一种质检胶囊类药品的方法和装置与流程

1.本发明涉及计算机技术领域，尤其涉及一种质检胶囊类药品的方法和装置。


背景技术：

2.用胶囊装的药物，一般都是对食道和胃粘膜有刺激性的粉末或颗粒，或口感不好、易于挥发、在口腔中易被唾液分解，以及易吸入气管的药。这些药装入胶囊，既保护了药物药性不被破坏，也保护了消化器官和呼吸道。去掉胶囊壳可能会造成药物流失、药物浪费、药效降低。另外，有些药物需要在肠内溶解吸收，胶囊保护药物不被胃酸破坏。医药上指用特种成膜材料(如明胶、纤维素、多糖等)制成的囊状物，把内容物(如粉状、液体状各类药物等)或按剂量装入其中，便于吞服。
3.但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
4.现有技术中存在胶囊药品质检不充分，影响药品含药量的技术问题。


技术实现要素：

5.本申请实施例通过提供一种质检胶囊类药品的方法和装置，解决了现有技术中存在胶囊药品质检不充分，影响药品含药量的技术问题。达到了综合胶囊重量和体积进行药品含量分析，加入神经网络模型提高质检结果的准确性，确保胶囊内药品成分的稳定性，避免胶囊内粉末药品的含量不统一而影响治疗效果，质检过程自动化程度高的技术效果。
6.鉴于上述问题，提出了本申请实施例提供一种质检胶囊类药品的方法和装置。
7.第一方面，本申请实施例提供了一种质检胶囊类药品的方法，所述方法包括：获得胶囊重量信息；获得标准重量信息；判断所述胶囊重量信息是否满足标准重量信息的要求；当满足时，获得胶囊装量体积信息；将所述胶囊重量信息、所述胶囊装量体积信息输入第一训练模型，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述胶囊重量信息、所述胶囊装量体积信息和标识预测胶囊药量成分达标率的标识信息；获得所述第一训练模型的第一输出结果，所述第一输出结果包括第一药量达标率，所述第一药量达标率用于评价胶囊内药品粉末成分比例的达标程度；判断所述第一药量达标率是否满足第一预定条件；当满足时，获得第一质检结果，所述第一质检结果为胶囊药品达到质检要求。
8.另一方面，本申请还提供了一种质检胶囊类药品的装置，所述装置包括：
9.第一获得单元，所述第一获得单元用于获得胶囊重量信息；
10.第二获得单元，所述第二获得单元用于获得标准重量信息；
11.第一判断单元，所述第一判断单元用于判断所述胶囊重量信息是否满足标准重量信息的要求；
12.第三获得单元，所述第三获得单元用于当满足时，获得胶囊装量体积信息；
13.第一输入单元，所述第一输入单元用于将所述胶囊重量信息、所述胶囊装量体积
信息输入第一训练模型，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述胶囊重量信息、所述胶囊装量体积信息和标识预测胶囊药量成分达标率的标识信息；
14.第四获得单元，所述第四获得单元用于获得所述第一训练模型的第一输出结果，所述第一输出结果包括第一药量达标率，所述第一药量达标率用于评价胶囊内药品粉末成分比例的达标程度；
15.第二判断单元，所述第二判断单元用于判断所述第一药量达标率是否满足第一预定条件；
16.第五获得单元，所述第五获得单元用于当满足时，获得第一质检结果，所述第一质检结果为胶囊药品达到质检要求。
17.第三方面，本发明提供了一种质检胶囊类药品的装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面所述方法的步骤。
18.本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
19.本申请实施例提供了一种质检胶囊类药品的方法和装置，通过获得胶囊重量信息；获得标准重量信息；判断所述胶囊重量信息是否满足标准重量信息的要求；当满足时，获得胶囊装量体积信息；将所述胶囊重量信息、所述胶囊装量体积信息输入第一训练模型，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述胶囊重量信息、所述胶囊装量体积信息和标识预测胶囊药量成分达标率的标识信息；获得所述第一训练模型的第一输出结果，所述第一输出结果包括第一药量达标率，所述第一药量达标率用于评价胶囊内药品粉末成分比例的达标程度；判断所述第一药量达标率是否满足第一预定条件；当满足时，获得第一质检结果，所述第一质检结果为胶囊药品达到质检要求。达到了综合胶囊重量和体积进行药品含量分析，加入神经网络模型提高质检结果的准确性，确保胶囊内药品成分的稳定性，避免胶囊内粉末药品的含量不统一而影响治疗效果，质检过程自动化程度高的技术效果。从而解决了现有技术中存在胶囊药品质检不充分，影响药品含药量的技术问题。
