CN115836976B - 天南星科毒性饮片生产智能控制***的生产方法 - Google Patents
天南星科毒性饮片生产智能控制***的生产方法 Download PDFInfo
- Publication number
- CN115836976B CN115836976B CN202310152675.7A CN202310152675A CN115836976B CN 115836976 B CN115836976 B CN 115836976B CN 202310152675 A CN202310152675 A CN 202310152675A CN 115836976 B CN115836976 B CN 115836976B
- Authority
- CN
- China
- Prior art keywords
- plant
- rootstock
- rhizome
- quality
- image
- 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
- 241000209524 Araceae Species 0.000 title claims abstract description 25
- 231100000331 toxic Toxicity 0.000 title claims abstract description 25
- 230000002588 toxic effect Effects 0.000 title claims abstract description 25
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 14
- 241000196324 Embryophyta Species 0.000 claims abstract description 186
- 238000001514 detection method Methods 0.000 claims description 90
- 238000001035 drying Methods 0.000 claims description 29
- 238000000034 method Methods 0.000 claims description 26
- 238000004321 preservation Methods 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 9
- 231100000419 toxicity Toxicity 0.000 claims description 8
- 230000001988 toxicity Effects 0.000 claims description 8
- 238000005303 weighing Methods 0.000 claims description 7
- 230000001960 triggered effect Effects 0.000 claims description 6
- 101100001676 Emericella variicolor andK gene Proteins 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000013210 evaluation model Methods 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 239000003814 drug Substances 0.000 abstract description 7
- 238000013441 quality evaluation Methods 0.000 abstract description 4
- 241000607479 Yersinia pestis Species 0.000 abstract description 3
- 238000012216 screening Methods 0.000 abstract description 3
- 238000001303 quality assessment method Methods 0.000 abstract 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 239000013078 crystal Substances 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000009500 colour coating Methods 0.000 description 2
