一种基于区块链的中药生产信息化管理系统的制作方法

[0001]
本发明创造涉及中药生产领域，具体涉及一种基于区块链的中药生产信息化管理系统。


背景技术：

[0002]
随着智能制造技术在世界范围内兴起，中药生产也从数字化走向智能化。在中药生产智能化过程中，为了解决目前中药生产设备和中药生产工艺所存在的缺陷，消除人为因素对生产质量的影响，减少生产事故的发生，中药生产企业有必要在中药生产过程中建立全面的实时监控系统，以避免由于中药生产设备故障或由于操作不当造成的事故的发生。


技术实现要素：

[0003]
针对上述问题，本发明旨在提供一种基于区块链的中药生产信息化管理系统。
[0004]
本发明创造的目的通过以下技术方案实现：
[0005]
一种基于区块链的中药生产信息化管理系统，包括生产信息设置模块、生产信息管理模块、生产安全管理模块、数据传输模块和信息化管理终端，所述生产信息设置模块用于输入中药生产的中药名称和中药生产的目标生产工艺参数数据，所述生产信息管理模块用于采集中药生产的生产工艺参数数据，所述生产安全管理模块用于采集中药生产设备的红外图像，所述数据传输模块用于将采集的中药生产的生产工艺参数数据和红外图像传输至信息化管理终端，所述信息化管理终端包括生产信息管理单元、生产安全管理单元、生产信息显示单元和生产信息存储单元，所述生产信息管理单元包括生产信息处理单元和生产预警单元，所述生产信息处理单元用于对接收到的生产工艺参数数据进行处理，并在处理后的生产工艺参数数据第一次等于给定的目标生产工艺参数数据时令生产预警单元开始对处理后的生产工艺参数数据进行监测，当监测到所述处理后的生产工艺参数数据低于或高于所述目标生产工艺参数数据的值超出给定的允许范围时进行预警，所述生产安全管理单元用于对接收到的红外图像进行处理，判断所述中药生产设备是否存在运行故障，当判断所述中药生产设备存在运行故障时进行预警，所述生产信息显示单元用于显示中药生产的中药名称、中药生产的目标生产工艺参数数据和处理后的生产工艺参数数据，所述生产信息存储单元用于将处理后的生产工艺参数数据和其对应的中药生产的中药名称存储于区块链中。
[0006]
优选地，所述生产信息处理单元用于对接收到的生产工艺参数数据进行滤波处理，设y(t)表示在t时刻采集的生产工艺参数y的数据，建立长度为(2l+1)的数据序列y(t)，且y(t)＝{y(t-l+1)，y(t-l+2)，...，y(t+l+1)}，其中，l为正整数，y(t-l+1)表示在(t-l+1)时刻采集的生产工艺参数y的数据，y(t-l+2)表示在(t-l+2)时刻采集的生产工艺参数y的数据，y(t+l+1)表示在(t+l+1)时刻采集的生产工艺参数y的数据，设l(t)表示数据序列y
(t)对应的第一序列检测阈值，且h(t)表示数据序列y(t)对应的第二序列检测阈值，且(t)表示数据序列y(t)对应的第二序列检测阈值，且其中，min(t)表示数据y(t)和数据序列y(t)中数据之间差值的最小值，且media(t)表示数据y(t)和数据序列y(t)中数据之间差值的中值，且max(t)表示数据y(t)和数据序列y(t)中数据之间差值的最大值，且(t)和数据序列y(t)中数据之间差值的最大值，且表示求最小值函数，表示求中值函数，表示求最大值函数，y(t，j)表示数据序列y(t)中的第j个数据，且y(t，j)≠y(t)，y(t，l)表示数据序列y(t)中的第l个数据，s
′
(t)表示数据序列y(t)对应的稳定性检测系数，且其中，y
m
(t)表示数据序列y(t)中数据的中值；定义l(t)表示数据y(t)在数据序列y(t)中的第一序列检测系数，h(t)表示数据y(t)在数据序列y(t)中的第二序列检测系数，且l(t)和h(t)的表达式为：
[0007][0008][0009]
式中，表示数据y(t，j)对应的第一序列判断函数，且表示数据y(t，j)对应的第一序列判断函数，且表示数据y(t，j)对应的第一序列判断函数，且表示数据y(t，j)对应的第二序列判断函数，且表示数据y(t，j)对应的第二序列判断函数，且表示数据y(t，j)对应的第二序列判断函数，且表示数据y(t，j)对应的第三序列判断函数，且表示数据y(t，j)对应的第三序列判断函数，且
[0010]
定义ρ(t)表示数据y(t)对应的噪声检测系数，则ρ(t)的表达式为：
[0011]
[0012]
式中，c(t)表示数据y(t)在数据序列y(t)中的异常系数，且t
l
