：

2.目前，流化床一步制粒法已广泛应用于中药生产，该法在密闭容器中集混合、制粒、干燥于一体。与其他制粒方法相比，流化床制粒法制得的颗粒具有更好的流动性、均匀性和压塑性能。但是，由于中成药成分复杂，当前流化床制粒工艺尚不稳定，存在颗粒质量属性难以监测、制粒过程安全风险不易及时发现等问题。
3.颗粒水分含量和粒度是流化床制粒工艺的两个关键质量属性，与后续生产工艺及药效成分含量密切相关。此外，流化床制粒过程需要加热加压，因此，现场实时监控粒过程各压力参数和设备温度情况，对于安全生产尤为重要。目前，中药流化床制粒过程需要工人手动取出颗粒，采用传统的粒径仪和水分测定仪分别测定粒径和水分。该方法繁琐且耗时，不能满足制药生产过程快速检测的需求。同时，对于流化床设备温度、压力的监控也需要巡检和操作人员进行记录和调节，这样存在一定的安全隐患。为了快速检测流化床制粒过程中颗粒的水分和粒径，并更大程度规避安全风险，需要提供一种可自执行、自感知、自决策的流化床制粒过程监控方法。
4.公开号为cn106546516a的中国专利公开了一种流化床制粒过程中颗粒多性质的在线检测装置，该检测装置安装于流化床反应室外，检测装置具有密封的外壳，能从反应室内取出样品的样本采集机构和位于外壳内、拍摄取出的样品在外壳内的下落过程的视觉检测单元、水分检测单元以及检测颗粒密度的密度检测单元；视觉检测单元包括相机和量筒；量筒承接样本采集机构落下的样品，相机拍摄样品落入量筒的过程以及样品溢出量筒、在量筒顶部形成的样品堆积物图像，图像处理系统由样品的下落图像获得颗粒粒径信息、由样品堆积物图像获得休止角。但是该专利无法有效检测制粒过程中的多质量指标，且无法实现自主操作和调节。


技术实现要素：

5.本发明针对现有技术存在的问题，提供了一种基于机器人的中药流化床制粒过程监控方法及装置。
6.为实现上述目的，本发明采用的技术方案如下：
7.一种基于机器人的中药流化床制粒过程监控方法，包括以下步骤：
8.步骤s1：基于第一机器人检测制粒过程中的颗粒水分和粒径参数；
9.步骤s2：基于第二机器人巡检流化床设备的压力和温度参数；
10.步骤s3：协同控制第一机器人和第二机器人实施制粒过程监控。
11.基于上述技术方案，更进一步地，步骤s1中的检测过程，包括以下步骤：
12.步骤s11：收集样品颗粒；
13.步骤s12：采集样品颗粒的高光谱图像；
14.步骤s13：测定样品颗粒的质量参数；
15.步骤s14：建立定量校正模型；
16.步骤s15：完成流化床制粒过程检测。
17.基于上述技术方案，更进一步地，定量校正模型的建立过程，包括以下步骤：
18.步骤s141：收集流化床制粒过程的样品颗粒；
19.步骤s142：采集样品颗粒的高光谱图像并计算平均光谱；
20.步骤s143：测定样品颗粒的粒径、水分；
21.步骤s144：采用偏最小二乘法建立颗粒水分、粒径和药效物质含量的定量校正模型；
22.基于上述技术方案，更进一步地，步骤s11中颗粒收集过程为：第一机器人在激光检测装置指引下移动至流化床附近，由信号采集装置对准流化床的取样口位置，并启动机械臂，机械臂带动夹取装置移动至样品颗粒放置位置，夹取装置夹取样品颗粒，进而实现样品颗粒收集。
23.基于上述技术方案，更进一步地，步骤s12中高光谱图像采集过程为：将夹取装置夹取到的样品颗粒通过进样口放入高光谱检测装置内，启动开关，通过成像系统获取样品颗粒的高光谱数据，并传输到远端服务器。
24.基于上述技术方案，更进一步地，步骤s142平均光谱计算公式为：基于上述技术方案，更进一步地，步骤s142平均光谱计算公式为：其中，为当前样本在波段w下的平均反射率，n为当前样本高光谱图像的像素点数目，为当前样本的平均光谱，进而计算得到不同样品的光谱信息。