- 230000004936 stimulating effect Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 239000002352 surface water Substances 0.000 description 2
- 239000003053 toxin Substances 0.000 description 2
- 231100000765 toxin Toxicity 0.000 description 2
- 108700012359 toxins Proteins 0.000 description 2
- 241000209495 Acorus Species 0.000 description 1
- 241000489492 Arisaema Species 0.000 description 1
- 241000725145 Homalomena Species 0.000 description 1
- 208000006877 Insect Bites and Stings Diseases 0.000 description 1
- 241000569924 Pinanga maculata Species 0.000 description 1
- 241001522129 Pinellia Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000941 bile Anatomy 0.000 description 1
- QXDMQSPYEZFLGF-UHFFFAOYSA-L calcium oxalate Chemical compound [Ca+2].[O-]C(=O)C([O-])=O QXDMQSPYEZFLGF-UHFFFAOYSA-L 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000002085 irritant Substances 0.000 description 1
- 231100000021 irritant Toxicity 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 235000004252 protein component Nutrition 0.000 description 1
- 235000018102 proteins Nutrition 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 229940126680 traditional chinese medicines Drugs 0.000 description 1
Images
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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Cultivation Of Plants (AREA)
Abstract
本发明公开了一种天南星科毒性饮片生产智能控制***的生产方法，其包括自动检测植物根茎是否入框，采集根茎的重量、体积计算根茎的密度并与标准值对比得到密度差值，根据根茎图像的色彩和密度差值进行质量评估。本方案可通过自动化或至少半自动化对天南星科植物的根茎进行筛选，确保作为生产中药饮片的植物根茎的质量，根据对植物根茎的质量评估进行合理分类，优质和劣质的植物根茎均能进行收纳和分类。同时，本发明的筛选***利用图像识别能有效评估出植物根茎是否变质、是否生长正常或害虫啃咬等情况。
Description
技术领域
本发明涉及一种植物饮片生产技术领域，具体涉及一种天南星科毒性饮片生产智能控制***的生产方法。
背景技术
天南星科植物为单子叶植物纲，天南星目的一科。该科植物有许多种类可以入药，其中菖蒲属和天南星、一把伞南星、半夏、虎掌、千年健等是有悠久历史的常用中药。天南星科植物为多年生常绿或落叶草本，大多陆生，极少为浮水植物，也有攀援灌木，地下部分具块茎或伸长的根茎。
但是部分天南星科作为药用具有一定毒性，天南星科有毒中药的毒针晶是其主要刺激性毒性成分，毒针晶中主要含有草酸钙、蛋白和微量糖类成分，其中的蛋白类成分是针晶的刺激性毒素的主要成分。这些刺激性毒素在高温下会被破坏，所以经水煮或高温加热（150摄氏度的高温烘烤）后的天南星科有毒中药的毒性明显降低。