20.上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
21.图1为本申请实施例一种质检胶囊类药品的方法的流程示意图；
22.图2为本申请实施例一种质检胶囊类药品的装置的结构示意图；
23.图3为本申请实施例示例性电子设备的结构示意图。
24.附图标记说明：第一获得单元11，第二获得单元12，第一判断单元13，第三获得单元14，第一输入单元15，第四获得单元16，第二判断单元17，第五获得单元18，总线300，接收器301，处理器302，发送器303，存储器304，总线接口306。
具体实施方式
25.本申请实施例通过提供一种质检胶囊类药品的方法和装置，解决了现有技术中存在胶囊药品质检不充分，影响药品含药量的技术问题。达到了综合胶囊重量和体积进行药品含量分析，加入神经网络模型提高质检结果的准确性，确保胶囊内药品成分的稳定性，避免胶囊内粉末药品的含量不统一而影响治疗效果，质检过程自动化程度高的技术效果。下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
26.申请概述
27.用胶囊装的药物，一般都是对食道和胃粘膜有刺激性的粉末或颗粒，或口感不好、易于挥发、在口腔中易被唾液分解，以及易吸入气管的药。这些药装入胶囊，既保护了药物药性不被破坏，也保护了消化器官和呼吸道。去掉胶囊壳可能会造成药物流失、药物浪费、药效降低。医药上指用特种成膜材料(如明胶、纤维素、多糖等)制成的囊状物，把内容物(如粉状、液体状各类药物等)或按剂量装入其中，便于吞服。但现有技术中存在胶囊药品质检不充分，影响药品含药量的技术问题。
28.针对上述技术问题，本申请提供的技术方案总体思路如下：
29.获得胶囊重量信息；获得标准重量信息；判断所述胶囊重量信息是否满足标准重量信息的要求；当满足时，获得胶囊装量体积信息；将所述胶囊重量信息、所述胶囊装量体积信息输入第一训练模型，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述胶囊重量信息、所述胶囊装量体积信息和标识预测胶囊药量成分达标率的标识信息；获得所述第一训练模型的第一输出结果，所述第一输出结果包括第一药量达标率，所述第一药量达标率用于评价胶囊内药品粉末成分比例的达标程度；判断所述第一药量达标率是否满足第一预定条件；当满足时，获得第一质检结果，所述第一质检结果为胶囊药品达到质检要求。达到了综合胶囊重量和体积进行药品含量分析，加入神经网络模型提高质检结果的准确性，确保胶囊内药品成分的稳定性，避免胶囊内粉末药品的含量不统一而影响治疗效果，质检过程自动化程度高的技术效果。
30.在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
31.实施例一
32.如图1所示，本申请实施例提供了一种质检胶囊类药品的方法，其中，所述方法包括：
33.步骤s100：获得胶囊重量信息；
34.步骤s200：获得标准重量信息；
35.具体而言，胶囊药品根据封装的药品形态、药品种类的不同，每个胶囊的重量会有不同，根据封装的药品特点和含量，同一种胶囊药品的重量是相同的，标准重量信息即为对应胶囊药品的单个重量标准信息。
36.步骤s300：判断所述胶囊重量信息是否满足标准重量信息的要求；
37.进一步而言，所述步骤s300：判断所述胶囊重量信息是否满足标准重量信息的要求之后，包括：步骤s910：当所述胶囊重量信息不满足所述标准重量信息的要求时，获得第
一提醒信息。
38.具体而言，对每个胶囊的重量信息与标准重量信息进行比对，当胶囊的重量不满足标准重量信息时，则表明该胶囊不达标，此时发送第一提醒信息用于提醒该胶囊不符合要求。对于胶囊重量达标的胶囊再进行后续质检。
39.步骤s400：当满足时，获得胶囊装量体积信息；
40.具体而言，按照胶囊的容量，胶囊内药品所在的位置，计算出胶囊装量体积信息，即胶囊内装药品占了胶囊多大的空间，按照胶囊外壳的容积和胶囊内装药品占的空间比例，计算出胶囊装量体积信息。
41.步骤s500：将所述胶囊重量信息、所述胶囊装量体积信息输入第一训练模型，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述胶囊重量信息、所述胶囊装量体积信息和标识预测胶囊药量成分达标率的标识信息；
42.步骤s600：获得所述第一训练模型的第一输出结果，所述第一输出结果包括第一药量达标率，所述第一药量达标率用于评价胶囊内药品粉末成分比例的达标程度；