25.基于上述技术方案，更进一步地，步骤s2中的巡检方法，包括以下步骤：
26.步骤s21：设备图像采集；
27.步骤s22：依据红外热成像图片，获取设备各区域温度；
28.步骤s23：识别目标压力表示数；
29.步骤s24：判定流化床设备温度、压力是否正常。
30.基于上述技术方案，更进一步地，步骤s23中目标压力表示数的识别过程，包括以下步骤：
31.步骤s231：对采集的所有压力表图像进行处理，制作数据集；
32.步骤s232：基于yolo网络模型，建立压力表图像目标检测模型，输入处理后的压力表图像数据集并对图像中的表盘、指针、基准进行模型训练，得到训练好的压力表图像检测模型；
33.步骤s233：将图像输入训练好的压力表图像检测模型，获取表盘、指针、基准的坐标位置信息，并根据坐标值确定表盘、指针、基准的从属关系；
34.步骤s234：根据步骤s233得出表盘、指针、基准坐标，计算表盘中心到基准中心连线与表盘中心到指针中心连线的夹角，计算公式为：
[0035][0036]
其中angle∈(-π，π)，表盘中心为(xc,yc)，指针中心为(xb,yb)，基准中心为(xa,ya)，d1、d2为
[0037]
步骤s235：刻度转换，由于基准中心与表盘中心的连线平分刻度，转换公式为：number＝0.5+0.02
×
angle/5.4，其中，number为压力表的读数，angle为表盘中心到基准中心连线与表盘中心到指针中心连线的夹角；
[0038]
步骤s236：刻度打印，将刻度信息打印到摄像头画面中。
[0039]
基于上述技术方案，更进一步地，步骤s3中的协同控制过程，包括以下步骤：
[0040]
步骤s31：地图位置共享；
[0041]
步骤s32：检测和巡检异常报警；
[0042]
步骤s33：流化床设备调控。
[0043]
基于上述技术方案，更进一步地，步骤s32中异常报警过程为：若步骤s15及步骤s24中检测和巡检结果异常，则将异常信息通过modbus协议经由局域网发送至第二机器人的报警机构，报警机构通过警示灯灯语和语音进行报警。
[0044]
基于上述技术方案，更进一步地，包括机械臂、计算机视觉机构、行走机构和报警机构；所述行走机构上端安装有机械臂和报警机构；报警机构由警示灯和语音提示机构组成；机械臂上端安装有计算机视觉机构。
[0045]
相对于现有技术，本发明具有以下有益效果：
[0046]
(1)本发明可通过机器人自主取样并实时检测流化床制粒过程颗粒粒径和水分，实现流化床制粒过程透明化，及时发现物料的异常波动，报警并自主调节。
[0047]
(2)本发明可通过机器人自主巡检制粒过程中流化床设备温度、压力情况，及时发现设备运行异常，报警并暂停设备运行，规避生产安全风险。
[0048]
(3)本发明可通过多机器人协同控制，优化机器人运行效率，最大化机器人功能，实现多台生产设备共用一套多机器人协同控制系统，尽可能降低无人化和智能化转型的成本投入。
附图说明
[0049]
图1为本发明监控方法的流程图；
[0050]
图2是本发明实施例1中灵芝孢子粉颗粒流化床制粒过程的含水量时序变化图；
[0051]
图3是本发明实施例1中灵芝孢子粉颗粒流化床制粒过程的粒径分布(《10％)时序变化图；
[0052]
图4是本发明实施例1中灵芝孢子粉颗粒流化床制粒过程的粒径分布(《50％)时序变化图；
[0053]
图5为本发明实施例2中铁皮枫斗颗粒流化床制粒过程的含水量时序变化图；
[0054]
图6为本发明实施例2中铁皮枫斗颗粒流化床制粒过程的粒径分布(《3％)时序变
化图；
[0055]
图7为本发明实施例2中铁皮枫斗颗粒流化床制粒过程的粒径分布(《6％)时序变化图；
[0056]
图8为本发明实施例2中铁皮枫斗颗粒流化床制粒过程的粒径分布(《10％)时序变化图；