(t)表示第一序列检测系数的参考值，t
h
(t)表示第二序列检测系数的参考值，设u1(t)表示第一序列检测集合，u2(t)表示第二序列检测集合，当数据y(t，j)满足|y(t，j)-y(t)|＜media(t)时，则将数据y(t，j)加入到集合u1(t)中，当数据y(t，j)满足|y(t，j)-y(t)|＞media(t)时，则将数据y(t，j)加入到集合u2(t)中，则(t)中，则其中，y(t，l1)表示集合u1(t)中的第l1个数据，y(t，l2)表示集合u2(t)中的第l2个数据；
[0013]
给定噪声检测阈值z(t)，则其中，表示数据序列y(t)中数据的噪声检测系数的均值，当数据y(t)对应的噪声检测系数ρ(t)＞z(t)时，则判定数据y(t)为噪声数据，当ρ(t)≤z(t)时，则判定数据y(t)为正常数据。
[0014]
优选地，当数据y(t)为判定为噪声数据时，对数据y(t)进行修正，设y
′
(t)表示对数据y(t)进行修正后的值，则y
′
(t)的值为：
[0015][0016]
式中，f(t，j)表示数据y(t，j)对应的噪声判断函数，ρ(t，j)表示数据y(t，j)对应的噪声检测系数，则τ(t，j)表示生产信息管理模块采集数据y(t，j)对应的时刻。
[0017]
优选地，所述生产安全管理单元用于对接收到的红外图像进行去噪处理，并在去噪处理后的红外图像中分割出中药生产设备的区域图像，给定最大灰度阈值，当分割所得的中药生产设备的区域图像中存在灰度值大于最大灰度阈值的像素时，即判定所述中药生产设备存在运行故障。
[0018]
本发明创造的有益效果：用于对中药生产进行信息化管理，中药生产的生产工艺参数数据直接决定了中药生产的质量，因此，通过对中药生产的生产工艺参数数据进行实时监测，及时了解中药生产的生产工艺参数数据是否符合设置的要求，从而能够有效的提高中药生产的质量；温度能够有效的反应中药生产设备是否运行正常，相较于传感器监测技术，通过红外图像对中药生产设备运行过程中的温度进行监测能够实现全面、准确的监测，从而及时发现中药生产设备运行过程中是否出现故障，保证了中药生产的顺利进行。
附图说明
[0019]
利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
[0020]
图1是本发明结构示意图。
具体实施方式
[0021]
结合以下实施例对本发明作进一步描述。
[0022]
参见图1，本实施例的一种基于区块链的中药生产信息化管理系统，包括生产信息设置模块、生产信息管理模块、生产安全管理模块、数据传输模块和信息化管理终端，所述生产信息设置模块用于输入中药生产的中药名称和中药生产的目标生产工艺参数数据，所述生产信息管理模块用于采集中药生产的生产工艺参数数据，所述生产安全管理模块用于采集中药生产设备的红外图像，所述数据传输模块用于将采集的中药生产的生产工艺参数数据和红外图像传输至信息化管理终端，所述信息化管理终端包括生产信息管理单元、生产安全管理单元、生产信息显示单元和生产信息存储单元，所述生产信息管理单元包括生产信息处理单元和生产预警单元，所述生产信息处理单元用于对接收到的生产工艺参数数据进行处理，并在处理后的生产工艺参数数据第一次等于给定的目标生产工艺参数数据时令生产预警单元开始对处理后的生产工艺参数数据进行监测，当监测到所述处理后的生产工艺参数数据低于或高于所述目标生产工艺参数数据的值超出给定的允许范围时进行预警，所述生产安全管理单元用于对接收到的红外图像进行处理，判断所述中药生产设备是否存在运行故障，当判断所述中药生产设备存在运行故障时进行预警，所述生产信息显示单元用于显示中药生产的中药名称、中药生产的目标生产工艺参数数据和处理后的生产工艺参数数据，所述生产信息存储单元用于将处理后的生产工艺参数数据和其对应的中药生产的中药名称存储于区块链中。
[0023]
本优选实施例用于对中药生产进行信息化管理，中药生产的生产工艺参数数据直接决定了中药生产的质量，因此，通过对中药生产的生产工艺参数数据进行实时监测，及时了解中药生产的生产工艺参数数据是否符合设置的要求，从而能够有效的提高中药生产的质量；温度能够有效的反应中药生产设备是否运行正常，相较于传感器监测技术，通过红外图像对中药生产设备运行过程中的温度进行监测能够实现全面、准确的监测，从而及时发现中药生产设备运行过程中是否出现故障，保证了中药生产的顺利进行。
[0024]