43.具体而言，根据药品的成分和对应的密度、结合胶囊的体积，预估胶囊内药品是否符合预期的标准要求，为了提高分析结果的准确性，本申请实施例加入了神经网络模型，所述第一训练模型为机器学习中的神经网络模型，神经网络(neural networks，nn)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(artificial neural networks)，是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型。通过大量训练数据的训练，将所述胶囊重量信息、所述胶囊装量体积信息输入神经网络模型，则输出第一药量达标率。
44.更进一步而言，所述训练的过程实质为监督学习的过程，每一组监督数据均包括所述胶囊重量信息、所述胶囊装量体积信息和标识预测胶囊药量成分达标率的标识信息，将所述胶囊重量信息、所述胶囊装量体积信息输入到神经网络模型中，根据用来标识预测胶囊药量成分达标率的标识信息，所述神经网络模型进行不断的自我修正、调整，直至获得的输出结果与所述标识信息一致，则结束本组数据监督学习，进行下一组数据监督学习；当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时，则监督学习过程结束。通过对所述神经网络模型的监督学习，进而使得所述神经网络模型处理所述输入信息更加准确，进而获得更加准确、适合的药量达标率，进而可对胶囊药品进行准确的质检，进而达到准确分析胶囊内药品含量的达标程度，为准确地进行胶囊药品质检提供保障的技术效果。
45.步骤s700：判断所述第一药量达标率是否满足第一预定条件；
46.步骤s800：当满足时，获得第一质检结果，所述第一质检结果为胶囊药品达到质检要求。
47.进一步而言，所述步骤s700：判断所述第一药量达标率是否满足第一预定条件之后，包括：步骤s1110：当所述第一药量达标率不满足第一预定条件时，获得第二质检结果，所述第二质检结果为胶囊药品没有达到质检要求。
48.具体而言，判断第一药量达标率是否满足胶囊药品含量的要求，即第一预定条件，
第一预定条件为按照胶囊药品内成分含量确定的标准条件，当第一药量达标率满足第一预定条件时，则表明胶囊内药品的药剂成分、含量符合设定要求，若不满足条件，则表明药品内的药剂成分不符合要求，如粉末不均匀，存在某成分多某成分少的情况，通常一个胶囊内的药品为复合型不是单一一种成分，药品成分不同对应的药品密度不同，因而根据药品的密度、体积和重量进行综合分析，来确定胶囊内复合粉末是否满足各药品成分的药量达标要求，满足的，则获得第一质检结果，表明质检通过，不符合的则发送提醒信息质检不通过，按照质检结果将对应的胶囊进行处理，以确保胶囊药品的质量符合要求。达到了综合胶囊重量和体积进行药品含量分析，加入神经网络模型提高质检结果的准确性，确保胶囊内药品成分的稳定性，避免胶囊内粉末药品的含量不统一而影响治疗效果，质检过程自动化程度高的技术效果，解决了现有技术中存在胶囊药品质检不充分，影响药品含药量的技术问题。
49.进一步而言，本申请实施例还包括：
50.步骤s1010：获得第一环境湿度信息；
51.步骤s1020：获得胶囊壳体成分信息；
52.步骤s1030：根据所述第一环境湿度信息、所述胶囊壳体成分信息，获得第一预测时间，所述第一预测时间为预测胶囊在第一环境湿度信息中存放的最长时间；
53.进一步而言，所述步骤s1030：根据所述第一环境湿度信息、所述胶囊壳体成分信息，获得第一预测时间，包括：
54.步骤s1031：将所述第一环境湿度信息、所述胶囊壳体成分信息输入第二训练模型，所述第二训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述第一环境湿度信息、所述胶囊壳体成分信息和标识预测胶囊在第一环境湿度信息中存放最长时间的标识信息；
55.步骤s1032：获得所述第二训练模型的第二输出结果，所述第二输出结果包括所述第一预测时间。
56.步骤s1040：判断所述第一预测时间是否满足第二预定条件；
57.步骤s1050：当不满足时，获得第二提醒信息；
58.步骤s1060：根据所述第二提醒信息，获得第一干燥信息。
59.进一步而言，所述步骤s1060：根据所述第二提醒信息，获得第一干燥信息，本申请实施例包括：
60.步骤s1061：根据所述胶囊壳体成分信息，获得壳体耐潮信息；
61.步骤s1062：根据所述壳体耐潮信息、所述第一预测时间，获得第一时间差值；
62.步骤s1063：根据所述第一时间差值，获得所述第一干燥信息。