在企业生产天南星科毒性饮片的过程中，除了在去除其毒性的同时，对优质的天南星科植物根茎进行挑选也尤为重要，植物根茎出现腐烂、变质可能会加重天南星科植物根茎的毒性，确保在挑选过程中达到精确挑选尤为重要。
发明内容
针对现有技术中的上述不足，本发明提供了一种能有效提升生产出的天南星科饮片质量的天南星科毒性饮片生产智能控制***的生产方法。
为了达到上述发明目的，本发明所采用的技术方案为：
提供一种天南星科毒性饮片生产智能控制***，其包括淘洗池、离心高温干燥装置、烘干装置、挑选***、伏润装置、切片装置和高温干燥装置；
淘洗池用于对挖出的天南星科的植物根茎进行清洗，离心高温干燥装置利用离心力将清洗后植物根茎表面附着的水分去除，烘干装置用于对去除表面水分的植物根茎进行干燥；
挑选***对干燥后的植物根茎进行筛选，精确筛选出劣质的植物根茎，将优质的植物根茎送入伏润装置，伏润装置用于对优质的植物根茎进行吸水处理至内外软硬适度；切片装置用于对伏润后的植物根茎进行切片，并通过高温干燥装置进行干燥，形成天南星科毒性饮片。
进一步地，挑选***包括传送带，传送带上均匀间隔设置有若干输送框，输送框的底部设置有检测开关，传送带端部的下方设置有上方开口的检测盒，检测盒的底部为下凹的球形面，且检测盒的底部涂覆有纯色涂层，检测盒的侧面设置有方便植物根茎倒出的开口；
检测盒的下端设置有铰接块，铰接块铰接在铰接座上，铰接座固定在第一支撑杆的上端，第一支撑杆与旋转电机的转轴传动连接，旋转电机安装在支撑板上，且铰接块设置在偏离检测盒的中心靠近开口位置处，支撑板设置在称重装置上，检测盒的上方设置有检测相机；
检测盒的下方通过第二支撑杆设置有两个滚轮，滚轮设置在铰接块与开口之间连线的反向延长方向的检测盒边沿，且两个滚轮分别设置在检测盒底部的两侧与检测盒的底面接触，检测盒的底面与滚轮接触位置均设置为弧形面；旋转电机驱动检测盒进行左右旋转，旋转过程中滚轮顶起检测盒使检测盒倾斜，通过左向或右向的旋转将劣质或优质的植物根茎通过开口分别排入下方不同的收纳箱内。
提供一种上述天南星科毒性饮片生产智能控制***的生产方法，其包括以下步骤：
S1：将干燥后的植物根茎依次放入输送框，确保每个输送框内只有一个植物根茎，植物根茎放入输送框内时触发检测开关，指示该输送框内已有植物根茎；
S2：检测开关被触发后，记录此时输送框位于传送带上的位置及时刻
T，并计算植物根茎倒入检测盒的时间
t：，其中
L为输送框位于传送带上的位置距离传送带端部位置的传送带长度，
v为传送带的输送速度；
S3：在
T+t时刻时，采集每个检测开关的数据，判断是否存在一个检测开关复位；若是，则判定植物根茎已经顺利进入检测盒内，执行步骤S4；否则植物根茎没有进入检测盒内，植物根茎卡在输送框内，提醒工作人员处理；
S4：打开检测相机，采集称重装置的重量数据
Z，并通过检测相机拍摄植物根茎的图像，估算植物根茎的体积
V；
S5：根据估算的体积
V和重量数据
Z计算植物根茎的密度
s：；
S6：将密度
s与标准植物根茎的密度
S进行比较，得到密度差值Δ
S：
Δ
S=|
S-
s|；
S7：根据图像的色彩和密度差值Δ
S对植物根茎的质量进行评估；
若评估植物根茎为劣质，则控制旋转电机向左侧旋转，旋转过程中滚轮顶升检测盒的一侧，使劣质的植物根茎排入劣质保存框内；
若评估植物根茎为优质，则控制旋转电机向右侧旋转，旋转过程中滚轮顶升检测盒的一侧，使优质的植物根茎排入优质保存框内。
进一步地，步骤S4中估算植物根茎的体积
V的方法包括：
S41：获取检测相机拍摄的植物根茎图像，并提取植物根茎图像中的植物根茎边沿；
S42：统计边沿范围内的像素个数
N，计算边沿范围的面积
S：
；
其中，
S 1为检测相机拍摄的植物根茎图像的总面积，
M为植物根茎图像内包含的总像素量；
S43：采集植物根茎图像的深度值，并统计植物根茎边沿范围内的深度值计算深度平均值
h：
；
S44：利用面积
S和深度平均值
h估算出的植物根茎体积
V：。
进一步地，步骤S7具体包括：
S71：在标准环境下拍摄一个优质的植物根茎照片作为对比照片；
S72：获取检测相机拍摄的植物根茎图像，采集植物根茎图像中每个像素的明度、色相和色度，并根据对比照片中所有像素的明度、色相和色度的平均值，计算植物根茎图像中每个像素的明度、色相和色度与对比照片中明度、色相和色度的平均值的明度差Δ
L、色相差Δ
H和色度差Δ
C；
S73：计算植物根茎图像中每个像素的色差值Δ
E：
；
其中，
K L 、
