一种中药材灭菌系统的制作方法
本发明属于中药材加工设备技术领域，尤其涉及一种中药材灭菌系统。
背景技术：
中药是我们中华民族的瑰宝，但由于其品种繁多，药材不同来源、产地、生长年限、采收季节、炮制加工方法尤其是人为制假、掺化学药等都影响着中药质量品质，使市场上流通的原药材有着真伪、优劣的不同；常规的质量评价方法样品处理过程复杂、检验过程繁琐、成本高、效率低，不能适应中药制药现代化发展的需要，且往往用单一指标成分来控制中药的质量，不能体现中药成分的复杂性和其整体内在质量；且现有检测手段多为离线检测，在生产中有滞后的缺点。这些都导致我国中药制药行业技术水平不高，生产过程缺乏可行的质量控制方法。
由于中药材品质的退化及假冒劣质品的市场混入等因素影响了中药材的质量和临床疗效，对中药材识别、鉴定与控制显得尤为重要；传统中药材识别鉴定主要依赖主观经验，以人的肉眼识别药源植物的形态，颜色和药材的显微纹理时需要具有丰富的经验，但由于经验有限，图像识别难度大，识别错误率高；现代理化鉴定要借助专门分析仪器，管理及操作复杂；因此基于现代信息理论技术的中药材预处理、识别、检测及鉴定是新的发展方向。
基于图像信息处理的中药材现代处理与分析是在进入本世纪以来才逐渐开展起来研究领域，学者们对中药材图像的获取、去噪、分割、特征提取、识别、检测与检索等方面进行了一定的研究；一般来说先采用CCD摄像机在显微镜下直接对标本采样，并将摄取的彩色显微图像输入图像分析系统，待显微图像完成格式转化后，对获取的图像进行图像增强及滤波等预处理，然后提取或分割图像目标，再对得到的显微图像目标系列参数如最大直径、最大横切面、周长、体积、不规则参数等进行分析测定，得到各参数的像素及特性并进行下一步分析；在获取或传输时中药材显微图像时，因外界干扰或传输信道，解码处理等因素不免会产生脉冲噪声对中药材显微图像干扰和损坏，从而导致图像质量下降，严重影响特征提取及模式识别等后续图像处理环节。
目前中药材显微图像噪声滤除方法还存在以下不足：
(1)由于我国中药材资源丰富、来源广泛、种类繁多、形态各异，其组织结构具有多样性，由此形成的显微图像具有复杂性和特殊性，其显微图像目标和背景常常混合交叠；在显微图像获取或传输的过程中当有脉冲噪声干扰混入图像信息中时，在目标、背景与噪声点的定位时造成了一定的难度，在被脉冲噪声污染的中药材图像中如何区分出目标信息、准确地找出噪声干扰点，这是解决滤波问题的关键点之一；虽然有些学者在普通图像的滤波中先对含噪图像的目标像素、噪点像素进行了检测分类，再对噪声像素进行滤波处理，在去噪性能上有所提高，但对噪声点的定位过分依赖于阈值的选取，不利于自动噪点检测，自适应能力差；目前在中药材显微图像的滤波中也没有相关研究方法；
(2)脉冲噪声是一种典型的噪声类型，当其干扰或污染到中药材显微图像时，必须在滤除它的同时如何尽可能地保护复杂中药材显微图像边缘和丰富的细节等信息，目前可利用在图像处理领域的相关技术有：传统中值滤波或基于中值滤波的改进方法、维纳滤波法、小波去噪方法以及数学形态滤波等方法，这些虽能达到一定的去噪效果,但会出现对部分噪点的误检，以及破坏和丢失相对于滤波窗口尺寸较小的图像细节；另外，随着噪声的增加，滤波性能也会变得很差。
选用适宜的灭菌方法制备中药制剂，一直是药厂不断探索的重要课题。随着对药品质量管理的不断加强，对中药的卫生指标也提出来更好的要求。