优选地，所述生产信息处理单元用于对接收到的生产工艺参数数据进行滤波处理，设y(t)表示在t时刻采集的生产工艺参数y的数据，建立长度为(2l+1)的数据序列y(t)，且y(t)＝{y(t-l+1)，y(t-l+2)，...，y(t+l+1)}，其中，l为正整数，y(t-l+1)表示在(t-l+1)时刻采集的生产工艺参数y的数据，y(t-l+2)表示在(t-l+2)时刻采集的生产工艺参数y的数据，y(t+l+1)表示在(t+l+1)时刻采集的生产工艺参数y的数据，设l(t)表示数据序列y(t)对应的第一序列检测阈值，且h(t)表示数据序列y(t)对应的第二序列检测阈值，且(t)表示数据序列y(t)对应的第二序列检测阈值，且其中，min(t)表示数据y(t)和数据序列y(t)中数据之间差值的最小值，且media(t)表示数据y(t)和数据序列y(t)中数据之间差值的中值，且max(t)表示数据y
(t)和数据序列y(t)中数据之间差值的最大值，且(t)和数据序列y(t)中数据之间差值的最大值，且表示求最小值函数，表示求中值函数，表示求最大值函数，y(t，j)表示数据序列y(t)中的第j个数据，且y(t，j)≠y(t)，y(t，l)表示数据序列y(t)中的第l个数据，s
′
(t)表示数据序列y(t)对应的稳定性检测系数，且其中，y
m
(t)表示数据序列y(t)中数据的中值；定义l(t)表示数据y(t)在数据序列y(t)中的第一序列检测系数，h(t)表示数据y(t)在数据序列y(t)中的第二序列检测系数，且l(t)和h(t)的表达式为：
[0025][0026][0027]
式中，表示数据y(t，j)对应的第一序列判断函数，且表示数据y(t，j)对应的第一序列判断函数，且表示数据y(t，j)对应的第一序列判断函数，且表示数据y(t，j)对应的第二序列判断函数，且表示数据y(t，j)对应的第二序列判断函数，且表示数据y(t，j)对应的第二序列判断函数，且表示数据y(t，j)对应的第三序列判断函数，且表示数据y(t，j)对应的第三序列判断函数，且
[0028]
定义ρ(t)表示数据y(t)对应的噪声检测系数，则ρ(t)的表达式为：
[0029][0030]
式中，c(t)表示数据y(t)在数据序列y(t)中的异常系数，且t
l
(t)表示第一序列检测系数的参考值，t
h
(t)表示第二序列检测系数的参考值，设u1(t)表示第一序列检测集合，u2(t)表示第二序列检测集合，当数据y(t，j)满足|y(t，j)-y(t)|＜media(t)时，则将数据y(t，j)加入到集合u1(t)中，当数据y(t，j)满足|y(t，j)-y(t)|＞media(t)时，则将数据y(t，j)加入到集合u2(t)中，则(t)中，则其中，y(t，l1)表示集合u1(t)中的第l1个数据，y(t，l2)表示集合u2(t)中的第l2个数据；
[0031]
给定噪声检测阈值z(t)，则其中，表示数据序列y(t)中数据的噪声检测系数的均值，当数据y(t)对应的噪声检测系数ρ(t)＞z(t)时，则判定数据y(t)为噪声数据，当ρ(t)≤z(t)时，则判定数据y(t)为正常数据。
[0032]
本优选实施例用于对采集的生产工艺参数数据进行滤波处理，从而在将生产工艺参数数据和给定的目标生产工艺参数数据进行比较来判断是否进行预警时，能够避免因噪声数据造成的误判现象，提高了生产信息管理单元的报警准确度；本优选实施例采用一定长度的数据序列对采集的生产工艺参数数据进行滤波处理时，定义的异常系数用于衡量待滤波数据和数据序列中的数据之间的相似性，传统的滤波算法中，通常仅仅通过上述定义的异常系数来判断所述待滤波数据是否为噪声数据，但是这种噪声判断方法在采用的数据序列中存在其他噪声数据时容易造成对待滤波数据的误判，从而影响噪声数据的检测精度；针对上述情况，本优选实施例给定了第一序列检测阈值和第二序列检测阈值，并根据所述第一序列检测阈值和第二序列检测阈值定义了第一序列检测系数和第二序列检测系数，噪声数据是一个突变值，因此，当待滤波数据为噪声数据且数据序列中也存在其他噪声数据时，此时，待滤波数据和序列中其他噪声数据之间的差值相较于待滤波数据和数据序列中正常数据之间的差值可能更大，也可能更小，根据上述特性，给定的第一序列检测阈值在待滤波数据为噪声数据时用于检测数据序列中和所述待滤波数据的数值较为接近的其他噪声数据，而给定的第二序列检测阈值在待滤波数据为噪声数据时用于检测数据序列中和所述待滤波数据的数值相差较大的其他噪声数据，此外，为了避免在中药生产的生产工艺参数数据变化趋势较大时