一种药品中可见异物监测系统及监测方法与流程

本发明涉及药品质量检测，具体涉及一种药品中可见异物监测系统及监测方法。

背景技术：

1、药品的质量安全直接关系到患者的生命健康。在药品生产过程中，可能会由于各种原因导致药品中含有可见异物，如发、针尖、毛絮、塑料碎块、胶塞微粒等。这些异物的存在不仅会影响药品的外观和质量，还可能对患者的健康造成严重威胁。因此，对药品中可见异物的检测是药品质量控制的重要环节。

2、现有的药品可见异物检测主要采用离线检测或者在线检测，其中离线检测是取很少一定代表量的样品用水进行溶解成液体进行显微镜观察或仪器检测，检出具体的可见异物数量，是一种破坏性的检测方法，优点是检出精度高，缺点是效率低，代表性不强；

3、在线检测则是利用人工或机器对每瓶产品进行检测，缺点是漏检误差大，特别是因为样品本身颜色或浑浊原因无法检测，且主要是针对无色的注射剂液体。

4、基于此，急需一种药品中可见异物监测系统及监测方法，能够在药品本身存在颜色或者产生浑浊时，实现对药品中可见异物的准确且可靠的检测和预警，极大提高可见异物检测效率的同时实现检测的高准确性。

技术实现思路

1、本发明的目的之一在于提供一种药品中可见异物监测系统及监测方法，能够在药品本身存在颜色或者产生浑浊时，实现对药品中可见异物的准确且可靠的检测和预警，极大提高可见异物检测效率的同时实现检测的高准确性。

2、为了达到上述目的，提供了一种药品中可见异物监测系统，包括x射线成像机构和与x射线成像机构通信连接的服务端；

3、x射线成像机构，用于通过射线机产生x射线，穿透被检药品后输出对应的药品检测图像并反馈给服务端；

4、服务端包括：

5、接收模块，用于接收x射线成像机构所输出的药品检测图像；

6、图像预处理模块，用于对接收到的药品检测图像进行预处理操作；

7、特征提取模块，用于基于预设的关键特征提取模型，对预处理操作后的药品检测图像进行关键特征提取；

8、图像识别模块，用于根据提取出来的关键特征，基于预设的可见异物识别模型，对药品检测图像中的可见异物进行识别，并输出对应的可见异物识别数据；

9、报警模块，用于根据输出的可见异物识别数据，判断对应的被检药品是否合格，若否，则判断该检药品为不合格产品，并发出预警信息，若是，则判断该被检药品为合格产品。

10、本方案的技术原理及效果：在本方案中，首先通过x射线成像机构来产生x射线，并利用x射线对被检药品进行穿透，以此来得到对应的药品检测图像然后反馈给服务端，之后服务端在接收到x射线成像机构所输出的药品检测图像之后，第一步，对接收到的药品检测图像进行预处理操作，通过预处理操作从而实现对药品检测图像的噪音以及其他干扰因素的去除，从而提高后续药品检测图像的关键特征提取的可靠性和准确度。

11、第二步就基于预设的关键特征提取模型，对预处理后的药品检测图像进行关键特征提取，之后通过预设的可见异物识别模型，将药品检测图像所对应的关键特征作为输入数据输入到可见异物识别模型中，从而实现对应的可见异物识别数据，最后一步根据输出的可见异物识别数据，判断对应的被检药品是否合格，若否，则判断该检药品为不合格产品，并发出预警信息，若是，则判断该被检药品为合格产品。

12、相比现有技术中采用取很少一定代表量的样品用水进行溶解成液体进行显微镜观察或仪器检测，检出具体的可见异物数量或者通过人工或机器对每瓶产品进行检测，本方案是利用x射线具有穿透一般可见光不能穿透的各种不同密度物质的物理特性，通过穿透药品的玻璃瓶包装，对药品进行x射线扫描，可以直接观察到隐藏在药品中的可见异物，x射线穿透技术无需对药品进行物理破坏或溶解，能够直接对整瓶药品进行扫描，大大减少了样品处理的时间和复杂度，实现了非破坏性检测的功能。