K H 和
K C 分别为明度、色相和色度的校正因子，
S L 、
S H 和
S C 分别为明度、色相和色度的权重因子；
S74：根据每个像素的色差值Δ
E计算植物根茎质量的色彩评估系数
Q：
；
其中，为植物根茎图像中每个像素色差值的平均值，为色差值的最小值，为色差值的最大值；
S75：建立色彩评估系数
Q、密度差值Δ
S对植物根茎质量影响的评估模型，计算得到评估参数
f：
；
其中，
k 1和
k 2分别为评估权重系数；
S76：将评估参数
f与评估阈值
f 阈值进行比较；
若
f≤
f 阈值，则该植物根茎为优质，控制旋转电机向右侧旋转，旋转过程中滚轮顶升检测盒的一侧，使优质的植物根茎排入优质保存框内；
若
f＞
f 阈值，则该植物根茎为劣质，控制旋转电机向左侧旋转，旋转过程中滚轮顶升检测盒的一侧，使劣质的植物根茎排入劣质保存框内。
进一步地，步骤S1中植物根茎的干燥方法为：
S11：将地下挖出的可以作为中药饮片用的天南星科植物根茎倒入淘洗池内进行淘洗干净，然后通过干燥机进行干燥；
S12：干燥完成后，通过挑选机构对植物根茎进行筛选。
进一步地，天南星科毒性饮片生产智能控制***的生产方法还包括：
S8：挑选完成后，利用伏润装置对优质保存框内的优质植物根茎进行伏润处理，再利用切片装置用于对伏润后的植物根茎进行切片，最后通过高温干燥装置进行干燥，得到天南星科毒性饮片。
本发明的有益效果为：本方案可通过自动化或至少半自动化对天南星科植物的根茎进行筛选，确保作为生产中药饮片的植物根茎的质量，根据对植物根茎的质量评估进行合理分类，优质和劣质的植物根茎均能进行收纳和分类。同时，本发明的筛选***利用图像识别能高效、精准评估出植物根茎是否变质、是否生长正常或害虫啃咬等情况。本方案生产天南星科毒性饮片的过程经过多次高温过程，能利用高温有效的降低毒性，生产出的中药饮片质量高，并不会损坏药用价值，值得推广应用。
附图说明
图1为挑选***的结构图。
图2为检测盒的后视图。
其中：1、检测相机，2、球形面，3、检测盒，4、第一支撑杆，5、旋转电机，6、称重装置，7、支撑板，8、第二支撑杆，9、滚轮，10、传送带，11、输送框，12、检测开关，13、铰接座。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
本方案的天南星科毒性饮片生产智能控制***包括淘洗池、离心高温干燥装置、烘干装置、挑选***、伏润装置、切片装置和高温干燥装置。
淘洗池用于对挖出的天南星科的植物根茎进行清洗，离心高温干燥装置利用离心力将清洗后植物根茎表面附着的水分去除，烘干装置用于对去除表面水分的植物根茎进行干燥。
挑选***对干燥后的植物根茎进行筛选，精确筛选出劣质的植物根茎，将优质的植物根茎送入伏润装置，伏润装置用于对优质的植物根茎进行吸水处理至内外软硬适度；切片装置用于对伏润后的植物根茎进行切片，并通过高温干燥装置进行干燥，形成天南星科毒性饮片。
本实施例中，如图1和图2所示，挑选***包括传送带10，传送带10上均匀间隔设置有若干输送框11，输送框11的底部设置有检测开关12，传送带10端部的下方设置有上方开口的检测盒3，检测盒3的底部为下凹的球形面2，确保落入检测盒3的植物根茎均能落在检测盒3中部，方便进行拍照，且检测盒3的底部涂覆有纯色涂层，检测相机1拍摄时形成纯色背景植物根茎图像，检测盒3的侧面设置有方便植物根茎倒出的开口。
检测盒3的下端设置有铰接块，铰接块铰接在铰接座13上，铰接座13固定在第一支撑杆4的上端，第一支撑杆4与旋转电机5的转轴传动连接，旋转电机5安装在支撑板7上，且铰接块设置在偏离检测盒3的中心靠近开口位置处，支撑板7设置在称重装置6上，检测盒3的上方设置有检测相机1。
检测盒3的下方通过第二支撑杆8设置有两个滚轮9，滚轮9设置在铰接块与开口之间连线的反向延长方向的检测盒3边沿，且两个滚轮9分别设置在检测盒3底部的两侧与检测盒3的底面接触，检测盒3的底面与滚轮9接触位置均设置为弧形面；旋转电机5驱动检测盒3进行左右旋转，旋转过程中滚轮9顶起检测盒3使检测盒3倾斜，通过左向或右向的旋转将劣质或优质的植物根茎通过开口分别排入下方不同的收纳箱内。
上述天南星科毒性饮片生产智能控制***的生产方法包括以下步骤：
S1：将干燥后的植物根茎依次放入输送框11，确保每个输送框11内只有一个植物根茎，植物根茎放入输送框11内时触发检测开关12，指示该输送框11内已有植物根茎；
上述植物根茎的干燥方法为：
S11：将地下挖出的可以作为中药饮片用的天南星科植物根茎倒入淘洗池内进行淘洗干净，然后通过干燥机进行干燥；
S12：干燥完成后，通过挑选机构对植物根茎进行筛选。