[0057]
图9为本发明实施例2中铁皮枫斗颗粒流化床制粒过程的粒径分布(《25％)时序变化图；
[0058]
图10为本发明实施例2中的一个待检测压力表图像；
[0059]
图11为本发明实施例2中压力表图像的检测结果图；
[0060]
图12为本发明实施例3的结构示意图；
[0061]
附图标记：1.机械臂；2.计算机视觉机构；21.4k高清摄像头；22.红外热成像摄像头；3.行走机构；31.激光探测机构；32.第一开关；4.报警机构；41.警示灯；42.语音提示机构。
具体实施方式
[0062]
为使本发明的目的和技术方案更加清楚，下面将结合实施例，对本发明的技术方案进行清楚、完整地描述。
[0063]
如图1所示，一种基于机器人的中药流化床制粒过程监控方法，包括以下步骤：
[0064]
步骤s1：基于第一机器人检测制粒过程中的颗粒水分和粒径参数；其中，第一机器人用于快速检测流化床制粒过程颗粒水分和粒径，可包括机械臂、夹取装置、信号采集装置、运输装置和高光谱检测装置，第一机器人的工作原理为：第一机器人根据时间程序，每隔一定时间用夹取装置夹取流化床颗粒样品，送到高光谱成像系统进行成像，高光谱数据被传输到服务器进行计算，获得主要成分的含量信息。
[0065]
具体的，其检测过程，包括以下步骤：
[0066]
步骤s11：收集样品颗粒；
[0067]
步骤s12：采集样品颗粒的高光谱图像；其中，高光谱图像采集过程为：将夹取装置夹取到的样品颗粒通过进样口放入高光谱检测装置内，启动开关，通过成像系统获取样品颗粒的高光谱数据，并传输到远端服务器。
[0068]
步骤s13：测定样品颗粒的质量参数；质量参数至少包括粒径、水分，其中，粒径测定过程为：将适量的样品颗粒转移到干燥的测试样品池中，选择干式测试模式，气压设置为0.2-0.5mpa，进而实现样品颗粒的粒度测定。水分测定过程为：称取适量样品颗粒均匀平铺在直径为60mm的表面皿上，放入快速水分测定仪中测定水分含量，并设定加热温度为105℃，进样量为1.0-2.0g，判别时间为50-100s，每个样品测量至少3次；
[0069]
步骤s14：建立定量校正模型；具体的，定量校正模型的建立过程，包括以下步骤：
[0070]
步骤s141：收集流化床制粒过程的样品颗粒；其中，颗粒收集过程为：第一机器人在激光检测装置指引下移动至流化床附近，由信号采集装置对准流化床的取样口位置，并启动机械臂，机械臂带动夹取装置移动至样品颗粒放置位置，夹取装置夹取样品颗粒，进而实现样品颗粒收集。
[0071]
步骤s142：采集样品颗粒的高光谱图像并计算平均光谱；其中，平均光谱计算公式
为：其中，为当前样本在波段w下的平均反射率，n为当前样本高光谱图像的像素点数目，为当前样本的平均光谱，进而计算得到不同样品的光谱信息。且高光谱图像采集的波长范围为390-1700nm，曝光时间为1-5ms，成像镜头与样品颗粒距离为20-60cm。
[0072]
步骤s143：采用偏最小二乘法建立颗粒水分、粒径和药效物质含量的定量校正模型；具体的，可采用偏最小二乘法还可与平滑、微分等适宜的光谱预处理方法相结合，用于提高定量校正模型精度。而定量校正模型的评价指标为：训练集相关系数rc2、测试集相关系数rp2、训练集均方根误差rmsec和测试集均方根误差rmsep。
[0073]
步骤s144：完成流化床制粒过程检测。
[0074]
步骤s2：基于第二机器人巡检流化床设备的压力和温度参数；
[0075]
具体的，巡检过程包括以下步骤：
[0076]
步骤s21：设备图像采集；其中，图像采集过程为：机器人在激光检测机构的指引下移动至流化床附近，启动机械臂，机械臂带动计算机视觉机构移动至目标压力表和目标设备区域位置，4k高清摄像头和红外热成像摄像头分别采集相应图像。