将数据序列中的正常数据误判为噪声数据的情况，第一序列检测阈值和第二序列检测阈值额外引入了数据序列的稳定性检测系数，当所述稳定性检测系数的值较大时，表明所述中药生产的生产工艺参数的数据变化趋势较大，此时，减小第一序列检测阈值并且增加第二序列检测阈值，从而避免将正常数据误判为噪声数据的情况，定义的第一序列检测系数用于统计在第一序列检测阈值范围内的数据差值和在第一序列检测阈值和第二序列检测阈值之间的差值之间的相似性，定义的第二序列检测系数用于统计在第二序列检测阈值范围外的数据差值和在第一序列检测阈值和第二序列检测阈值之间的差值之间的相似性，定义待滤波数据对应的噪声检测系数，所述噪声检测系数包括异常系数和括号内用于对异常系数进行调节的部分，当数据序列中的其他数据都为正常数据时，则待滤波数据的异常系数能够有效的检测出待滤波数据是否为噪声数据，并且待滤波数据的第一序列检测系数的值和给定的第一序列检测系数的参考值较为接近，第二序列检测系数的值和给定的第二序列检测系数的参考值也较为接近，此时，待滤波数据的噪声检测系数中的括号内的值接近于1，即不对待滤波数据的异常系数值进行调整；当待滤波数据为正常数据且数据序列中存在其他噪声数据时，待滤波数据的异常系数值容易受数据序列中存在的其他噪声数据的影响，从而不能有效的检测出待滤波数据是否为噪声数据，此时，数据序列中存在的其他噪声数据在第二序列检测阈值外，因此第二序列检测系数的值能够有效的反应数据序列中存在的其他噪声数据，此时待滤波数据的第二序列检测系数的值和给定的第二序列检测系数的参考值相差较大，使得噪声检测系数中的余弦部分的值较小，即减小数据序列中存在的噪声数据对待滤波数据的异常系数值的影响，从而使得待滤波数据的
异常系数值能够有效的反应待滤波数据和数据序列中其他正常数据之间的差值情况；而当待滤波数据为噪声数据且数据序列中存在其他噪声数据时，待滤波数据的异常系数值同样容易受数据序列中存在的其他噪声数据的影响，从而不能有效的检测出待滤波数据是否为噪声数据，此时，当待滤波数据的第一序列检测系数的值和给定的第一序列检测系数的参考值相差较大时，表明数据序列中存在和待滤波数据数值较为接近的噪声数据，此时待滤波数据的噪声检测系数中的正弦部分的值较大，即增加待滤波数据的异常系数值，从而避免数值和待滤波数据较为接近的噪声数据使得待滤波数据的异常系数值减小，从而将噪声数据误判为正常数据的情况，当待滤波数据的第二序列检测系数和给定的第二序列检测系数的参考值相差较大时，表明数据序列中存在和待滤波数据数值相差较大的噪声数据，此时待滤波数据的噪声检测系数中的余弦部分的值较小，即减小数值较大的噪声数据使得待滤波数据的异常系数值增大的情况，使得待滤波数据的异常系数值能够更加真实的反应待滤波数据在数据序列中的实际异常情况。综上所述，本优选实施例在对所述生产工艺参数数据进行滤波时，引入的第一序列检测系数和第二序列检测系数相较于传统的滤波算法，能够较为全面的避免数据序列中存在的其他噪声数据对待滤波数据的噪声检测精度产生影响的现象，具有较高的噪声检测精度。
[0033]
优选地，当数据y(t)为判定为噪声数据时，对数据y(t)进行修正，设y
′
(t)表示对数据y(t)进行修正后的值，则y
′
(t)的值为：
[0034][0035]
式中，f(t，j)表示数据y(t，j)对应的噪声判断函数，ρ(t，j)表示数据y(t，j)对应的噪声检测系数，则τ(t，j)表示生产信息管理模块采集数据y(t，j)对应的时刻。
[0036]
本优选实施例用于对检测到的噪声数据进行修正，通过噪声数据所在的数据序列中数据的加权平均结果确定该噪声数据的真实值，当数据序列中数据距离该噪声数据越近且所述数据的噪声检测系数的值越小，其在加权平均过程中的权值越大，从而能够使得修正后的噪声数据的值更加的符合其真实值。
[0037]
优选地，所述生产安全管理单元用于对接收到的红外图像进行去噪处理，并在去噪处理后的红外图像中分割出中药生产设备的区域图像，给定最大灰度阈值，当分割所得的中药生产设备的区域图像中存在灰度值大于最大灰度阈值的像素时，即判定所述中药生产设备存在运行故障。
[0038]
本优选实施例通过采集生产设备的红外图像用于衡量所述生产设备的温度，从而判断生产设备是否存在运行故障，相较于传感器监测技术，能够实现对生产设备实现较为全面、准确的安区监测。
[0039]
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实
质和范围。