一种基于图像识别的中药材提取监控系统及方法与流程

本发明涉及物体识别，尤其涉及一种基于图像识别的中药材提取监控系统及方法。

背景技术：

1、物体识别技术领域包含通过对图像或视频中的物体进行分析与检测，实现对目标物体的分类、定位、跟踪等处理。该技术领域的核心内容在于利用图像处理与计算机视觉技术，提取图像中的关键特征，并通过模式匹配、深度学习等方法进行目标的识别与分析。整体技术领域包括但不限于图像预处理、特征提取、物体检测与识别、三维物体分析等方面，广泛应用于工业检测、自动驾驶、医疗影像分析、智能监控等场景。

2、其中，基于图像识别的中药材提取监控系统是指利用物体识别技术对中药材提取过程中的关键环节进行监控与管理。该系统针对中药材提取过程中的物料识别、提取状态判断等技术事项，通过图像采集设备获取提取过程中物料的实时图像信息，采用特征提取与模式匹配技术识别出不同类型的中药材，同时通过深度学习模型分析图像中的关键提取参数，实现对中药材提取环节的精确监控与实时判断。系统依据图像分割、边缘检测及多维特征匹配方法完成关键物料的识别与提取状态的精确区分，确保全过程的监控与管理符合既定目标。

3、现有技术仅聚焦于单一数据维度，忽视物理参数与图像特征的关联性，难以应对提取环节中的状态突变，导致动态调整滞后和识别精度不足。未能深入挖掘特征间的复杂关联关系，限制了对多阶段提取过程的精准分析。缺乏对异常节点的快速识别机制，工艺调控效率低，容易引发提取环节中能耗和资源浪费等问题。

技术实现思路

1、本发明的目的是解决现有技术中存在的缺点，而提出的一种基于图像识别的中药材提取监控系统及方法。

2、为了实现上述目的，本发明采用了如下技术方案：一种基于图像识别的中药材提取监控系统包括：

3、动态数据采集模块基于中药材提取蒸馏装置运行状态，采集图像数据和温度传感器与压力传感器数据以灰度变化和纹理差异描述中药材的形态特征，结合传感器数据，分析中药材形态特征与蒸馏装置温度分布和压力变化的关系，建立阶段性数据矩阵；

4、特征提取与对比模块基于所述阶段性数据矩阵，提取图像中中药材形态特征的灰度变化与纹理差异，分析温度传感器与压力传感器数据中蒸馏装置的压力梯度与温度分布，匹配相同阶段的数据特征，生成提取阶段特征分布值；

5、动态特征优化模块基于所述提取阶段特征分布值，计算多阶段的灰度变化与压力梯度变化的幅度，从中筛选变化最为集中的特征项，分析多特征的关联性，生成动态关键特征值；

6、状态预测模块基于所述动态关键特征值，分析中药材提取过程中图像纹理变化与压力梯度趋势，定位关键变化节点，解析关键变化节点的特征波动范围，生成关键状态预测值；

7、工艺监控模块基于所述关键状态预测值，分析当前蒸馏状态与目标状态的差异，计算需要调整的蒸馏温度与运行时间参数，生成提取过程监控参数。

8、所述阶段性数据矩阵具体为图像形态特征的重组分析、压力变化, 所述提取阶段特征分布值包括图像中中药材形态特征的灰度变化、纹理差异、压力梯度、温度分布, 所述动态关键特征值具体指灰度变化的幅度、压力梯度变化的幅度、特征项集中度、多特征关联性, 所述关键状态预测值包括图像纹理变化、压力梯度趋势、关键变化节点的特征波动范围, 所述提取过程监控参数具体为蒸馏温度调整、运行时间参数。

9、作为本发明的进一步方案，所述阶段性数据矩阵的获取步骤具体为：

10、采集中药材提取蒸馏装置运行状态的温度传感器与压力传感器数据，调用设备的传感器接口实时采集温度和压力信号，对采集的时间序列内的温度变化和压力波动数据进行时序分段记录，记录分段特征数据的均值和波动范围，将其整理为阶段性数据集，生成温度与压力数据对；

11、调用所述温度与压力数据对的分段记录，通过对时间序列的分段记录逐项分析温度和压力的变化特征，计算每个分段数据的均值与标准差，将均值与波动范围的相对比值设为筛选依据，筛选并标记相对比值超过阈值的数据对，生成关键阶段数据记录；

12、对所述关键阶段数据记录中对应的温度与压力分布特征进行矩阵重组，计算关键阶段数据的权重加权矩阵，采用公式：

13、；

14、归一化矩阵，计算多区域数据比例，生成阶段性数据矩阵；

15、其中，代表阶段性数据矩阵中对应分区的权重加权值，代表温度值，代表压力值，代表关键阶段数据的波动权重，代表关键阶段数据的总数。

16、作为本发明的进一步方案，所述提取阶段特征分布值的获取步骤具体为：

17、利用所述阶段性数据矩阵，提取中药材图像数据中的灰度变化与纹理差异，调用灰度直方图计算区域内像素值的分布特性，采用图像局部的变化梯度和方向分布进行纹理特征分析，获取图像特征数据；

18、结合温度和压力传感器的数据记录，调用时间序列数据提取压力值与温度值的变化率，基于阶段性时间节点计算每个阶段压力梯度的变化幅度，并对多阶段的温度分布进行均值与标准差分析，生成压力和温度特征数据；