13、x射线能够穿透各种不同密度的物质，包括玻璃瓶和药品本身，即使药品存在颜色或浑浊，也不会影响检测结果的准确性，同时x射线成像技术具有高分辨率，能够清晰地显示药品中的微小异物，确保检测的精确性。然后通过与可见异物识别模型的结合来进行药品中可见异物的检测，极大提高可见异物的识别率，提高了可见异物检测的准确性，能够在药品本身存在颜色或者产生浑浊时，实现对药品中可见异物的准确且可靠的检测和预警，极大提高可见异物检测效率的同时实现检测的高准确性。

14、当然，x射线扫描可以覆盖整个药品容器内部，确保所有区域的异物都能被检测到，避免漏检，能够实现对被检药品的全方位检测。同时整个检测过程无需接触药品，避免了交叉污染的风险，确保药品的安全性。

15、进一步，所述x射线成像机构包括用于产生x射线的射线机、用于放置被检药品的固定工位以及图像成像机构，所述图像成像机构包括控制器、通信模块、面板探测器以及显示模块；所述控制器分别与通信模块、显示模块和面板探测器进行电连接；

16、所述控制器用于通过通信模块与服务端进行通信连接。

17、有益效果：在本方案中，在需要对被检药品进行图像成像时，首先将被检药品放置到固定工位上，在确保射线机、被检药品以及面板探测器在同一高度时，启动射线机，通过射线机产生x射线，此时x射线就会穿透被检药品，然后x射线被传递到面板探测器上，之后控制器用于将面板探测器上的x射线的射线信息转换为电信号，通过a/d处理之后，传输到显示模块上进行成像显示，此时，将显示模块所显示的药品检测图像通过通信模块上传到服务端，方便服务端进行后续的图像识别操作。

18、相比现有技术中在生产线上采用相机拍照的方式，对药品表面异物进行拍照识别，并进行剔除，无法对隐藏在药品中的可见异物进行识别，本技术利用x射线的强穿透性，可以直接对隐藏在药品中的可见异物进行观察和识别，极大提高了对药品中可见异物的识别率。

19、进一步，所述图像预处理模块包括：

20、灰度处理模块，用于对接收到的药品检测图像进行灰度处理；

21、归一化模块，用于对灰度处理过后的药品检测图像进行归一化处理；

22、过滤模块，用于对归一化处理后的药品检测图像进行过滤操作；

23、增强模块，用于过滤操作后的药品检测图像进行对比度增强操作，形成最终的预处理后的药品检测图像。

24、有益效果：在本方案中，通过接收到的药品检测图像进行一系列的灰度处理、归一化处理、过滤操作以及对比度增强操作等预处理操作，去除了图像中的噪声，增强了有用的特征，提高了后续处理的效果以及处理效率。

25、进一步，所述服务端还包括：

26、历史数据采集模块，用于从历史数据库中获取带标注内容的历史药品检测图像，并将各个带标注内容的历史药品检测图像按照预设比例，划分为训练集和验证集；

27、构建模块，用于构建可见异物识别模型；

28、训练模块，用于随机生成若干个参数组，所述参数组中的各个参数为可见异物识别模型所对应的参数，根据训练集中带标注内容的历史药品检测图像，基于预设的关键特征提取模型，对训练集中的历史药品检测图像进行历史关键特征的提取，并将提取到的历史关键特征输入到各个参数组所对应的可见异物识别模型中，输出对应的训练识别结果数据，并根据识别结果数据，以及对应的标注内容，基于预设的识别损失值计算公式，计算出各个参数组所对应的识别损失值；

29、所述识别损失值计算公式为：

30、

31、式中，s为识别损失值，n为本次训练所对应的样本总数，yi为第i个样本所对应的真实值，为第i个样本所对应的识别值；p为0到1的随机数，suijizhi为随机阈值，sy为预设损失阈值；

32、筛选模块，用于根据各个参数组所对应的识别损失值，基于预设损失阈值，将识别损失值小于或者等于预设损失阈值的参数组进行选取，并根据所选取出的各个参数组所对应的各个参数的参数值，确定下一次迭代训练时，各个参数所对应的参数值选取范围，并重新执行训练模块，直到迭代次数到达预设迭代数量，选取出对应识别损失值最小的参数组，并输出对应的识别损失值最小的参数组所对应的可见异物识别模型；

