[发明专利]用于膏药制作的低温加药方法及系统

说明书

一种用于膏药制作的低温加药方法及系统，其获取由摄像头采集的预定时间段的丹油混合物的状态监控视频；采用基于深度学习的人工智能技术，挖掘丹油混合物的状态监控视频中关于丹油混合物的状态时序动态变化特征信息，以此来进行丹油滴入水中的时机判断评估，从而实现对滴入油丹时机的精准把控，提高膏药的生产效率和产品质量。

技术领域

本申请涉及智能化加药技术领域，并且更具体地，涉及一种用于膏药制作的低温加药方法及系统。

背景技术

传统中药炮制方法中的“冷油下丹”法是指在低温状态下用植物油炸煮药材，使其表面产生一层焦黑色的氧化皮，以增强药性。

目前，冷油下丹法已有悠久的历史和丰富的经验，在制备质量上具有一定保障，因而有些膏药的制备工艺中采用冷油下丹法来提高膏药中药材的药效和稳定性。但是，在实际的制备过程中，关于滴入油丹的时机上，传统的判断方法依赖于专业经验和肉眼观察，无法精准把控，导致产品的一致性和良率不高，并且传统的冷油下丹法存在着操作时间长、耗能高、易引起火灾等风险。

因此，期望一种优化的用于膏药制作的低温加药方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种用于膏药制作的低温加药方法及系统，其获取由摄像头采集的预定时间段的丹油混合物的状态监控视频；采用基于深度学习的人工智能技术，挖掘丹油混合物的状态监控视频中关于丹油混合物的状态时序动态变化特征信息，以此来进行丹油滴入水中的时机判断评估，从而实现对滴入油丹时机的精准把控，提高膏药的生产效率和产品质量。

第一方面，提供了一种用于膏药制作的低温加药方法，其包括：

获取由摄像头采集的预定时间段的丹油混合物的状态监控视频；

从所述丹油混合物的状态监控视频提取多个状态监控关键帧；

将所述多个状态监控关键帧通过包含深浅特征融合模块的卷积神经网络模型以得到多个丹油混合物状态特征矩阵；

计算所述多个丹油混合物状态特征矩阵中每相邻两个丹油混合物状态特征矩阵之间的转移矩阵以得到多个转移矩阵；

将所述多个转移矩阵聚合为三维输入张量后通过使用三维卷积核的卷积神经网络模型以得到分类特征图；以及

将所述分类特征图通过分类器以得到分类结果，所述分类结果用于表示当前时间点是否可将丹油滴入水中。

在上述用于膏药制作的低温加药方法中，其特征在于，将所述多个状态监控关键帧通过包含深浅特征融合模块的卷积神经网络模型以得到多个丹油混合物状态特征矩阵，包括：从所述包含深浅特征融合模块的卷积神经网络模型的浅层提取浅层特征图；从所述包含深浅特征融合模块的卷积神经网络模型的深层提取深层特征图； 使用所述包含深浅特征融合模块的卷积神经网络模型的深浅特征融合模块来融合所述浅层特征图和所述深层特征图以得到融合特征图；以及，将所述融合特征图沿着通道维度进行全局均值池化以得到所述多个丹油混合物状态特征矩阵。

在上述用于膏药制作的低温加药方法中，计算所述多个丹油混合物状态特征矩阵中每相邻两个丹油混合物状态特征矩阵之间的转移矩阵以得到多个转移矩阵，包括：以如下转移公式计算所述多个丹油混合物状态特征矩阵中每相邻两个丹油混合物状态特征矩阵之间的转移矩阵以得到多个转移矩阵；其中，所述转移公式为：

其中，和表示所述多个丹油混合物状态特征矩阵中每相邻两个丹油混合物状态特征矩阵，表示所述多个转移矩阵，表示矩阵相乘。