S2：检测开关12被触发后，记录此时输送框11位于传送带10上的位置及时刻
T，并计算植物根茎倒入检测盒3的时间
t：，其中
L为输送框11位于传送带10上的位置距离传送带10端部位置的传送带10长度，
v为传送带10的输送速度；
S3：在
T+t时刻时，采集每个检测开关12的数据，判断是否存在一个检测开关12复位；若是，则判定植物根茎已经顺利进入检测盒3内，执行步骤S4；否则植物根茎没有进入检测盒3内，植物根茎卡在输送框11内，提醒工作人员处理；
挑选***根据实际输送框11内的植物根茎是否排入检测盒3进行工作，只有当检测盒3内有植物根茎才开始进行质量评估。
S4：打开检测相机1，采集称重装置6的重量数据
Z，并通过检测相机1拍摄植物根茎的图像，估算植物根茎的体积
V；估算植物根茎的体积
V的方法包括：
S41：获取检测相机1拍摄的植物根茎图像，并提取植物根茎图像中的植物根茎边沿；
S42：统计边沿范围内的像素个数
N，计算边沿范围的面积
S：
；
其中，
S 1为检测相机拍摄的植物根茎图像的总面积，
M为植物根茎图像内包含的总像素量；
S43：采集植物根茎图像的深度值，并统计植物根茎边沿范围内的深度值计算深度平均值
h：
；
S44：利用面积
S和深度平均值
h估算出的植物根茎体积
V：。
S5：根据估算的体积
V和重量数据
Z计算植物根茎的密度
s：；
S6：将密度
s与标准植物根茎的密度
S进行比较，得到密度差值Δ
S：
Δ
S=|
S-
s|；
当密度出现较大差值，则证明该植物根茎中部出现孔洞、害虫啃咬或生长不充分质量不满足要求。
S7：根据图像的色彩和密度差值Δ
S对植物根茎的质量进行评估；
若评估植物根茎为劣质，则控制旋转电机5向左侧旋转，旋转过程中滚轮9顶升检测盒3的一侧，使劣质的植物根茎排入劣质保存框内；
若评估植物根茎为优质，则控制旋转电机5向右侧旋转，旋转过程中滚轮9顶升检测盒3的一侧，使优质的植物根茎排入优质保存框内；
步骤S7具体包括：
S71：在标准环境下拍摄一个优质的植物根茎照片作为对比照片；
S72：获取检测相机1拍摄的植物根茎图像，采集植物根茎图像中每个像素的明度、色相和色度，并根据对比照片中所有像素的明度、色相和色度的平均值，计算植物根茎图像中每个像素的明度、色相和色度与对比照片中明度、色相和色度的平均值的明度差Δ
L、色相差Δ
H和色度差Δ
C；
S73：计算植物根茎图像中每个像素的色差值Δ
E：
；
其中，
K L 、
K H 和
K C 分别为明度、色相和色度的校正因子，
S L 、
S H 和
S C 分别为明度、色相和色度的权重因子；
S74：根据每个像素的色差值Δ
E计算植物根茎质量的色彩评估系数
Q：
；
其中，为植物根茎图像中每个像素色差值的平均值，为色差值的最小值，为色差值的最大值；根据拍摄的色差来判断植物根茎是否变质或腐烂。
S75：建立色彩评估系数
Q、密度差值Δ
S对植物根茎质量影响的评估模型，计算得到评估参数
f：
；
其中，
k 1和
k 2分别为评估权重系数；
S76：将评估参数
f与评估阈值
f 阈值进行比较；
若
f≤
f 阈值，则该植物根茎为优质，控制旋转电机5向右侧旋转，旋转过程中滚轮9顶升检测盒3的一侧，使优质的植物根茎排入优质保存框内；
若
f＞
f 阈值，则该植物根茎为劣质，控制旋转电机5向左侧旋转，旋转过程中滚轮9顶升检测盒3的一侧，使劣质的植物根茎排入劣质保存框内。
S8：挑选完成后，利用伏润装置对优质保存框内的优质植物根茎进行伏润处理，再利用切片装置用于对伏润后的植物根茎进行切片，最后通过高温干燥装置进行干燥，得到天南星科毒性饮片。
本方案可通过自动化或至少半自动化对天南星科植物的根茎进行筛选，确保作为生产中药饮片的植物根茎的质量，根据对植物根茎的质量评估进行合理分类，优质和劣质的植物根茎均能进行收纳和分类。同时，本发明的筛选***利用图像识别能有效评估出植物根茎是否变质、是否生长正常或害虫啃咬等情况。本方案生产天南星科毒性饮片的过程经过多次高温过程，能利用高温有效的降低毒性，生产出的中药饮片质量高，并不会损坏药用价值，值得推广应用。
Claims (4)
1.一种天南星科毒性饮片生产智能控制***的生产方法，其特征在于，包括以下步骤：
S1：将干燥后的植物根茎依次放入输送框，确保每个输送框内只有一个植物根茎，植物根茎放入输送框内时触发检测开关，指示该输送框内已有植物根茎；
S2：检测开关被触发后，记录此时输送框位于传送带上的位置及时刻T，并计算植物根茎倒入检测盒的时间t：，其中L为输送框位于传送带上的位置距离传送带端部位置的传送带长度，v为传送带的输送速度；
