CN109948805A - 一种应用于制药厂的人工智能识别***及其识别方法 - Google Patents
一种应用于制药厂的人工智能识别***及其识别方法 Download PDFInfo
- Publication number
- CN109948805A CN109948805A CN201910169408.4A CN201910169408A CN109948805A CN 109948805 A CN109948805 A CN 109948805A CN 201910169408 A CN201910169408 A CN 201910169408A CN 109948805 A CN109948805 A CN 109948805A
- Authority
- CN
- China
- Prior art keywords
- chinese medicine
- artificial intelligence
- medicinal material
- screening machine
- material screening
- 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.)
- Pending
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 27
- 239000003814 drug Substances 0.000 claims abstract description 82
- 239000000463 material Substances 0.000 claims abstract description 54
- 238000012216 screening Methods 0.000 claims abstract description 40
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 2
- 239000002994 raw material Substances 0.000 abstract description 13
- 229940079593 drug Drugs 0.000 abstract description 8
- 230000000694 effects Effects 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000857 drug effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Sorting Of Articles (AREA)
Abstract
本发明公开了一种应用于制药厂的人工智能识别***及其识别方法,其***包括服务器以及药材筛选机,服务器与药材筛选机通过网络连接;服务器用于储存训练好的人工智能模型;药材筛选机用于拍摄中药材照片,接收服务器的识别结果。其***的识别方法,包括通过药材筛选机的相机对中药材进行拍照,将拍摄得到的中药材照片上传至服务器;服务器接收到中药材照片,会触发人工智能模型对其进行识别,并将识别结果反馈给药材筛选机;药材筛选机得到识别结果,对中药材进行分类,不合格的中药材归类到废弃堆,合格的中药材传递至提炼炉。本发明不依赖于检验人员的水平,能更快速、准确、全面、智能地确保中药材原材料的高质量,提高中成药的功效。
Description
技术领域
本发明涉及一种人工智能识别***及其识别方法,特别是涉及一种应用于制药厂的人工智能识别***及其识别方法。
背景技术
随着人民生活水平提高、人口老龄化、农村城市化深入、新医改政策逐步实施等因素的影响,人们对中医药的需求有不断增加的趋势。但是中药材行业存在诸多问题:种植、采收、初加工方面不规范、严重农残超标等;流通过程中,品种混淆和代用品问题也十分严重,伪品使用量甚至超过正品流通量,大量化学物质进入药材原料;中药饮片,中成药生产管理混乱,质量控制不过关。导致市面上流通的中药材质量问题严重,中药圈里有句话,“中医将毁于中药”。
中药材原材料质量的把控,一直是中药制造厂的一个难题,中药材原材料是否合格需要经验丰富的专业人员以随机抽样的方式查验,耗时耗力,效率不高,并且存在一定的漏查风险。近年来,人工智能和大数据技术的高速发展,人工智能算法在中药材识别领域的应用在不断普及。
发明内容
本发明的目的就是提供一种应用于制药厂的人工智能识别***及其识别方法,能完全解决上述现有技术的不足之处。
本发明的目的通过下述技术方案来实现:
一种应用于制药厂的人工智能识别***,包括服务器以及药材筛选机,服务器与药材筛选机通过网络连接;服务器用于储存训练好的人工智能模型;药材筛选机用于拍摄中药材照片,接收服务器的识别结果。
进一步,药材筛选机包括相机,通过相机拍摄中药材照片。
一种上述应用于制药厂的人工智能识别***的识别方法,包括如下方法:
1).通过药材筛选机的相机对中药材进行拍照,将拍摄得到的中药材照片上传至服务器;
2).服务器接收到中药材照片,会触发人工智能模型对其进行识别,并将识别结果反馈给药材筛选机;
3).药材筛选机得到识别结果,对中药材进行分类,不合格的中药材归类到废弃堆,合格的中药材传递至提炼炉。
进一步,方法1)中将中药材分堆平铺在传送带上,传递至药材筛选机处。
进一步,平铺在传送带上的中药材不重叠且横截面朝上,每一份中药材之间留有间距。
进一步,药材筛选机对传递至相机下方的中药材进行拍照,保证照片的像素要求不低于224x224,拍摄的是中药材切片的截面图。
进一步,方法2)中中药材照片以像素值矩阵的形式输入到人工智能模型的深度卷积神经网络模型中,通过提取每张中药材照片的多维特征进行识别。
进一步,识别的方式是通过已训练好的SVM分类器根据每张中药材照片的多维特征值进行判断识别。
进一步,每张中药材照片提取的是1664维特征。
与现有技术相比,本发明的有益效果在于:本发明设计的***,布置在中成药生产流程之前,可实现对中药材原材料人工智能识别的功能,筛选出满足要求的合格原料,剔除不合格的中药材原料。相比较于传统的中药材原材料质量验证,中药材智能识别***不依赖于检验人员的水平,不随机抽样而进行全批次的查验,能更快速、准确、全面、智能地确保中药材原材料的高质量,提高中成药的功效。
附图说明
图1是本发明的***示意图;
图2是本发明的***工作流程图。
具体实施方式
下面结合具体实施例和附图对本发明作进一步的说明。