19、将所述图像特征数据与所述压力和温度特征数据进行关联分析，通过特征匹配算法建立阶段特征分布关系，采用公式：

20、；

21、计算每个阶段的特征分布值，生成提取阶段特征分布值；

22、其中，代表第i个阶段的特征分布值，是第k个区域的图像特征值，绝对值表示纹理或灰度的变化，是图像特征值中的最大值，、分别是对应压力和温度的特征值，、是压力和温度特征值的最大记录值，是调节图像特征数据权重的系数，用于平衡每个区域图像数据在总特征分布值计算中的影响，是调节压力和温度传感器数据权重的系数，辅助确定每个阶段中压力和温度数据的关键性，代表区域数量。

23、作为本发明的进一步方案，所述动态关键特征值的获取步骤具体为：

24、基于所述提取阶段特征分布值，调用阶段性数据中的灰度变化和压力梯度变化记录，通过对灰度变化值和压力梯度变化幅度进行计算，分析每个阶段的变化特征差异，生成灰度与压力变化幅度数据；

25、对所述灰度与压力变化幅度数据进行统计分析，调用高斯混合模型检测数据变化幅度的分布特征，对变化幅度集中且显著的阶段进行筛选和标记，整理为筛选后的关键阶段数据；

26、对所述筛选后的关键阶段数据进行多特征关联性分析，通过匹配灰度变化值与压力梯度值的差异，计算阶段间特征值的关联度，采用公式：

27、；

28、生成动态关键特征值；

29、其中，表示动态关键特征值，表示第i阶段的灰度变化值，表示第i阶段的压力梯度值，表示灰度变化值的标准差，表示压力梯度值的标准差，表示关键阶段的数量。

30、作为本发明的进一步方案，所述关键状态预测值的获取步骤具体为：

31、基于所述动态关键特征值，调用时间序列中的图像纹理变化与压力梯度数据，通过提取时间序列特征曲线的分段趋势，计算关键节点的变化幅度，并对变化特征进行分段标记，生成关键变化节点数据；

32、对所述关键变化节点数据进行特征波动范围解析，调用关键节点前后相邻数据，计算特征值的区间波动范围，分析节点数据的变化速率与幅度，通过构建波动范围模型对每个节点的特征进行量化，生成节点波动特征数据；

33、结合所述节点波动特征数据，通过对特征节点权重分配与趋势影响因子的调整，进行模型优化与数值计算，采用公式：

34、；

35、生成关键状态预测值；

36、其中，表示关键状态预测值，表示第i个节点的特征波动值，是对应节点的权重因子，用于描述节点的关键性，是归一化参数，用于控制预测值的动态范围，表示节点数量。

37、作为本发明的进一步方案，所述提取过程监控参数的获取步骤具体为：

38、基于所述关键状态预测值，调用实时数据监控系统获取当前蒸馏过程的温度与时间数据，对当前状态与目标状态进行比较，分析当前蒸馏状态中温度与时间的偏差程度，通过差值计算，生成当前状态数据；

39、利用所述当前状态数据计算温度与时间参数的调整量，分析目标状态中温度与时间的最优范围，通过将当前数据与目标参数范围进行差值运算，提取需要调整的温度差值与时间差值，生成调整参数数据；

40、结合所述调整参数数据，设计提取过程监控模型，通过参数化的动态调整机制进行温度和时间调节，采用公式：

41、；

42、计算提取过程监控参数；

43、其中，表示提取过程监控参数，表示当前温度与目标温度间的差值，表示当前运行时间与目标时间的差值，、分别为目标温度和目标时间，表示调节系数，用于平衡温度与时间对监控参数的影响。

44、一种基于图像识别的中药材提取监控方法，所述基于图像识别的中药材提取监控方法基于上述基于图像识别的中药材提取监控系统执行，包括以下步骤：

45、s1：基于中药材提取蒸馏装置运行状态，调用温度传感器与压力传感器的数据集，结合蒸馏过程中采集的图像数据中的中药材形态特征重组处理，整合中药材形态特征、温度分布与压力变化数据，生成阶段性数据矩阵；

46、s2：基于所述阶段性数据矩阵，对图像数据中的灰度差异进行计算，分析纹理变化范围，整合压力与温度数据中的分布值，进行数据项匹配与差异比对，生成提取阶段特征分布值；

47、s3：基于所述提取阶段特征分布值，对灰度变化与压力梯度变化进行多阶段幅度计算，从中筛选变化集中的特征项，对选定特征进行多参数分析与计算，获取动态关键特征值；

48、s4：基于所述动态关键特征值，分析中药材提取过程中图像纹理的变化幅度与压力梯度趋势，定位关键变化节点，解析节点特征波动范围，生成关键状态预测值；

49、s5：基于所述关键状态预测值，分析当前蒸馏状态与目标状态的偏差，结合所需调整的温度控制与时间参数，获取提取过程监控参数。

50、与现有技术相比，本发明的优点和积极效果在于：

51、本发明中，通过数据与图像综合分析，动态监控中药材提取过程中的状态变化，结合多维度的灰度、纹理特征及压力梯度实现提取状态精准识别。通过关键参数波动趋势的解析和特征间关联优化，快速识别异常节点并调整提取参数，提升工艺稳定性和产品质量一致性。动态分析不同阶段数据特性，强化提取过程的精确调控能力，显著提高效率与资源利用率，减少异常风险。