63.具体而言，胶囊药品要保持干燥，若湿度较大则会影响胶囊药品的质量，同时在潮湿环境下胶囊内粉末药品不易保存，易出现变质的情况，而影响质量效果，同时还可能伤害患者，因而通过胶囊的湿度来进一步确定胶囊的质量，对胶囊进行质检，存放胶囊的环境对于胶囊的湿度具有一定影响，由于是还没有进行包装的胶囊药品，为了避免在包装前造成胶囊变质，通过存放的环境的第一环境湿度信息和胶囊外壳成分的吸水性、受湿度影响的程度来确保胶囊药品的质量，当药品存放的时间没有超过胶囊受潮的时限且进行包装的胶囊则获得质检通过结果，若超过时限则发出不通过的结果，对于存放的未包装药品超过存
放时间时发送提醒信息，根据提醒进行及时进行干燥处理，具体干燥的措施根据环境的湿度和胶囊的成分确定，干燥温度和时间，通过干燥处理的药品在进一步进行湿度和药品质检，得到质检结果，实现对胶囊药品进行多方位的质检，并对包装密封前的胶囊进行存储监测，以确保药品的质量。在根据第一环境湿度信息、所述胶囊壳体成分信息进行存储时限分析时，为了提高分析结果的准确性，本申请实施例加入了神经网络模型，第二训练模型即为机器学习中的神经网络模型，神经网络(neural networks，nn)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(artificial neural networks)，是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型。通过大量训练数据的训练，将所述第一环境湿度信息、所述胶囊壳体成分信息输入神经网络模型，则输出预测存放的最长时间为存储时限。
64.更进一步而言，所述训练的过程实质为监督学习的过程，每一组监督数据均包括所述第一环境湿度信息、所述胶囊壳体成分信息和标识预测胶囊在第一环境湿度信息中存放最长时间的标识信息，将所述第一环境湿度信息、所述胶囊壳体成分信息输入到神经网络模型中，根据用来标识预测胶囊在第一环境湿度信息中存放最长时间的标识信息，所述神经网络模型进行不断的自我修正、调整，直至获得的输出结果与所述标识信息一致，则结束本组数据监督学习，进行下一组数据监督学习；当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时，则监督学习过程结束。通过对所述神经网络模型的监督学习，进而使得所述神经网络模型处理所述输入信息更加准确，进而获得更加准确、适合的预测存放的最长时间即存储时限，进而可对胶囊药品的湿度进行控制，进而达到准确进行胶囊干燥度的控制，利用对胶囊湿度的分析对胶囊进行多方位质检，以确保胶囊的质量的技术效果。
65.进一步而已，所述步骤s910：获得第一提醒信息之后，本申请实施例还包括：
66.步骤s1210：获得胶囊药品的第一重量信息，所述第一重量信息为第一时间的重量；
67.步骤s1220：获得胶囊药品的第二重量信息，所述第二重量信息为第二时间的重量，所述第一时间与第二时间不同，且，所述第一时间与第二时间满足第三预定条件；
68.步骤s1230：根据所述第一重量信息、所述第二重量信息，获得第一重量差值；
69.步骤s1240：判断所述第一重量差值是否超出预定阈值；
70.步骤s1250：当超出时，获得第二质检结果。
71.具体而言，本申请实施例对胶囊的质检还包括密封性检查，对于胶囊重量不满足标准重量信息要求的胶囊可以进行进一步的密封性分析，通过对胶囊进行摇动分别对胶囊摇动前后的重量进行测量，根据两者的重量差来确定是否出现漏粉的现象，也可以通过体积差进行测试，第一时间为没有进行摇动前，第二时间为摇动后，所述第三预定条件即对胶囊进行摇动测试，通过测试前后的胶囊重量测量，来确定是否出现漏粉的情况，从而确定胶囊的密封性，根据前后的重量差值来确定质检结果，当前后的重量差值在阈值范围内，则表明密封性符合要求，当重量差值超出了阈值范围的，则表明密封性不符合要求，获得质检结果。达到了对胶囊密封性的质检，通过密封性的质检以避免胶囊内药粉露出，而造成药品含
量不达标的技术效果。
72.进一步而言，所述步骤s500：将所述胶囊重量信息、所述胶囊装量体积信息输入第一训练模型之后，本申请实施例包括：
73.步骤s510：获得所述第一训练模型多组训练数据中的第一训练数据、第二训练数据，直至第n训练数据，其中，n为大于1的自然数；
74.步骤s520：根据所述第一训练数据生成第一验证码，所述第一验证码与所述第一训练数据一一对应；
75.步骤s530：根据所述第二训练数据和第一验证码生成第二验证码，以此类推，根据所述第n训练数据和第n
‑
1验证码生成第n验证码；