S3：在T+t时刻时，采集每个检测开关的数据，判断是否存在一个检测开关复位；若是，则判定植物根茎已经顺利进入检测盒内，执行步骤S4；否则，植物根茎没有进入检测盒内，植物根茎卡在输送框内，提醒工作人员处理；
S4：打开检测相机，采集称重装置的重量数据Z，并通过检测相机拍摄植物根茎的图像，估算植物根茎的体积V；
S5：根据估算的体积V和重量数据Z计算植物根茎的密度s：；
S6：将密度s与标准植物根茎的密度S进行比较，得到密度差值ΔS：
ΔS=|S-s|；
S7：根据图像的色彩和密度差值ΔS对植物根茎的质量进行评估，具体包括：
S71：在标准环境下拍摄一个优质的植物根茎照片作为对比照片；
S72：获取检测相机拍摄的植物根茎图像，采集植物根茎图像中每个像素的明度、色相和色度，并根据对比照片中所有像素的明度、色相和色度的平均值，计算植物根茎图像中每个像素的明度、色相和色度与对比照片中明度、色相和色度的平均值的明度差ΔL、色相差ΔH和色度差ΔC；
S73：计算植物根茎图像中每个像素的色差值ΔE：
，
其中，K L 、K H 和K C 分别为明度、色相和色度的校正因子，S L 、S H 和S C 分别为明度、色相和色度的权重因子；
S74：根据每个像素的色差值ΔE计算植物根茎质量的色彩评估系数Q：
，
其中，为植物根茎图像中每个像素色差值的平均值，为色差值的最小值，为色差值的最大值；
S75：建立色彩评估系数Q、密度差值ΔS对植物根茎质量影响的评估模型，计算得到评估参数f：
，
其中，k 1和k 2分别为评估权重系数；
S76：将评估参数f与评估阈值f 阈值进行比较；
若f ≤ f 阈值，则该植物根茎为优质，控制旋转电机向右侧旋转，旋转过程中滚轮顶升检测盒的一侧，使优质的植物根茎排入优质保存框内；
若f ＞f 阈值，则该植物根茎为劣质，控制旋转电机向左侧旋转，旋转过程中滚轮顶升检测盒的一侧，使劣质的植物根茎排入劣质保存框内；
若评估植物根茎为劣质，则控制旋转电机向左侧旋转，旋转过程中滚轮顶升检测盒的一侧，使劣质的植物根茎排入劣质保存框内；
若评估植物根茎为优质，则控制旋转电机向右侧旋转，旋转过程中滚轮顶升检测盒的一侧，使优质的植物根茎排入优质保存框内。
2.根据权利要求1所述的天南星科毒性饮片生产智能控制***的生产方法，其特征在于，所述步骤S4中估算植物根茎的体积V的方法包括：
S41：获取检测相机拍摄的植物根茎图像，并提取植物根茎图像中的植物根茎边沿；
S42：统计边沿范围内的像素个数N，计算边沿范围的面积S：
，
其中，S 1为检测相机拍摄的植物根茎图像的总面积，M为植物根茎图像内包含的总像素量；
S43：采集植物根茎图像的深度值，并统计植物根茎边沿范围内的深度值计算深度平均值h：
；
S44：利用面积S和深度平均值h估算出的植物根茎体积V：。
3.根据权利要求1所述的天南星科毒性饮片生产智能控制***的生产方法，其特征在于，所述步骤S1中植物根茎的干燥方法为：
S11：将地下挖出的可以作为中药饮片用的天南星科植物根茎倒入淘洗池内进行淘洗干净，然后通过干燥机进行干燥；
S12：干燥完成后，通过挑选机构对植物根茎进行筛选。
4.根据权利要求1所述的天南星科毒性饮片生产智能控制***的生产方法，其特征在于，还包括：
S8：挑选完成后，利用伏润装置对优质保存框内的优质植物根茎进行伏润处理，再利用切片装置用于对伏润后的植物根茎进行切片，最后通过高温干燥装置进行干燥，得到天南星科毒性饮片。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310152675.7A CN115836976B (zh) | 2023-02-23 | 2023-02-23 | 天南星科毒性饮片生产智能控制***的生产方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310152675.7A CN115836976B (zh) | 2023-02-23 | 2023-02-23 | 天南星科毒性饮片生产智能控制***的生产方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115836976A CN115836976A (zh) | 2023-03-24 |
| CN115836976B true CN115836976B (zh) | 2023-04-25 |
Family
ID=85580065