传统的杀菌多采用温热灭菌法，将待灭菌的中药材置于灭菌柜内利用高压饱和蒸汽、过热水喷淋等手段使微生物菌体中的蛋白质，核酸发生变性而杀灭微生物的方法，是最广泛的灭菌方法，也有一些采用远红外杀菌装置。
但是现有的中药材杀菌系统存在以下缺点：一是温度、湿度和压力控制不精准，导致杀菌效果差；二是能量利用率低，导致能量大部分散发；三是智能化程度低，不能进行远程操控。中药材综合质量的快速检测差，导致对不同药材不能采取相应杀菌方法，而且目前中药材显微图像噪声滤除存在的不利于自动噪点检测，自适应能力差，噪声去除和滤波性能存在矛盾
技术实现要素：
本发明为解决现有的杀菌效果差、能量利用率低和智能化程度低，中药材综合质量的快速检测差，导致对不同药材不能采取相应杀菌方法，而且目前中药材显微图像噪声滤除存在的不利于自动噪点检测，自适应能力差，噪声去除和滤波性能存在矛盾的技术问题而提供一种中药材灭菌系统。
本发明为解决公知技术中存在的技术问题所采取的技术方案是：一种中药材灭菌系统，该中药材灭菌系统包括：
用于对灭菌箱内中药材成分进行检测的红外光谱模块；
所述红外光谱模块在室温下用红外光谱仪对灭菌箱内中药材进行扫描，采集所有样本的红外光谱，每个样本平均分成两份，每份重复扫描五次，取平均值为吸收值，获得中药材样本集的红外光谱，其中一大部分样本作为校正集样本，用于建立近红外光谱校正模型，另一部分作为检验集样本，用以检验模型的预测结果；
用标准分析方法测定样本中指标性成分的含量，然后，将含量数据同样本光谱预处理后的红外光谱相结合，采用偏最小二乘回归PLS方法对光谱进行分析，建立红外光谱校正模型；
建立红外光谱校正模型包括：先把浓度矩阵和光谱矩阵分解成载荷矩阵和得分矩阵，然后做主成分分析，滤除光谱矩阵和浓度矩阵中的噪声，最后，利用回归分析求出关联系数矩阵，并将浓度矩阵信息引入光谱矩阵分解过程中，在计算一个新成分之前，将浓度得分矩阵和光谱得分矩阵进行交换，使光谱矩阵主成分和浓度矩阵关联，其关联式为：A＝TP+E，
其中A为光谱矩阵主成分吸收值矩阵，T为A矩阵的得分矩阵，P为A矩阵的载荷矩阵，E为系统模型不能解释的随机误差矩阵；各样本中各组分浓度数据构成浓度矩阵C：C＝UQ+F，其中U为C矩阵的得分矩阵，Q为C矩阵的载荷矩阵，F为系统模型不能解释的随机误差矩阵；U＝TB，B为一对角矩阵：C＝TB Q+F，对于未知样本，由未知样本的矩阵A未知利用A＝TP的关系及其在校正步骤中存储的P，算出T未知，继而与校正步骤中存储的B求出U，由存储的Q，求出C未知；
扫描检验集样本的近红外图谱，将该图谱输入所建立的定量分析模型，预测出检验集样本的指标性成分含量，与用标准分析方法测得之值进行比较，来评价红外光谱校正模型，评价参数有：
1)内部交叉验证决定系数R2：R2越接近1，表示校正模型的预测值与标准对照方法分析值之间的相关性越强；2)交叉检验误差均方根为：该RMSECV值表示预测值与实际值间的偏差，RMSECV愈小，红外光谱校正模型的预测精度愈高；3)预测误差均方根RMSEP为：上式中：Ci为标准分析方法测量值；Ci’为通过红外光谱校正模型的预测值；Cm为Ci均值；n为校正集样本数；p为主成分数，即Rank值；m为检验集样本数；采集未知样本的红外光谱，用建立的红外光谱校正模型预测出该未知中药材样本中指标性成分的含量；