76.步骤s540：将所有训练数据和验证码复制存储在m台电子设备上，其中，m为大于1的自然数。
77.具体而言，区块链技术也被称之为分布式账本技术，是一种由若干台计算设备共同参与“记账”，共同维护一份完整的分布式数据库的新兴技术。由于区块链技术具有去中心化、公开透明、每台计算设备可以参与数据库记录、并且各计算设备之间可以快速的进行数据同步的特性，使得区块链技术已在众多的领域中广泛的进行应用。根据所述第一训练数据生成第一验证码，所述第一验证码与第一训练数据一一对应；根据所述第二训练数据和第一验证码生成第二验证码，第二验证码与第二训练数据一一对应；以此类推，根据所述第n训练数据和第n
‑
1验证码生成第n验证码，其中，n为大于1的自然数，将所有训练数据和验证码分别复制保存在m台设备上，其中，所述第一训练数据和所述第一验证码作为第一存储单元保存在一台设备上，所述第二训练数据和所述第二验证码作为第二存储单元保存在一台设备上，所述第n训练数据和所述第n验证码作为第n存储单元保存在一台设备上，当需要调用所述训练数据时，每后一个节点接收前一节点存储的数据后，通过“共识机制”进行校验后保存，通过哈希函数对于每一存储单元进行串接，使得筛选条件不易丢失和遭到破坏，通过区块链的逻辑对所述训练数据进行加密处理，保证了所述训练数据的安全性，进而保证了通过所述训练数据训练获得的第一训练模型的准确性，为后续获得更加准确的药量达标率夯实了基础。
78.实施例二
79.基于与前述实施例中一种质检胶囊类药品的方法同样发明构思，本发明还提供了一种质检胶囊类药品的装置，如图2所示，所述装置包括：
80.第一获得单元11，所述第一获得单元11用于获得胶囊重量信息；
81.第二获得单元12，所述第二获得单元12用于获得标准重量信息；
82.第一判断单元13，所述第一判断单元13用于判断所述胶囊重量信息是否满足标准重量信息的要求；
83.第三获得单元14，所述第三获得单元14用于当满足时，获得胶囊装量体积信息；
84.第一输入单元15，所述第一输入单元15用于将所述胶囊重量信息、所述胶囊装量体积信息输入第一训练模型，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述胶囊重量信息、所述胶囊装量体积信息和标识预测胶囊药量成分达标率的标识信息；
85.第四获得单元16，所述第四获得单元16用于获得所述第一训练模型的第一输出结
果，所述第一输出结果包括第一药量达标率，所述第一药量达标率用于评价胶囊内药品粉末成分比例的达标程度；
86.第二判断单元17，所述第二判断单元17用于判断所述第一药量达标率是否满足第一预定条件；
87.第五获得单元18，所述第五获得单元18用于当满足时，获得第一质检结果，所述第一质检结果为胶囊药品达到质检要求。
88.进一步的，所述装置还包括：
89.第六获得单元，所述第六获得单元用于当所述胶囊重量信息不满足所述标准重量信息的要求时，获得第一提醒信息。
90.进一步的，所述装置还包括：
91.第七获得单元，所述第七获得单元用于获得第一环境湿度信息；
92.第八获得单元，所述第八获得单元用于获得胶囊壳体成分信息；
93.第九获得单元，所述第九获得单元用于根据所述第一环境湿度信息、所述胶囊壳体成分信息，获得第一预测时间，所述第一预测时间为预测胶囊在第一环境湿度信息中存放的最长时间；
94.第三判断单元，所述第三判断单元用于判断所述第一预测时间是否满足第二预定条件；
95.第十获得单元，所述第十获得单元用于当不满足时，获得第二提醒信息；
96.第十一获得单元，所述第十一获得单元用于根据所述第二提醒信息，获得第一干燥信息。
97.进一步的，所述装置还包括：
98.第二输入单元，所述第二输入单元用于将所述第一环境湿度信息、所述胶囊壳体成分信息输入第二训练模型，所述第二训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述第一环境湿度信息、所述胶囊壳体成分信息和标识预测胶囊在第一环境湿度信息中存放最长时间的标识信息；
99.第十二获得单元，所述第十二获得单元用于获得所述第二训练模型的第二输出结果，所述第二输出结果包括所述第一预测时间。
100.进一步的，所述装置还包括：
101.第十三获得单元，所述第十三获得单元用于当所述第一药量达标率不满足第一预定条件时，获得第二质检结果，所述第二质检结果为胶囊药品没有达到质检要求。
102.进一步的，所述装置还包括：
103.第十四获得单元，所述第十四获得单元用于获得胶囊药品的第一重量信息，所述第一重量信息为第一时间的重量；