[0077]
步骤s22：依据红外热成像图片，获取设备各区域温度；
[0078]
步骤s23：识别目标压力表示数；其中，目标压力表示数的识别过程，包括以下步骤：
[0079]
步骤s231：对采集的所有压力表图像进行处理，制作数据集；具体的，对采集到的图像进行数据增强处理，通过标注工具对处理完的压力表图像中的表盘、长端指针和mc基准进行标注；将标注后的压力表图像按照预设比例将数据集随机划分为训练集、测试集和验证集。
[0080]
步骤s232：基于yolo网络模型，建立压力表图像目标检测模型，输入处理后的压力表图像数据集并对图像中的表盘、指针、基准进行模型训练，得到训练好的压力表图像检测模型；具体的，在训练之前对学习率、训练迭代次数等参数进行设置，执行训练代码，加载配置文件，完成训练后，得到模型训练的结果，其信息如下表1所示。表1中map表示精准率和召回率用作两轴绘图后形成的封闭区域面积，map@.5表示阈值大于0.5的平均map。
[0081]
表1压力表目标检测模型训练结果
[0082]
类别p精准率r召回率map@.5所有目标0.98710.995表盘0.97510.995基准0.99810.995指针0.98810.995
[0083]
步骤s233：将图像输入训练好的压力表图像检测模型，获取表盘、指针、基准的坐标位置信息，并根据坐标值确定表盘、指针、基准的从属关系；具体的，将待检测压力表图像图10输入训练好的压力表图像检测模型，进行表盘、指针、基准的定位，得到表盘四角坐标(164.0,148.0,545.0,533.0)，表盘中心坐标(354.5,340.5)，基准中心坐标(350.5,285.0)，指针中心坐标(290.0,321.0)，根据表盘四角坐标值与其他坐标值进行比较确定其所属同一压力表；
[0084]
步骤s234：根据步骤s233得出表盘、指针、基准坐标，计算表盘中心到基准中心连线与表盘中心到指针中心连线的夹角，计算公式为：
[0085][0086]
其中angle∈(-π，π)，表盘中心为(xc,yc)，指针中心为(xb,yb)，基准中心为(xa,ya)，d1、d2为
[0087]
步骤s235：刻度转换，由于基准中心与表盘中心的连线平分刻度，转换公式为：number＝0.5+0.02
×
angle/5.4，其中，number为压力表的读数，angle为表盘中心到基准中心连线与表盘中心到指针中心连线的夹角；
[0088]
步骤s236：刻度打印，将刻度信息打印到摄像头画面中，如图11所示。
[0089]
步骤s24：判定流化床设备温度、压力是否正常；具体地，对4k高清摄像头拍摄的图像中的压力表进行识别，读取压力数值并与正常压力区间比对，若偏离正常区间，则判定为异常；读取红外热成像摄像头拍摄图像中的设备区域温度并与正常温度区间比对，若偏离正常区间，则判定为异常。
[0090]
步骤s3：协同控制第一机器人和第二机器人实施制粒过程监控。
[0091]
具体的，协同控制过程，包括以下步骤：
[0092]
步骤s31：地图位置共享；
[0093]
具体的，调试人员在手动模式下操作其中一台机器人在车间内移动，机器人通过设置的激光雷达感知车间环境，自主绘制车间地图；地图绘制完成并启用后，将其它机器人当前所在位置标注至地图中，实现地图位置共享。
[0094]