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310152675.7A Active CN115836976B (zh) | 2023-02-23 | 2023-02-23 | 天南星科毒性饮片生产智能控制***的生产方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115836976B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN208175670U (zh) * | 2018-03-30 | 2018-12-04 | 杭州电子科技大学 | 一种基于图像识别的雾培装置 |
Family Cites Families (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101799329B (zh) * | 2010-03-04 | 2012-05-30 | 江西中医学院 | 一种检测中药饮片外观色泽的方法 |
| CN102654463A (zh) * | 2012-04-13 | 2012-09-05 | 北京农业信息技术研究中心 | 西瓜品质无损检测方法及装置 |
| JP2013250532A (ja) * | 2012-06-04 | 2013-12-12 | Canon Inc | 画像形成装置 |
| CN105806743A (zh) * | 2016-04-28 | 2016-07-27 | 西北农林科技大学 | 一种多目苹果霉心病检测装置及方法 |
| CN206579921U (zh) * | 2016-10-27 | 2017-10-24 | 弋阳县艺林农业开发有限公司 | 一种雷竹笋罐头分拣输送装置 |
| CN106421238A (zh) * | 2016-11-10 | 2017-02-22 | 四川新荷花中药饮片股份有限公司 | 姜半夏的炮制方法及设备 |
| CN107036977A (zh) * | 2017-04-28 | 2017-08-11 | 武汉科技大学 | 中纤板表面色差检测方法 |
| CN107899966A (zh) * | 2017-12-06 | 2018-04-13 | 罗凯缤 | 基于视觉技术的柚子品质分选装置 |
| CN110522645A (zh) * | 2018-10-25 | 2019-12-03 | 中山市仙逸堂中药饮片有限公司 | 一种根茎类植物饮片生产线和方法 |
| CN110270518A (zh) * | 2019-07-23 | 2019-09-24 | 格力电器（武汉）有限公司 | 物料的自动检测设备 |
| US11911719B2 (en) * | 2019-09-20 | 2024-02-27 | Massachusetts Institute Of Technology | Devices and methods for the integrated filtration, drying, and mechanical processing of active pharmaceutical ingredients |
| CN111223072A (zh) * | 2019-11-21 | 2020-06-02 | 北京健康有益科技有限公司 | 一种融合图像识别的中药种类与品质识别*** |
| EP4154214A1 (en) * | 2020-05-22 | 2023-03-29 | Signify Holding B.V. | Systems and methods for automatically grading cannabis plants and adjusting control parameters |
| CN112179910B (zh) * | 2020-09-11 | 2022-03-18 | 广东奥普特科技股份有限公司 | 一种锂电池极片瑕疵实时检测处理方法和*** |
| CN113210278A (zh) * | 2021-04-13 | 2021-08-06 | 重庆工程职业技术学院 | 一种全自动萝卜空心检测分拣***及其检测分拣方法 |
| CN113393460B (zh) * | 2021-08-16 | 2021-11-30 | 湖南磐钴传动科技有限公司 | 基于图像处理的烟丝质量参数检测方法及*** |
| CN113894055A (zh) * | 2021-09-06 | 2022-01-07 | 电子科技大学 | 基于机器视觉的五金件表面缺陷检测分类***及方法 |
| CN113941515B (zh) * | 2021-09-26 | 2022-05-31 | 河南中平自动化股份有限公司 | 一种矿用煤矸智能分选装置及其识别方法 |