33、验证模块，用于根据验证集中带标注内容的历史药品检测图像，基于预设的关键特征提取模型，对验证集中的历史药品检测图像进行历史关键特征的提取，并将验证集所对应的历史关键特征输入到筛选模块输出的可见异物识别模型中，输出验证集中各个历史药品检测图像所对应的验证预测识别数据，并根据验证预测识别数据以及对应的标注内容，基于识别准确度计算公式，计算出对应的识别准确度，并判断识别准确度是否大于预设准确阈值，若是，则对应的可见异物识别模型为可行模型，反之则对应的可见异物识别模型为不可行模型，重新执行训练模块；

34、所述识别准确度计算公式为：

35、

36、式中，z为识别准确度，m为验证集中历史药品检测图像的总个数，xj为第j个药品检测图像所对应的验证预测识别数据与对应的标注内容之间的重合度,area(bpred∩btrue为验证预测识别数据与对应的标注内容所对应的交集面积，area(bpred∪btrue)为验证预测识别数据与对应的标注内容所对应的并集面积。

37、有用效果：在本方案中，自动化从历史数据库中获取带标注内容的历史药品检测图像，并按预设比例划分训练集和验证集，减少了人工干预，提高了数据准备的效率。

38、通过随机生成多个参数组，进行模型训练，并计算识别损失值，能够有效地探索参数空间，找到最佳的参数组合。通过多次迭代训练，逐步优化模型参数，直至达到预设的迭代次数，确保模型在训练过程中不断改进，最终输出性能最优的可见异物识别模型。通过结合均方误差和随机阈值，综合评估模型的识别损失，确保模型在不同情况下都能保持较高的性能。随机阈值的引入是为了增加模型训练的随机性和多样性，防止模型过拟合。通过在损失计算中引入随机阈值，可以在一定程度上平衡模型的训练过程，使其在不同情况下都能保持较高的性能。

39、基于预设损失阈值筛选出识别损失值较小的参数组，并确定下一次迭代训练的参数值选取范围，逐步优化模型参数，提高了模型的训练效率和性能。在每次迭代中，根据筛选出的参数组动态调整参数值的选取范围，避免了盲目搜索，提高了参数优化的效率。通过验证集评估模型的识别准确度，确保模型在未见过的数据上具有良好的泛化能力。基于识别准确度计算公式，综合考虑了多个药品检测图像的重合度，提供了更全面的评估指标。

40、进一步，所述x射线成像机构还包括设置在射线机上的切换机构，所述切换机构包括与控制器电连接的第一电机，所述第一电机设置在射线机的侧壁上，所述第一电机的电机轴上固定有连接杆，所述连接杆上固定连接有转动盘，所述转动盘的侧壁上均匀设置有外围框架，所述外围框架内设置有滤波片，所述滤波片位于所述射线机的射线口的上方。

41、有益效果：在本方案中在外围框架上设置不同参数的滤波片，然后通过控制器的控制，第一电机转动，使得在射线机的射线口的滤波片的不同，这样就可以实现对应x射线所对应的x光能量与被检药品的匹配的优化。

42、本发明还提供了一种药品中可见异物监测方法，使用上述的一种药品中可见异物监测系统，包括以下步骤：

43、s1、通过射线机产生x射线，穿透被检药品后输出对应的药品检测图像并反馈给服务端；

44、s2、所述服务端接收x射线成像机构所输出的药品检测图像；

45、s3、对接收到的药品检测图像进行预处理操作；

46、s4、对预处理操作后的药品检测图像进行对应的关键特征提取；

47、s5、根据提取出来的关键特征，基于预设的可见异物识别模型，对药品检测图像中的可见异物进行识别，并输出对应的可见异物识别数据；

48、s6、根据输出的可见异物识别数据，判断对应的被检药品是否合格，若否，则判断该检药品为不合格产品，并发出预警信息，若是，则判断该被检药品为合格产品。