步骤s32：检测和巡检异常报警；其中，异常报警过程为：若步骤s15及步骤s24中检测和巡检结果异常，则将异常信息通过modbus协议经由局域网发送至第二机器人的报警机构，报警机构通过警示灯灯语和语音进行报警。具体的，在第一机器人检测到流化床制粒过程样品颗粒的粒径或水分含量异常时或第二机器人巡检到流化床设备压力或温度异常时，向寄存器地址9000写入约定的编码，其中，水分含量过高写入的编码为101，水分含量过低写入的编码为102，粒径过大写入的编码为103，粒径过小写入的编码为104，压力过低写入的编码为201，压力过高写入的编码为202，设备温度过高写入的编码为203，环境温度过高写入的编码为204等。第二机器人读取到9000寄存器中的约定编码时，会通过警示灯灯语和语音报警机构发出警报。
[0095]
步骤s33：流化床设备调控。其中，流化床设备调控过程为：若步骤s15及步骤s24中检测和巡检结果异常，则将异常信息通过modbus协议经由局域网发送至第一机器人，第一机器人根据异常类型执行相应任务，包括转动指定温度调节阀及压力调节阀和按压设备急停按钮，完成自主控制。具体的，第一机器人读取到9000寄存器中的步骤s2写入地约定编码时，第一机器人根据异常类型执行相应任务，包括：读取到101时转动温度调节阀升高温度；读取到102时转动温度调节阀降低温度；读取到103时转动压力调节阀增加减小压力；读取到104时转动压力调节阀增加压力；读取到201时转动压力调节阀增加压力；读取到202、
203、204时按压设备急停按钮暂停制粒过程等。
[0096]
实施例1
[0097]
基于一种基于机器人的中药流化床制粒过程监控方法，以灵芝孢子粉颗粒为例，步骤s1中的检测过程具体包括以下步骤：
[0098]
步骤s11：利用第一机器人收集灵芝孢子粉颗粒流化床制粒过程样品颗粒；
[0099]
具体的，在压力-2.5～-3.0kpa，进风温度60-80℃，出风温度不超过60℃条件下一步制粒。检测机器人在激光雷达指引下移动到流化床附近，伺服摄像头校准取样口，启动机械臂的最远端夹爪，抓住空的装样瓶，收集流化床颗粒，每10-15分钟收集大约10g灵芝孢子粉颗粒，直到制粒过程完成，共采集5个批次灵芝孢子粉颗粒流化床颗粒样品共计57份。
[0100]
步骤s12：利用第一机器人采集灵芝孢子粉颗粒流化床制粒过程颗粒样品的高光谱图像；
[0101]
具体的，第一机器人将收集的流化床颗粒倒入高光谱检测机器人进样口，启动高光谱检测机器人开关，使用高光谱成像系统获取57个样品颗粒的高光谱图像。高光谱相机从正上方对准样品，相机左右两侧各有一个卤素光源。为消除仪器长时间加热产生的光分布不均和暗电流，以及光源不稳定对图像的影响，采集标准白校准板，得到白校准图像，并且将捕获的摄像机镜头覆盖的图像存储为黑色校准图像。获取的高光谱图像在图像采集软件上用黑白标定图像进行标定。为了保证生成的图像不失真，数据大小一致，光谱范围的长度安排为800像素。成像镜头与样品的距离为40cm，曝光时间为1.7ms。在900-1700nm的光谱范围内以6.25nm的间隔获得了128个波长的光谱数据立方体。高光谱图像的宽度为800像素，高度为703像素，有128个波段。
[0102]
步骤s13：测定样品颗粒参数；
[0103]
将灵芝孢子粉颗粒样品5g转移到干燥的测试样品池中，选择干式测试模式，压力设置为0.35mpa，测量颗粒样品的粒度。称取2.0g灵芝孢子粉颗粒样品放入快速水分测定仪中测定水分含量，加热温度105℃，进样量2.0g，判别时间50-100s，优选70s，每个样品测量3次。
[0104]
步骤s14：建立定量校正模型；
[0105]
计算所采集的样品高光谱图像的平均光谱，计算公式为：计算所采集的样品高光谱图像的平均光谱，计算公式为：其中，为当前样本在波段w下的平均反射率，n为当前样本高光谱图像的像素点数目，为当前样本的平均光谱，由此计算得到不同样品的光谱信息。
[0106]