104.第十五获得单元，所述第十五获得单元用于获得胶囊药品的第二重量信息，所述第二重量信息为第二时间的重量，所述第一时间与第二时间不同，且，所述第一时间与第二时间满足第三预定条件；
105.第十六获得单元，所述第十六获得单元用于根据所述第一重量信息、所述第二重量信息，获得第一重量差值；
106.第四判断单元，所述第四判断单元用于判断所述第一重量差值是否超出预定阈
值；
107.第十七获得单元，所述第十七获得单元用于当超出时，获得第二质检结果。
108.进一步的，所述装置还包括：
109.第十八获得单元，所述第十八获得单元用于根据所述胶囊壳体成分信息，获得壳体耐潮信息；
110.第十九获得单元，所述第十九获得单元用于根据所述壳体耐潮信息、所述第一预测时间，获得第一时间差值；
111.第二十获得单元，所述第二十获得单元用于根据所述第一时间差值，获得所述第一干燥信息。
112.进一步的，所述装置还包括：
113.第二十一获得单元，所述第二十一获得单元用于获得所述第一训练模型多组训练数据中的第一训练数据、第二训练数据，直至第n训练数据，其中，n为大于1的自然数；
114.第一生成单元，所述第一生成单元用于根据所述第一训练数据生成第一验证码，所述第一验证码与所述第一训练数据一一对应；
115.第二生成单元，所述第二生成单元用于根据所述第二训练数据和第一验证码生成第二验证码，以此类推，根据所述第n训练数据和第n
‑
1验证码生成第n验证码；
116.第一执行单元，所述第一执行单元用于将所有训练数据和验证码复制存储在m台电子设备上，其中，m为大于1的自然数。
117.前述图1实施例一中的一种质检胶囊类药品的方法的各种变化方式和具体实例同样适用于本实施例的一种质检胶囊类药品的装置，通过前述对一种质检胶囊类药品的方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种质检胶囊类药品的装置的实施方法，所以为了说明书的简洁，在此不再详述。
118.示例性电子设备
119.下面参考图3来描述本申请实施例的电子设备。
120.图3图示了根据本申请实施例的电子设备的结构示意图。
121.基于与前述实施例中一种质检胶囊类药品的方法的发明构思，本发明还提供一种质检胶囊类药品的装置，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种质检胶囊类药品的方法的任一方法的步骤。
122.其中，在图3中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他系统通信的单元。
123.处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
124.本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
125.本申请实施例提供的一种质检胶囊类药品的方法和装置，通过获得胶囊重量信息；获得标准重量信息；判断所述胶囊重量信息是否满足标准重量信息的要求；当满足时，
获得胶囊装量体积信息；将所述胶囊重量信息、所述胶囊装量体积信息输入第一训练模型，所述第一训练模型通过多组训练数据训练获得，所述多组训练数据中的每组均包括：所述胶囊重量信息、所述胶囊装量体积信息和标识预测胶囊药量成分达标率的标识信息；获得所述第一训练模型的第一输出结果，所述第一输出结果包括第一药量达标率，所述第一药量达标率用于评价胶囊内药品粉末成分比例的达标程度；判断所述第一药量达标率是否满足第一预定条件；当满足时，获得第一质检结果，所述第一质检结果为胶囊药品达到质检要求。达到了综合胶囊重量和体积进行药品含量分析，加入神经网络模型提高质检结果的准确性，确保胶囊内药品成分的稳定性，避免胶囊内粉末药品的含量不统一而影响治疗效果，质检过程自动化程度高的技术效果，从而解决了现有技术中存在胶囊药品质检不充分，影响药品含药量的技术问题。
126.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd
‑
rom、光学存储器等)上实施的计算机程序产品的形式。
127.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
128.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
129.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
130.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。