用于对灭菌箱内腔的温度进行采集的温度传感器；
用于对灭菌箱内腔的湿度进行采集的湿度传感器；
用于对灭菌箱内腔的压力进行采集的压力传感器；
分别与温度传感器、湿度传感器、压力传感器和红外光谱模块相连接，用于对接收的数据进行分析和处理的PLC控制器；
所述PLC控制器对红外光谱模块预测的未知中药材样本中指标性成分的含量的图像采用适合处理组织类图像信息的脉冲耦合神经网络模型对未知中药材显微图像进行检测；未知中药材显微图像受到密度较小的脉冲噪声污染通过自适应加权滤波处理；未知中药材微图像受到密度较大的脉冲噪声污染采用保持边缘细节信息的引入双结构元素数学形态学进行二次滤波；
适合处理组织类图像信息的脉冲耦合神经网络模型为：
Fij[n]＝Sij；Uij[n]＝Fij[n](1+βij[n]Lij[n])；θij[n]＝θ0e-αθ(n-1)；其中，βij[n]为自适应链接强度系数；Sij、Fij[n]、Lij[n]、Uij[n]、θij[n]分别为输入图像信号、反馈输入、链接输入、内部活动项及动态阈值，Nw为所选待处理窗口W中的像素总数，Δ为调节系数，选取1～3；
脉冲耦合神经网络模型对未知中药材显微图像进行检测时，利用网络特性使灰度为Sijmax的像素点火激活，再进行第二次脉冲耦合神经网络迭代处理，把介于[Sijmax/1+βijLij,Sijmax]间的像素捕获激活，使两次激活的像素点对应的Y ij输出为1；然后对原噪声污染图像反白处理，再对处理后的图像S ij按前述进行迭代处理，并使对应的输出Yij＝1，利用图像噪声像素与周围像素相关性小，灰度差别大特性，当一个神经元的激发没有引起所在区域附近大多数神经元的激发时，就说明该神经元对应像素可能是噪声点；初步甄别出Yij＝0对应的像素点为未知中药材显微图像的信号点，予以保护；对Yij输出为1的像素点在3*3模板B范围内统计以输出Yij＝1为中心邻域元素值为1的个数NY判别归类：1≤NY≤8，为噪声点，当NY＝9，判定为图像像素点。
与PLC控制器相连接，用于对灭菌箱内腔的中药材进行灭菌的远红外石英加热管；
与PLC控制器相连接，用于进行操作的操作显示屏；
与PLC控制器通过驱动控制器相连接，用于对灭菌箱进行旋转的旋转电机；
与PLC控制器通过驱动控制器相连接，用于对灭菌箱内部的中药材进行搅拌的搅拌机；
与PLC控制器通过驱动控制器相连接，用于对灭菌箱进行循环风加热的鼓风机；
与PLC控制器相连接，用于发射和接收无线信号的无线射频收发模块；
与无线射频收发模块通过GPRS无线网络无线连接，用于进行远程控制的外部设备。
进一步，样本光谱预处理包括：
A、平滑处理：受各种因素的影响，红外光谱仪所测得的光谱数据不可避免地伴随着随机误差和噪声，得到往往是一条不光滑的曲线，平滑能降低高频随机噪声，方法是用平均窗口平滑方法、中位值平滑方法、Savitsky-Golay平滑方法的一种将各数据点的值按权重在自身和临近点重新分配，得到较光滑的曲线；
B、导数处理：对中药材样本扫描时，由于制样条件和仪器参数对光谱的影响，谱图发生光谱基线的线性平移、线性倾斜，随着波数的变小差谱值规律上升，以及图谱的其它变形，用导数法消除信号中含有的低频背景和常数项，降低高次项的幂次，从而使高频信号显现出来，其中，一阶导数法以消除光谱基线的线性平移，二阶导数法以消除光谱基线的线性倾斜；