在训练集中，采用偏最小二乘算法建立灵芝孢子粉颗粒高光谱与水分、粒径的定量校正模型。模型建立后，以测试集验证模型的性能。模型评价指标包括训练集相关系数rc2、测试集相关系数rp2、训练集均方根误差rmsec和测试集均方根误差rmsep。rp2越接近于1，表示模型的预测效果越强，rmsec和rmsep越小且值越接近，表明模型预测性能和稳健性越好。
[0107]
表2为定量校正模型的rp2值和rmsep值结果汇总表。从表2可以看出定量校正模型中水分含量、颗粒大小(《10％)和颗粒大小(《50％)的rp2值分别为0.981，0.982和0.967。
[0108]
所以定量校正模型具有最优性能，灵芝孢子粉颗粒流化床制粒过程水分、粒径的预测结果可靠，满足快速检测的需求。
[0109]
表2灵芝孢子粉颗粒流化床制粒过程颗粒定量校正模型结果汇总
[0110][0111]
步骤s5：完成灵芝孢子粉颗粒流化床制粒过程检测。本实施例所述的5个批次灵芝孢子粉颗粒流化床过程水分、粒径检测结果如图2-图4所示，其中，图2-图4的横坐标均为时间，图2的纵坐标为含水量，图3和图4的纵坐标为粒径。
[0112]
实施例2
[0113]
基于一种基于机器人的中药流化床制粒过程监控方法，以铁皮枫斗颗粒为例，步骤s1中的检测过程具体包括以下步骤：
[0114]
步骤s11：利用第一机器人收集铁皮枫斗颗粒流化床制粒过程样品颗粒；
[0115]
具体的，在压力-2.5～-3.0kpa，进风温度60-80℃，出风温度不超过60℃条件下一步制粒。检测机器人在激光雷达指引下移动到流化床附近，伺服摄像头校准取样口，启动机械臂的最远端夹爪，抓住空的装样瓶，收集流化床颗粒，每10-15分钟收集大约10g铁皮枫斗颗粒，直到制粒过程完成，共采集5个批次铁皮枫斗颗粒流化床颗粒样品共计86份。
[0116]
步骤s12：利用第一机器人采集铁皮枫斗颗粒流化床制粒过程颗粒样品的高光谱图像；
[0117]
具体的，机器人将收集的流化床颗粒倒入高光谱检测机器人进样口，启动高光谱检测机器人开关，使用高光谱成像系统获取86个样品颗粒的高光谱图像。高光谱相机从正上方对准样品，相机左右两侧各有一个卤素光源。为消除仪器长时间加热产生的光分布不均和暗电流，以及光源不稳定对图像的影响，采集标准白校准板，得到白校准图像，并且将捕获的摄像机镜头覆盖的图像存储为黑色校准图像。获取的高光谱图像在图像采集软件上用黑白标定图像进行标定。为了保证生成的图像不失真，数据大小一致，光谱范围的长度安排为800像素。成像镜头与样品的距离为40cm，曝光时间为1.7ms。在900-1700nm的光谱范围内以6.25nm的间隔获得了128个波长的光谱数据立方体。高光谱图像的宽度为800像素，高度为703像素，有128个波段。
[0118]
步骤s13：测定样品颗粒参数；
[0119]
将铁皮枫斗颗粒样品5g转移到干燥的测试样品池中，选择干式测试模式，压力设置为0.35mpa，测量颗粒样品的粒度。称取2.0g铁皮枫斗颗粒样品放入快速水分测定仪中测定水分含量，加热温度105℃，进样量2.0g，判别时间70s，每个样品测量3次。
[0120]
步骤s14：建立定量校正模型；
[0121]
计算所采集的样品高光谱图像的平均光谱，计算公式为：
其中，为当前样本在波段w下的平均反射率，n为当前样本高光谱图像的像素点数目，为当前样本的平均光谱，由此计算得到不同样品的光谱信息。
[0122]
在训练集中，采用偏最小二乘算法建立灵芝孢子粉颗粒高光谱与水分、粒径的定量校正模型。模型建立后，以测试集验证模型的性能。模型评价指标包括训练集相关系数rc2、测试集相关系数rp2、训练集均方根误差rmsec和测试集均方根误差rmsep。rp2越接近于1，表示模型的预测效果越强，rmsec和rmsep越小且值越接近，表明模型预测性能和稳健性越好。
[0123]