如图1至图2所示,本发明的***包括药材筛选机和服务器。服务器部署人工智能算法,运算能力强大,用来识别中药材的质量是否合格;药材筛选机配有相机负责拍摄中药材图片,发送至服务器识别,并接受服务器返回的结果,根据结果将中药材按照是否合格分类。此套***装备在中成药生产工艺之前,能取代人力分辨中药材原料质量的过程,实现快速、准确、自动地筛选合格的中药材,提高最终生产制造出的中成药质量。
具体的,中药材人工智能识别***,包括服务器以及药材筛选机。
服务器的主要功能是:储存训练好的人工智能模型;接收药材筛选机发送过来的中药材图片,进行计算,给出识别结果;将结果返回至药材筛选机。
药材筛选机集成了拍摄照片的相机,主要功能是:拍摄需要识别的中药材图片并发送至服务器;接收服务器的识别结果,对中药材进行分类处理。
中药制造厂人工智能识别***的建立及工作流程:
1.药材筛选机安装内部软件,如现有的“中药材鉴别师”软件。软件的主要作用是建立服务器和药材筛选机之间的连接,使这两者之间能够进行数据的传输;另外设定自动执行拍摄照片,上传照片至服务器,服务器识别中药材照片,返回结果至药材筛选机,筛选机根据识别结果进行分类的逻辑流程。
2.将训练好的人工智能模型的代码上传至服务器中。服务器有相应的网络端口,在软件的底层代码中设置好对应的路径,通过局域网或网线连接服务器与药材筛选机,使图片和识别结果能在两者之间传输。
3.将中药材分堆平铺在传送带上,传递至药材筛选机处,要求药材不重叠且横截面朝上,每一份药材之间有一定的间距。
4.药材筛选机对传递至相机下方的中药材进行拍照。需事先设定好相机的拍摄角度与聚焦,要保证照片的要求像素不低于224x224,需要拍摄清楚中药材切片的截面。若是颗粒状中药材无拍摄横截面的要求,拍摄散开的药材颗粒图片即可。
5.安装在筛选机上的软件会根据工作流程逻辑,自动将拍摄的中药材照片传输至服务器。
6.服务器接收到照片,会触发人工智能模型进行运算,照片会以像素值矩阵的形式输入到深度卷积神经网络模型中,通过一系列的矩阵运算以及非线性变化后,提取出照片的1664维特征,然后用事先训练好的SVM分类器(支持向量机)根据每张照片的1664维特征值,判断中药材照片属于何种类别,即得到鉴别结果。
7.药材筛选机得到识别结果,对中药材进行分类,不合格的药材归类到废弃堆,合格的药材继续通过传送带传递至提炼炉。
8.完成一份药材的分类后,同样的流程步骤识别下一份药材,直至完成中药材原材料的识别工作。
本发明设计的***,布置在中成药生产流程之前,可实现对中药材原材料人工智能识别的功能,筛选出满足要求的合格原料,剔除不合格的中药材原料。相比较于传统的中药材原材料质量验证,中药材智能识别***不依赖于检验人员的水平,不随机抽样而进行全批次的查验,能更快速、准确、全面、智能地确保中药材原材料的高质量,提高中成药的功效。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种应用于制药厂的人工智能识别***,其特征在于,包括服务器以及药材筛选机,服务器与药材筛选机通过网络连接;服务器用于储存训练好的人工智能模型;药材筛选机用于拍摄中药材照片,接收服务器的识别结果。
2.根据权利要求1所述的应用于制药厂的人工智能识别***,其特征在于,药材筛选机包括相机,通过相机拍摄中药材照片。
3.一种上述任一项权利要求所述的应用于制药厂的人工智能识别***的识别方法,其特征在于,包括如下方法:
1).通过药材筛选机的相机对中药材进行拍照,将拍摄得到的中药材照片上传至服务器;
2).服务器接收到中药材照片,会触发人工智能模型对其进行识别,并将识别结果反馈给药材筛选机;
3).药材筛选机得到识别结果,对中药材进行分类,不合格的中药材归类到废弃堆,合格的中药材传递至提炼炉。
4.根据权利要求3所述的应用于制药厂的人工智能识别***的识别方法,其特征在于,方法1)中将中药材分堆平铺在传送带上,传递至药材筛选机处。
5.根据权利要求4所述的应用于制药厂的人工智能识别***的识别方法,其特征在于,平铺在传送带上的中药材不重叠且横截面朝上,每一份中药材之间留有间距。
6.根据权利要求5所述的应用于制药厂的人工智能识别***的识别方法,其特征在于,药材筛选机对传递至相机下方的中药材进行拍照,保证照片的像素要求不低于224x224,拍摄的是中药材切片的截面图。
7.根据权利要求3所述的应用于制药厂的人工智能识别***的识别方法,其特征在于,方法2)中中药材照片以像素值矩阵的形式输入到人工智能模型的深度卷积神经网络模型中,通过提取每张中药材照片的多维特征进行识别。
8.根据权利要求7所述的应用于制药厂的人工智能识别***的识别方法,其特征在于,识别的方式是通过已训练好的SVM分类器根据每张中药材照片的多维特征值进行判断识别。
9.根据权利要求8所述的应用于制药厂的人工智能识别***的识别方法,其特征在于,每张中药材照片提取的是1664维特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910169408.4A CN109948805A (zh) | 2019-03-06 | 2019-03-06 | 一种应用于制药厂的人工智能识别***及其识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910169408.4A CN109948805A (zh) | 2019-03-06 | 2019-03-06 | 一种应用于制药厂的人工智能识别***及其识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109948805A true CN109948805A (zh) | 2019-06-28 |
Family
ID=67009260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910169408.4A Pending CN109948805A (zh) | 2019-03-06 | 2019-03-06 | 一种应用于制药厂的人工智能识别***及其识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109948805A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111783667A (zh) * | 2020-07-02 | 2020-10-16 | 南阳理工学院 | 一种中医药识别***及其使用方法 |