C、散射校正法：在近红外漫反射光谱分析中，测量对象的固体颗粒度、晶形等物理性质的不同，也会导致谱图的差异，用多元散射校正MSC消除由于样品表面性质差异和颗粒尺寸大小不同带来的光谱漂移；
D、矢量归一化法：近红外光谱仪器的本底光谱的频率-强度响应曲线应该为矩形曲线，即各频率处的光强都相等，在这种情况下测得的吸收光谱将真实的反映物质的吸收特性，但实际上这是不存在的，因为受各种因素影响，光谱响应曲线远不是一个矩形，光谱仪测得的光谱需要进行归一化处理，使测得的各光谱带的相对强度与真实光谱带的相对强度一致，方法是在样本室中不放置任何样本，首先测定一个本底光谱M，再测定样本的光谱N，然后N除以M，得到归一化的样本图。
进一步，未知中药材显微图像自适应加权滤波器噪声滤波的实现方法为；
当脉冲输出Yij＝1且NY＝1～8，NY是当在3*3模板B中为1个数，选取滤波窗口M，对噪声污染图像fij的自适应滤波，滤波方程为：
式中，xrs是滤波窗口中对应像素的系数，Srs为滤波窗口中对应像素的灰度值，fij为滤波后对应窗口中心位置的输出值：
式中Dij为方形滤波窗口M中像素灰度中值，Ωij滤波窗口各像素与中心灰度差绝对均值，max为求最大值符号；
选取滤波窗口M选取大小为m*m的滤波窗口M，窗口大小的选取原则
是：
双结构元素数学形态学第二级滤波的具体方法：
残留脉冲噪声的中药材显微图像为f，E为结构元素SE，则膨胀有如下关系式：
式中为膨胀运算符，F和G分别是f和E的定义域，x-z为位移参数；
上式膨胀关系是将与物体接触的所有背景点都合并到物体中，使边界向外部扩张的过程，填补物体中的洞孔；
上式Θ为腐蚀运算符，腐蚀是消除边界点，边界向内部收缩，同时在腐蚀膨胀的基础上，再结合形态学的开闭运算：
进一步，所述PLC控制器与电源模块相连接，用于提供电源；所述灭菌箱的前侧面上安装有蜂鸣器和警示灯，蜂鸣器和警示灯均通过导线与PLC控制器相连接。
进一步，所述操作显示屏具体采用多点触控的电容式触摸屏。
进一步，所述旋转电机和搅拌机具有不同的旋转方向。
进一步，所述外部设备包括电脑、手机等具有网络连接功能的电子产品。
进一步，所述灭菌箱的夹层中充填有硅酸盐棉材料构件。
本发明具有的优点和积极效果是：该中药材灭菌系统通过温度传感器、湿度传感器和压力传感器对灭菌箱内腔的温度、湿度和压力进行检测，并实时传输到PLC控制器，通过PLC控制器向远红外石英加热管发送命令实现准确杀菌，通过旋转电机带动灭菌箱的旋转，加上搅拌机的旋转，实现中药材内部的搅拌，杀菌效果好，杀菌效率高；通过鼓风机的设置，使得热量的利用率大大提高；外部设备通过无线射频收发模块与PLC控制器连接，可进行远程操控。
本发明首先建立校正模型，方法是收集中药材样本作为校正集样本，采集样本的红外(NIR)漫反射光谱，并对所得光谱进行预处理，然后用常规方法中与样品相对应的检测方法测得其指标性成分含量，将图谱与指标性成分含量相结合，采用适合于中药成分分析的化学计量学方法建立定量分析模型，将待测样品粉碎后扫描其红外光谱图，将图谱输入定量分析模型，即可测得该中药材中指标性成分的含量，对不同的不同药材采取相应杀菌方法，整个过程所需时间短、速度快、准确，可在线测量，提高生产效率，大大节省了人力和物力，能产生巨大经济和社会效益。