表3为定量校正模型的rp2值和rmsep值结果汇总表。从表3可以看出定量校正模型中水分含量、颗粒大小(《3％)，颗粒大小(《6％)，颗粒大小(《10％)和颗粒大小(《25％)的rp2值分别为0.961，0.903，0.916，0.921和0.908。
[0124]
所以定量校正模型具有最优性能，铁皮枫斗流化床制粒过程水分、粒径的预测结果可靠，满足快速检测的需求。
[0125]
表3铁皮枫斗颗粒流化床制粒过程颗粒定量校正模型结果汇总
[0126][0127][0128]
步骤s5：完成铁皮枫斗颗粒流化床制粒过程检测。本实施例所述的5个批次铁皮枫斗颗粒流化床过程水分、粒径检测结果如图5-图9所示，其中，图5-图9的横坐标均为时间，图5的纵坐标为含水量，图6-图9的纵坐标为粒径。
[0129]
实施例3
[0130]
如图12所示，一种基于机器人的中药流化床制粒过程巡检装置，包括机械臂1、计算机视觉机构2、行走机构3和报警机构4；行走机构3上端安装有机械臂和报警机构4；报警机构4由警示灯41和语音提示机构42组成；机械臂1上端安装有计算机视觉机构2，计算机视觉机构2包括一枚4k高清摄像头21和一枚红外热成像摄像头22。
[0131]
本装置的工作原理为：机器人在行走机构3的指引下移动至流化床附近，启动机械臂1，机械臂1带动计算机视觉机构2移动至目标压力表和目标设备区域位置，4k高清摄像头21和红外热成像摄像头22分别采集相应图像。若4k高清摄像头21拍摄图像的中压力表读数
偏离正常区间，红外热成像摄像头22采集流化床设备温度偏离正常区间，或接收到来自其它机器人的流化床制粒过程样品颗粒水分、粒径异常(偏离正常区间)信息，则将异常信息通过modbus协议经由局域网发送至机器人的报警机构4，报警机构4通过警示灯41灯语和语音提示机构42进行报警。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，水分含量过高写入的编码为101，水分含量过低写入的编码为102，粒径过大写入的编码为103，粒径过小写入的编码为104，压力过低写入的编码为201，压力过高写入的编码为202，设备温度过高写入的编码为203，环境温度过高写入的编码为204等。机器人读取到9000寄存器中的约定编码时，通过警示灯41灯语和语音提示机构42发出警报。
[0132]
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。

技术特征：
1.一种基于机器人的中药流化床制粒过程监控方法，其特征在于，包括以下步骤：步骤s1：基于第一机器人检测制粒过程中的颗粒水分和粒径参数；步骤s2：基于第二机器人巡检流化床设备的压力和温度参数；步骤s3：协同控制第一机器人和第二机器人实施制粒过程监控。2.根据权利要求1所述的一种基于机器人的中药流化床制粒过程监控方法，其特征在于，步骤s1中的检测过程，包括以下步骤：步骤s11：收集样品颗粒；步骤s12：采集样品颗粒的高光谱图像；步骤s13：测定样品颗粒的质量参数；步骤s14：建立定量校正模型；其中，定量校正模型的建立过程，包括以下步骤：步骤s141：收集流化床制粒过程的样品颗粒；步骤s142：采集样品颗粒的高光谱图像并计算平均光谱；步骤s143：测定样品颗粒的粒径、水分；步骤s144：采用偏最小二乘法建立颗粒水分、粒径和药效物质含量的定量校正模型；步骤s145：完成流化床制粒过程检测。3.根据权利要求2所述的一种基于机器人的中药流化床制粒过程监控方法，其特征在于，步骤s11中颗粒收集过程为：第一机器人在激光检测装置指引下移动至流化床，由信号采集装置对准流化床的取样口位置，并启动机械臂，机械臂带动夹取装置移动至样品颗粒放置位置，夹取装置夹取样品颗粒，进而实现样品颗粒收集。4.