CN113509386A (zh) * | 2021-09-10 | 2021-10-19 | 江西中医药大学 | 一种煎药监控方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106803074A (zh) * | 2017-01-12 | 2017-06-06 | 司马大大(北京)智能***有限公司 | 中草药识别方法及装置 |
CN107958257A (zh) * | 2017-10-11 | 2018-04-24 | 华南理工大学 | 一种基于深度神经网络的中药材识别方法 |
US20180260665A1 (en) * | 2017-03-07 | 2018-09-13 | Board Of Trustees Of Michigan State University | Deep learning system for recognizing pills in images |
CN109190643A (zh) * | 2018-09-14 | 2019-01-11 | 华东交通大学 | 基于卷积神经网络中药识别方法及电子设备 |
-
2019
- 2019-03-06 CN CN201910169408.4A patent/CN109948805A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106803074A (zh) * | 2017-01-12 | 2017-06-06 | 司马大大(北京)智能***有限公司 | 中草药识别方法及装置 |
US20180260665A1 (en) * | 2017-03-07 | 2018-09-13 | Board Of Trustees Of Michigan State University | Deep learning system for recognizing pills in images |
CN107958257A (zh) * | 2017-10-11 | 2018-04-24 | 华南理工大学 | 一种基于深度神经网络的中药材识别方法 |
CN109190643A (zh) * | 2018-09-14 | 2019-01-11 | 华东交通大学 | 基于卷积神经网络中药识别方法及电子设备 |
Non-Patent Citations (1)
Title |
---|
胡继礼等: "中药材微性状真伪自动识别***设计与实现", 《电脑知识与技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111783667A (zh) * | 2020-07-02 | 2020-10-16 | 南阳理工学院 | 一种中医药识别***及其使用方法 |
CN113509386A (zh) * | 2021-09-10 | 2021-10-19 | 江西中医药大学 | 一种煎药监控方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Aquino et al. | A new methodology for estimating the grapevine-berry number per cluster using image analysis | |
CN111860533B (zh) | 图像的识别方法及装置、存储介质和电子装置 | |
CN105445170B (zh) | 识别生物样品目标组分的方法和分析生物流体样品的装置 | |
WO2020259209A1 (zh) | 眼底图像识别方法、装置、设备和存储介质 | |
CN101701906B (zh) | 基于近红外超光谱成像技术的仓储害虫检测方法和装置 | |
CN109389135A (zh) | 一种图像筛选方法及装置 | |
CN106997475B (zh) | 一种基于并行卷积神经网络的害虫图像识别方法 | |
CN109948805A (zh) | 一种应用于制药厂的人工智能识别***及其识别方法 | |
CN106650822A (zh) | 病虫害识别方法及装置 | |
CN109101891A (zh) | 一种融合人工智能的水稻病虫害检测***及其检测方法 | |
Renugambal et al. | Application of image processing techniques in plant disease recognition | |
US20130222560A1 (en) | Imaging device, image processing method for image captured by imaging device, and imaging system | |
TW201423656A (zh) | 飲食管理方法與系統 | |
CN110009050A (zh) | 一种细胞的分类方法及装置 | |
CN107346424A (zh) | 灯诱昆虫识别计数方法及*** | |
CN104063686A (zh) | 作物叶部病害图像交互式诊断***与方法 | |
Asare et al. | Iron deficiency anemia detection using machine learning models: A comparative study of fingernails, palm and conjunctiva of the eye images | |
CN108182674A (zh) | 基于U-Net深度学习网络的粒度检测分析方法 | |
CN112016527A (zh) | 基于深度学习的大熊猫行为识别方法、***、终端及介质 | |
CN107122597A (zh) | 一种角膜受损智能诊断*** | |
CN115410192A (zh) | 一种柑橘黄龙病图像采集与识别方法、存储介质及其*** | |
Murugeswari et al. | Automated sugarcane disease detection using faster RCNN with an android application | |
CN104902228A (zh) | 一种基于计算机视觉的害虫实时监控装置及方法 | |
CN103745219A (zh) | 一种尿液管型分类方法及*** | |
CN109978018A (zh) | 一种中药材人工智能鉴别***及其鉴别方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190628 |