(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210485551.6 (22)申请日 2022.05.06 (71)申请人 南昌市第一医院 地址 330008 江西省南昌市象山北路128号 (72)发明人 钱霞　肖国蓓　罗美凤　王军花　 程菲儿　 (74)专利代理 机构 西安汇恩知识产权代理事务 所(普通合伙) 6124 4 专利代理师 张伟花 (51)Int.Cl. G06V 10/50(2022.01) G06V 10/26(2022.01) G06T 7/136(2017.01) G06V 10/44(2022.01) G06V 10/34(2022.01) (54)发明名称 一种制药控制方法及系统 (57)摘要 本公开涉及药物制造技术领域， 具体涉及一 种制药控制方法及系统， 包括： 通过可见光手段 获取药物溶解可见光图像集合， 根据药物溶解可 见光图像集合中的每个药物溶解可见光图像， 生 成药物溶解可见光图像对应的目标直方图； 对目 标直方图集合中的每个目标直方图进行最优差 分高斯多峰处理， 确定目标直方图对应的最优概 率密度函数 组； 生成最优概率密度函数组对应的 目标溶解图像； 对目标溶解图像集合中的目标溶 解图像进行阈值分割处理， 最终得到目标药物的 溶解效率， 从而对目标药物的制造过程进行控 制。 本公开利用可见光手段进行制药控制， 可 以 实时确定目标药物溶解过程中的溶解效率， 提高 了目标药物的溶解效率确定的准确度和制药控 制的精确性。 权利要求书3页 说明书13页 附图2页 CN 114882248 A 2022.08.09 CN 114882248 A 1.一种制药控制方法， 其特 征在于， 包括以下步骤： 获取药物溶解可见光图像集合， 对所述药物溶解可见光图像集合中的每个药物溶解可 见光图像进行预处理， 生成所述药物溶解可见光图像对应的目标直方图， 得到目标直方图 集合， 其中， 所述药物溶解可见光图像集合中的药物溶解可见光图像是 由图像采集设备采 集的目标 药物的溶解过程中的图像； 对所述目标直方图集合中的每个目标直方图进行最优差分高斯多峰处理， 确定所述目 标直方图对应的最优概 率密度函数组， 得到最优概 率密度函数组集 合； 根据所述最优概率密度函数组集合中的每个最优概率密度函数组， 生成所述最优概率 密度函数组对应的目标 溶解图像， 得到目标 溶解图像集 合； 对所述目标溶解图像集合中的目标溶解图像进行阈值分割处理， 得到所述目标药物的 溶解效率； 根据所述溶解效率， 对所述目标 药物的制造过程进行控制。 2.根据权利要求1所述的方法， 其特征在于， 所述对所述药物溶解可见光图像集合中的 每个药物溶解可见光图像进行预处理， 生成所述药物溶解可见光图像对应的目标直方图， 得到目标直方图集 合， 包括： 对所述药物溶解可见光图像进行归一化灰度处理， 得到所述药物溶解可见光图像对应 的归一化灰度直方图； 对所述归一化灰度直方图进行平滑 处理， 得到所述药物溶解可见光图像对应的目标直 方图。 3.根据权利要求1所述的方法， 其特征在于， 所述对所述目标直方图集合中的每个目标 直方图进行最优差分高斯多 峰处理， 确定所述 目标直方图对应的最优概率密度函数组， 得 到最优概 率密度函数组集 合， 包括： 根据所述目标直方图， 确定所述目标直方图对应的高斯多峰函数； 通过对所述目标直方图对应的高斯多峰函数进行求导， 确定所述目标直方图上的波峰 点数量； 根据所述目标直方图对应的高斯多峰函数和所述目标直方图上的波峰点数量， 确定所 述目标直方图对应的高斯多峰概 率密度函数； 根据所述目标直方图对应的高斯多峰概率密度函数包括的每个子高斯密度函数， 对所 述子高斯密度函数对应的所述药物溶解可见光图像集合中的药物溶解可见光图像上的区 域进行差分处 