本发明是图像信息处理技术对传统中医药进行现代检测识别预处理应用技术的分析，为信息时代中药材“传统”与“现代”分析检测相结合提供全新的技术思路与方法，给现代中药材无接触、无损伤信息检测分析进行有益的探索，为下一步提高中药材质量检测、识别、杀菌处理与鉴定奠定前期基础；同时，对于我国中药材检测识别与分析具有重要的理论意义和应用价值；
本发明在中药材显微图像脉冲噪声检测阶段，本发明利用脉冲耦合神经网络的同步脉冲发放特性区分定位脉冲噪声点和信号像素点位置，相对传统的基于中值检测或相关改进中值检测方法具有更高的噪点检测性能，相对于其他阈值噪点检测方法；本发明无需设定检测阈值，噪声错检率和漏检率低，噪声检测精度较高；同时，相对于其他噪声迭代检测方法；本发明方法检测时间短，自动性强；目前还没有任何脉冲噪声检测方法应用在中药材显微图像脉冲噪声的检测中；在中药材显微图像脉冲噪声滤除阶段，本发明首先根据上述检测出的噪点和信号点，对图像像素进行分类处理；在利用第一级自适应加权滤波时只对检出的噪声点进行滤波处理，相对于其他中值滤波、维纳滤波等方法在有效滤除噪点的同时保护了信号点信息；在第二级数学形态学滤波时是对前级滤波中漏掉的相关噪点进行补充辅助滤除，在去噪的同时不但能有效滤除噪声干扰，而且能很好地保护图像边缘细节等信息；本发明具有较强的主观视觉效果和客观评价指标，去噪能力强、信噪比高和适应性好，特别是对受严重噪声污染的中药材显微图像，显示了更大的滤波优越性。
附图说明
图1是本发明实施例提供的中药材灭菌系统的示意图；
图2是本发明实施例提供的红外光谱模块连接示意图。
图中：1、温度传感器；2、湿度传感器；3、压力传感器；4、PLC控制器；5、远红外石英加热管；6、操作显示屏；7、驱动控制器；8、旋转电机；9、搅拌机；10、鼓风机；11、无线射频收发模块；12、外部设备；13、电源模块；14、蜂鸣器；15、警示灯；16、红外光谱模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
下面结合图1和图2对本发明的应用原理作详细的描述。
该中药材灭菌系统包括：
用于对灭菌箱内中药材成分进行检测的红外光谱模块16；
所述红外光谱模块在室温下用红外光谱仪对灭菌箱内中药材进行扫描，采集所有样本的红外光谱，每个样本平均分成两份，每份重复扫描五次，取平均值为吸收值，获得中药材样本集的红外光谱，其中一大部分样本作为校正集样本，用于建立近红外光谱校正模型，另一部分作为检验集样本，用以检验模型的预测结果；
用标准分析方法测定样本中指标性成分的含量，然后，将含量数据同样本光谱预处理后的红外光谱相结合，采用偏最小二乘回归PLS方法对光谱进行分析，建立红外光谱校正模型；
建立红外光谱校正模型包括：先把浓度矩阵和光谱矩阵分解成载荷矩阵和得分矩阵，然后做主成分分析，滤除光谱矩阵和浓度矩阵中的噪声，最后，利用回归分析求出关联系数矩阵，并将浓度矩阵信息引入光谱矩阵分解过程中，在计算一个新成分之前，将浓度得分矩阵和光谱得分矩阵进行交换，使光谱矩阵主成分和浓度矩阵关联，其关联式为：A＝TP+E，
其中A为光谱矩阵主成分吸收值矩阵，T为A矩阵的得分矩阵，P为A矩阵的载荷矩阵，E为系统模型不能解释的随机误差矩阵；各样本中各组分浓度数据构成浓度矩阵C：C＝UQ+F，其中U为C矩阵的得分矩阵，Q为C矩阵的载荷矩阵，F为系统模型不能解释的随机误差矩阵；U＝TB，B为一对角矩阵：C＝TB Q+F，对于未知样本，由未知样本的矩阵A未知利用A＝TP的关系及其在校正步骤中存储的P，算出T未知，继而与校正步骤中存储的B求出U，由存储的Q，求出C未知；