根据权利要求2所述的一种基于机器人的中药流化床制粒过程监控方法，其特征在于，步骤s12中高光谱图像采集过程为：将夹取装置夹取到的样品颗粒通过进样口放入高光谱检测装置内，启动开关，通过成像系统获取样品颗粒的高光谱数据，并传输到远端服务器。5.根据权利要求2所述的一种基于机器人的中药流化床制粒过程监控方法，其特征在于，步骤s142平均光谱计算公式为：其中，为当前样本在波段w下的平均反射率，n为当前样本高光谱图像的像素点数目，为当前样本的平均光谱，进而计算得到不同样品的光谱信息。6.根据权利要求2所述的一种基于机器人的中药流化床制粒过程监控方法，其特征在于，步骤s2中的巡检方法，包括以下步骤：步骤s21：设备图像采集；步骤s22：依据红外热成像图片，获取设备各区域温度；步骤s23：识别目标压力表示数；步骤s24：判定流化床设备温度、压力是否正常。7.根据权利要求6所述的一种基于机器人的中药流化床制粒过程监控方法，其特征在于，步骤s23中目标压力表示数的识别过程，包括以下步骤：步骤s231：对采集的所有压力表图像进行处理，制作数据集；步骤s232：基于yolo网络模型，建立压力表图像目标检测模型，输入处理后的压力表图
像数据集并对图像中的表盘、指针、基准进行模型训练，得到训练好的压力表图像检测模型；步骤s233：将图像输入训练好的压力表图像检测模型，获取表盘、指针、基准的坐标位置信息，并根据坐标值确定表盘、指针、基准的从属关系；步骤s234：根据步骤s233得出表盘、指针、基准坐标，计算表盘中心到基准中心连线与表盘中心到指针中心连线的夹角，计算公式为：其中angle∈(-π，π)，表盘中心为(x
c
,y
c
)，指针中心为(x
b
,y
b
)，基准中心为(x
a
,y
a
)，d1、d2为步骤s235：刻度转换，由于基准中心与表盘中心的连线平分刻度，转换公式为：number＝0.5+0.02
×
angle/5.4，其中，number为压力表的读数，angle为表盘中心到基准中心连线与表盘中心到指针中心连线的夹角；步骤s236：刻度打印，将刻度信息打印到摄像头画面中。8.根据权利要求6所述的一种基于机器人的中药流化床制粒过程监控方法，其特征在于，步骤s3中的协同控制过程，包括以下步骤：步骤s31：地图位置共享；步骤s32：检测和巡检异常报警；步骤s33：流化床设备调控。9.根据权利要求8所述的一种基于机器人的中药流化床制粒过程监控方法，其特征在于，步骤s32中异常报警过程为：若步骤s15及步骤s24中检测和巡检结果异常，则将异常信息通过modbus协议经由局域网发送至第二机器人的报警机构，报警机构通过警示灯灯语和语音进行报警。10.一种采用权利要求1-9任一所述的中药流化床制粒过程监控方法的监控装置，其特征在于，包括机械臂、计算机视觉机构、行走机构和报警机构；所述行走机构上端安装有机械臂和报警机构；报警机构由警示灯和语音提示机构组成；机械臂上端安装有计算机视觉机构。

技术总结
本发明公开了一种基于机器人的中药流化床制粒过程监控方法及装置，涉及中药生产制造技术领域，方法包括基于第一机器人检测制粒过程中的颗粒水分和粒径参数；基于第二机器人巡检流化床设备的压力和温度参数；协同控制第一机器人和第二机器人实施制粒过程监控。装置包括机械臂、计算机视觉机构、行走机构和报警机构；行走机构上端安装有机械臂和报警机构，报警机构由警示灯和语音提示机构组成；机械臂上端安装有计算机视觉机构。本发明可通过机器人自主巡检制粒过程中流化床设备温度、压力情况，及时发现设备运行异常，报警并暂停设备运行，规避生产安全风险。规避生产安全风险。规避生产安全风险。


技术研发人员：李振皓 仲怿 朱颖 薛瑾 李振宇 徐靖
受保护的技术使用者：武义寿仙谷中药饮片有限公司
技术研发日：2023.03.28
技术公布日：2023/7/12