| CN113887389A (zh) * | 2021-09-29 | 2022-01-04 | 湖南省博世康中医药有限公司 | 一种基于图像识别的中药饮片质检与分级方法 |
| CN114463411B (zh) * | 2022-01-19 | 2023-02-28 | 无锡学院 | 基于三维相机的目标体积、质量与密度测量方法 |
| CN114660016A (zh) * | 2022-01-21 | 2022-06-24 | 太极集团重庆涪陵制药厂有限公司 | 一种用于中药饮片加工的联动产线及智能反馈控制方法 |
| CN115024977A (zh) * | 2022-04-19 | 2022-09-09 | 南通汉药中医医院有限公司 | 一种中药膏剂的质量控制方法及质量控制设备 |
-
2023
- 2023-02-23 CN CN202310152675.7A patent/CN115836976B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN208175670U (zh) * | 2018-03-30 | 2018-12-04 | 杭州电子科技大学 | 一种基于图像识别的雾培装置 |
Non-Patent Citations (1)
| Title |
|---|
| 宿莹 等.基于色差原理分析龙胆有效成分含量与颜色的相关性.中国实验方剂学杂志.2019,第25卷(第13期),第151-156页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115836976A (zh) | 2023-03-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI714088B (zh) | 具有轉盤之咖啡豆篩選系統 | |
| CN115836976B (zh) | 天南星科毒性饮片生产智能控制***的生产方法 | |
| CN112400773B (zh) | 一种基于机器视觉技术的温室鱼苗智能投饲装置及方法 | |
| CN110286092A (zh) | 一种作物生长趋势分析*** | |
| CN106534683A (zh) | 智能化相机实时置换背景图的方法及其*** | |
| CN110013040A (zh) | 一种全自动差速水果清洗机及清洗方法 | |
| CN114113129B (zh) | 一种镜片微小缺陷识别抓取***及方法 | |
| CN110614232B (zh) | 一种双孢蘑菇分级*** | |
| CN108109136A (zh) | 一种面板检测中表面灰尘快速过滤方法及装置 | |
| CN107464232A (zh) | 一种无人插秧机栽插质量的图像检测方法 | |
| CN108076827A (zh) | 一种四连杆机构螺旋线式冬枣采摘末端执行器及采摘方法 | |
| US20200156119A1 (en) | Device and Method for Classifying Seeds | |
| CN116474857A (zh) | 一种基于大米加工用的谷粒多级除杂清选设备及方法 | |
| CN112535296A (zh) | 一种油桐籽剥壳设备 | |
| CN109821596A (zh) | 一种新型水稻大米加工***及控制方法 | |
| CN107911608A (zh) | 防闭眼拍摄的方法 | |
| TWI818334B (zh) | 以手機影像推估穀粒含水量及收穫時期的方法 | |
| CN109092702A (zh) | 一种双孢菇初选分级方法及装置 | |
| CN112897426B (zh) | 利用外形检测的智能化果汁加工***及方法 | |
| CN110415256B (zh) | 基于视觉的快速多目标识别方法及*** | |
| CN220571503U (zh) | 一种玉米浆干粉的生产组件 | |
| CN112775032A (zh) | 一种水果分拣方法、装置及柔性机器人 | |
| CN206808633U (zh) | 一种用于香菇的除杂清洗装置 | |
| CN2935137Y (zh) | 一种检测烟叶大中片率的装置 | |
| CN215115951U (zh) | 用于注射用头孢哌酮钠舒巴坦钠制备的成像在线检测*** |
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 |