理， 确定所述子高斯密度函数对应的灰度差组， 得到灰度差组集 合； 根据所述灰度差组集合中的每个灰度差组和预先设置的差异阈值， 确定所述灰度差组 对应的差分区域， 得到 差分区域 集合； 根据差分区域集合中的每个差分区域中的像素点的灰度值， 确定所述差分区域的灰度 均值， 得到灰度均值 集合； 根据灰度均值集合中的每个灰度均值和所述灰度均值对应的差分区域， 确定所述灰度 均值对应的第一最优校正因子和 第二最优校正因子， 得到第一最优校正因子和 第二最优校 正因子集 合； 根据所述第一最优校正因子和第二最优校正因子集合以及所述目标直方图对应的高 斯多峰概 率密度函数， 确定所述目标直方图对应的最优概 率密度函数组。权　利　要　求　书 1/3 页 2 CN 114882248 A 24.根据权利要求3所述的方法， 其特征在于， 所述根据所述目标直方图对应的高斯多峰 函数和所述目标直方图上的波峰点数量， 确定所述目标直方图对应的高斯多峰概率密度函 数， 包括： 根据所述目标直方图对应的高斯多峰函数和所述目标直方图上的波峰点数量， 通过概 率密度公式， 确定所述目标直方图对应的高斯多峰概 率密度函数， 所述 概率密度公式为： 其中， G(x,N)是所述目标直方图对应的高斯多峰概率密度函数， wi是所述目标直方图上 的第i个波峰点对应的峰值增益， N是所述目标直方图上的波峰点数量， μi是所述目标直方 图上的第i个波峰点所在的子高斯分布的均值， δi是所述目标直方图上的第i个波峰点所在 的子高斯分布的标准差， k1(i)是所述目标直方图上的第i个波峰点所在的子高斯分布的均 值的校正因子， k2(i)是所述目标直方图上的第i个波峰点所在的子高斯分布的标准差的校 正因子， e 是自然常数。 5.根据权利要求3所述的方法， 其特征在于， 所述根据所述目标直方图对应的高斯多峰 概率密度函数包括的每个子高斯密度函数， 对 所述子高斯密度函数对应的所述药物溶解可 见光图像集合中的药物溶解可见光图像上的区域进行差 分处理， 确定所述子高斯密度函数 对应的灰度差组， 得到灰度差组集 合， 包括： 根据所述目标直方图对应的高斯多峰概率密度函数包括的每个子高斯密度函数， 通过 差分公式， 对所述子高斯密度函数对应的所述药物溶解可见光图像集合中的药物溶解可见 光图像上 的区域进行差分处理， 确定所述子高斯密度函数对应的灰度差组， 所述差分公式 为： Dn(i,j)＝|gn(i,j)‑gn+1(i,j)| 其中， Dn(i,j)是所述子高斯密度函数对应的灰度差组包括的gn(i,j)和gn+1(i,j)之间 的灰度差， gn(i,j)和gn+1(i,j)分别是第n帧和第n+1帧药物 溶解可见光图像上坐标为(i,j) 的像素点的灰度值， 第n+1帧药物溶解可见光图像是采集第n帧药物溶解可见光图像一个时 间间隔之后采集的图像， 第n帧药物溶解可见光图像是所述子高斯密度函数对应的所述药 物溶解可见光图像集合中的药物溶解可见光图像， 第n帧药物溶解可见光图像上坐标为(i, j)的像素点对应在所述子高斯密度函数对应的第n帧药物溶解可 见光图像上的区域内。 6.根据权利要求3所述的方法， 其特征在于， 所述根据差分区域集合中的每个差分区域 中的像素点的灰度值， 确定所述差分区域的灰度均值， 得到灰度均值 集合， 包括： 根据差分区域集合中的每个差分区域中的像素点的灰度值， 通过灰度均值公式， 确定 所述差分区域的灰度均值， 所述灰度均值公式为： 其中， H(n)Ave是差分区域集合中第n个差分区域的灰度均值， H(n)l是差分区域集合中第n 个差分区域中的第l个 像素点的灰度值， m是 所述差分区域中像素点的数量。 7.根据权利要求3所述的方法， 其特征在于， 所述根据灰度均值集合中的每个灰度均值权　利　要　求　书 2/3 页 3 CN 114882248 A 3