一种利用人工智能图像识别技术对溶出行为进行监控分析的系统方法及设备与流程

1.本发明涉及溶出行为技术领域，特别涉及一种利用人工智能图像识别技术对溶出行为进行监控分析的系统方法及设备。


背景技术：

2.随着制药行业的发展，药品质量控制已经成为一个至关重要的问题。因此在固体制剂研发过程中，各国药监管理部门规定体外溶出行为作为药品质量的重要考察部分。溶出曲线成为药物质量一致性的一个重要的考察标准。然而，在研发过程中，溶出行为的捕捉是非常困难的，因为通常情况下，制剂研究人员和溶出实验的实验人员分属两个部门，而且溶出实验是一个漫长枯燥的过程通常超过8小时。因此多数情况下，制剂研发人员只能通过最终数据来分析其实验过程，而无法得知溶出现象。
3.现有的溶出实验记录方式是简单的录像记录，这种方式需要研发人员通过观看视频的方式进行实验分析，费时费力。此外，对于一些光不稳定的样品，无法观测。


技术实现要素：

4.本发明要解决的技术问题是克服现有技术的缺陷，提供一种利用人工智能图像识别技术对溶出行为进行监控分析的系统方法及设备，可做到单角度或多角度对溶出行为进行监控。
5.为了解决上述技术问题，本发明提供了如下的第一个技术方案：
6.本发明涉及一种利用人工智能图像识别技术对溶出行为进行监控分析设备，包括运行系统的计算机、摄像头及光源、溶出仪、数据传输模块和图像识别系统，所述运行系统的计算机是基于python，matlab开发的，所述光源为可见光光源和红外光光源，并且光源可以由自带的光敏开关控制，所述摄像头可以由单个或多个摄像头联合采集，摄像头适用于可见光及不可见光，所述溶出仪适用于所有品牌以及型号的溶出仪，并可以根据溶出杯的数量，所述溶出杯内设置有搅拌桨，所述数据传输模块包括无线或有线数据传输。
7.作为本发明的一种优选技术方案，所述摄像头可以由单个或多个摄像头联合采集，当单个摄像头采集时，系统设定为平面分析，对样品投射面积进行分析，当多个摄像头采集时，系统设置为3d分析，对样品进行体积变化记录。
8.作为本发明的一种优选技术方案，所述摄像头可通过多个溶出杯，采用多个摄像头进行多线程记录分析。
9.本发明提供了如下的第二个技术方案：
10.本发明还提供了一种利用人工智能图像识别技术对溶出行为进行监控分析的方法，具体步骤如下：
11.a：唤醒摄像头，逐帧获取图像；
12.b：对图像进行调整大小，降噪、二值化等预处理操作；
13.c：对图像进行图像分割处理，计算目标药物的面积或体积数据；
14.d：根据图像分割的面积或体积数据，绘制曲线图；
15.e：根据体积变化趋势或节点，进行曲线分析，给出实验现象发生的时间及结果，其节点数据可以直接输入算法进行设定或使用机器学习的方式进行设定。
16.与现有技术相比，本发明的有益效果如下：
17.1：本发明通过采用人工智能图像识别的方法，单角度或多角度对溶出行为进行监控，在溶出的过程中，对制剂进行体积、形状等数据进行分析，给出变化曲线并根据变化给出变化的时间点，以及所属的溶出行为，如溶蚀现象，崩解现象，崩解开始，崩解结束等，研发人员只需要根据系统给出的信息分析实验过程即可，也可以根据系统给出的时间点，对视频进行回放，此外，本发明的摄像头具有红外摄像功能，并添加了光敏开关及红外线光源，因此可以对部分光不稳定样品，在暗环境进行观测。
附图说明
18.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
19.其中附图中相同的标号全部指的是相同的部件。
20.此外，如果已知技术的详细描述对于示出本发明的特征是不必要的，则将其省略。需要说明的是，下面描述中使用的词语“前”、“后”、“左”、“右”、“上”和“下”指的是附图中的方向，词语“内”和“外”分别指的是朝向或远离特定部件几何中心的方向。
21.在附图中：
22.图1是本发明的整体示意图；
23.图2是图像识别系统的示意图；
24.图3是药片体积随时间变化的曲线图。
具体实施方式
25.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
26.实施例1
27.如图1
‑
3所示，本发明提供一种利用人工智能图像识别技术对溶出行为进行监控分析设备，包括运行系统的计算机、摄像头及光源、溶出仪、数据传输模块和图像识别系统，其特征在于，所述运行系统的计算机是基于 python，matlab开发的，所述光源为可见光光源和红外光光源，并且光源可以由自带的光敏开关控制，所述摄像头可以由单个或多个摄像头联合采集，摄像头适用于可见光及不可见光，所述溶出仪适用于所有品牌以及型号的溶出仪，并可以根据溶出杯的数量，所述溶出杯内设置有搅拌桨，所述数据传输模块包括无线或有线数据传输。
28.进一步的，摄像头可以由单个或多个摄像头联合采集，当单个摄像头采集时，系统设定为平面分析，对样品投射面积进行分析，当多个摄像头采集时，系统设置为3d分析，对样品进行体积变化记录。
29.摄像头可通过多个溶出杯，采用多个摄像头进行多线程记录分析。
30.本发明提供一种利用人工智能图像识别技术对溶出行为进行监控分析的方法，具体步骤如下：
31.a：唤醒摄像头，逐帧获取图像；
32.b：对图像进行调整大小，降噪、二值化等预处理操作；
33.c：对图像进行图像分割处理，计算目标药物的面积或体积数据；
34.d：根据图像分割的面积或体积数据，绘制曲线图；
35.e：根据体积变化趋势或节点，进行曲线分析，给出实验现象发生的时间及结果，其节点数据可以直接输入算法进行设定或使用机器学习的方式进行设定。
36.具体的，使用过程中，将需测定样品投入溶出仪后，摄像头会将其图像传输至计算机，并由图像识别系统进行分析，摄像头主板上的光敏开关会根据环境光照强度对可见光光源或红外光源进行开关操控，摄像头采集图像后，传输到计算机内，由图像识别系统对其形状、体积或面积进行分析，给出体积或面积变化曲线，并根据其变化分析给出崩解、溶蚀等现象开始和结束的时间。
37.本专利在进行图像分割时，可能使用了以下分割方法，基于阈值的分割方法，基于区域的图像分割方法，在本方法中可能使用了区域生长算法，基于边缘检测的分割方法，基于小波分析和小波变换的图像分割方法，在本方法中可能使用了，基于傅立叶变换的算法，基于遗传算法的图像分割，在本方法中可能使用了遗传算法基于主动轮廓模型的分割方法，基于神经网络的分割，在本方法中的构建神经网络模型的过程中可能使用bp神经网络，rbf 神经网络，som神经网络，kohonen神经网络，lvq神经网络，elman神经网络，pso神经网络，hopfield神经网络，grnn神经网络等，以及神经网络构建过程中可能使用的dense层，averagepolling层，maxpolling层， convolution层，batchnormalization层，globalaveragepooling层， globalmaxpooling层，lstm层，rnn层基于深度学习的分割使用crf/mrf的方法在本方法中可能使用了马尔可夫随机场和条件随机场；图3中横轴为实验时间，纵轴为图像的像素面积。
38.最后应说明的是：以上仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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，均应包含在本发明的保护范围之内。