[發明專利]一種基于機器視覺的青蒿素萃取智能跟蹤與識別方法

有效

• 申請號: 202011607518.3
• 申請日: 2020-12-30
• 公開（公告）號: CN112651948B
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 利節;廖宏程;羅慶林;王藝凡;高敏;吳凱;王涔丁
• 申請（專利權）人: 重慶科技學院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/90;G06T5/00;G06T5/50;G06N3/04;G06N3/08
• 代理公司: 重慶敏創專利代理事務所(普通合伙) 50253
• 代理人: 陳千

本發明涉及青蒿素提純技術領域，具體公開了一種基于機器視覺的青蒿素萃取智能跟蹤與識別方法，結合青蒿素提純過程中的視頻數據(第一實時圖像I和標準實時圖像G)，設計高質量數據生成模型(雙向級聯迭代生成網絡)，生成基于去噪數據(真實噪聲圖像N’)的高質量提純數據(高質量圖像G’)，利用有效的顏色分割算法對數據進行分割，設計有效的顏色識別模型(細粒度二分類網絡)對高質量數據進行分類，使邊緣計算設備根據顏色識別結果對安全閥開關進行操作，實現青蒿素氣純智能化識別與跟蹤，實現對青蒿素提純過程的無人化監控。本發明可逐步替代現有人工操作，降低安全生產風險，提高產品收率，降低生產成本。

技術領域

本發明涉及青蒿素提純技術領域，尤其涉及一種基于機器視覺的青蒿素萃取智能跟蹤與識別方法。

背景技術

青蒿素是一種新型抗瘧藥，是目前世界上公認的最有效治療腦型瘧疾和抗氯喹惡性瘧疾的藥物。它具有低毒、高效、速效的特點，已成為世界衛生組織推薦的治療瘧疾的首選方法，在國際市場上供不應求，應用及經濟前景十分看好。目前獲取青蒿素的途徑主要是直接從青蒿中提取，研究表明，青蒿的葉片和花表面的腺毛是青蒿素的主要合成和儲存部位，青蒿的不同部位、不同時期的青蒿素含量不同，也與產地和生長環境相關。目前，青蒿藥用成分提取率低是造成資源浪費的重大原因。未來，青蒿素及其副產物不僅應用于人類健康，還可輻射到生物農藥、獸藥等更多領域。但目前青蒿素生產車間因安全要求級別高，無法人工進入設備，又無法在線跟蹤提凈效果。

發明內容

本發明提供一種基于機器視覺的青蒿素萃取智能跟蹤與識別方法，解決的技術問題在于：如何對青蒿素的提純過程進行在線跟蹤。

為解決以上技術問題，本發明提供一種基于機器視覺的青蒿素萃取智能跟蹤與識別方法，包括步驟：

(1)生成高質量圖像

S1：收集青蒿素提純車間的第一實時圖像I，收集標準環境中青蒿素提純過程中的標準實時圖像G；

S2：將所述第一實時圖像I、所述標準實時圖像G和初始噪聲圖像N輸入雙向級聯迭代生成網絡，生成高質量圖像G’和真實噪聲圖像N’；

(2)顏色分割及識別

S3：采用顏色分割算法對所述高質量圖像G’進行顏色分割后進行標簽標注，以構建訓練數據集和測試數據集；

S4：采用所述訓練數據集和所述測試數據集對構建的細粒度二分類網絡進行訓練和測試；

(3)二分類計算

S5：基于所述雙向級聯迭代生成網絡、所述顏色分割算法和完成訓練、測試的所述細粒度二分類網絡，對青蒿素提純過程中的第二實時圖像T進行識別與分析，輸出控制閥門開和關的二分類結果。

進一步地，在所述步驟S2中，所述雙向級聯迭代生成網絡包括上網絡結構和下網絡結構；所述上網絡結構包括基于卷積層的第一特征提取網絡和基于反卷積層的第一圖像生成網絡，所述下網絡結構包括基于卷積層的第二特征提取網絡和基于反卷積層的第二圖像生成網絡；

所述第一特征提取網絡和所述第二特征提取網絡分別用于提取初始噪聲圖像N和第一實時圖像I的數據，所述第一圖像生成網絡和所述第二圖像生成網絡分別用于基于所述第一特征提取網絡和所述第二特征提取網絡提取的特征生成所述真實噪聲圖像N’和所述高質量圖像G’；所述真實噪聲圖像N’和所述高質量圖像G’相加得到真實實時圖像I′。

進一步地，所述第一實時圖像I與所述真實實時圖像I′之間的損失函數為：

其中，I′_t表示每次迭代后生成的真實實時圖像，表示每次迭代前第一實時圖像I與迭代后真實實時圖像I′_t之間的損失，α為第一超參數，n為迭代次數。