扫描检验集样本的近红外图谱，将该图谱输入所建立的定量分析模型，预测出检验集样本的指标性成分含量，与用标准分析方法测得之值进行比较，来评价红外光谱校正模型，评价参数有：
1)内部交叉验证决定系数R2：R2越接近1，表示校正模型的预测值与标准对照方法分析值之间的相关性越强；2)交叉检验误差均方根为：该RMSECV值表示预测值与实际值间的偏差，RMSECV愈小，红外光谱校正模型的预测精度愈高；3)预测误差均方根RMSEP为：上式中：Ci为标准分析方法测量值；Ci’为通过红外光谱校正模型的预测值；Cm为Ci均值；n为校正集样本数；p为主成分数，即Rank值；m为检验集样本数；采集未知样本的红外光谱，用建立的红外光谱校正模型预测出该未知中药材样本中指标性成分的含量；
用于对灭菌箱内腔的温度进行采集的温度传感器1；
用于对灭菌箱内腔的湿度进行采集的湿度传感器2；
用于对灭菌箱内腔的压力进行采集的压力传感器3；
分别与温度传感器1、湿度传感器2、红外光谱模块16和压力传感器3相连接，用于对接收的数据进行分析和处理的PLC控制器4；所述PLC控制器对红外光谱模块预测的未知中药材样本中指标性成分的含量的图像采用适合处理组织类图像信息的脉冲耦合神经网络模型对未知中药材显微图像进行检测；未知中药材显微图像受到密度较小的脉冲噪声污染通过自适应加权滤波处理；未知中药材微图像受到密度较大的脉冲噪声污染采用保持边缘细节信息的引入双结构元素数学形态学进行二次滤波；
适合处理组织类图像信息的脉冲耦合神经网络模型为：
Fij[n]＝Sij；Uij[n]＝Fij[n](1+βij[n]Lij[n])；θij[n]＝θ0e-αθ(n-1)；其中，βij[n]为自适应链接强度系数；Sij、Fij[n]、Lij[n]、Uij[n]、θij[n]分别为输入图像信号、反馈输入、链接输入、内部活动项及动态阈值，Nw为所选待处理窗口W中的像素总数，Δ为调节系数，选取1～3；
脉冲耦合神经网络模型对未知中药材显微图像进行检测时，利用网络特性使灰度为Sijmax的像素点火激活，再进行第二次脉冲耦合神经网络迭代处理，把介于[Sijmax/1+βijLij,Sijmax]间的像素捕获激活，使两次激活的像素点对应的Y ij输出为1；然后对原噪声污染图像反白处理，再对处理后的图像S ij按前述进行迭代处理，并使对应的输出Yij＝1，利用图像噪声像素与周围像素相关性小，灰度差别大特性，当一个神经元的激发没有引起所在区域附近大多数神经元的激发时，就说明该神经元对应像素可能是噪声点；初步甄别出Yij＝0对应的像素点为未知中药材显微图像的信号点，予以保护；对Yij输出为1的像素点在3*3模板B范围内统计以输出Yij＝1为中心邻域元素值为1的个数NY判别归类：1≤NY≤8，为噪声点，当NY＝9，判定为图像像素点。
与PLC控制器4相连接，用于对灭菌箱内腔的中药材进行灭菌的远红外石英加热管5；
与PLC控制器4相连接，用于进行操作的操作显示屏6；
与PLC控制器4通过驱动控制器7相连接，用于对灭菌箱进行旋转的旋转电机8；
与PLC控制器4通过驱动控制器7相连接，用于对灭菌箱内部的中药材进行搅拌的搅拌机9；
与PLC控制器4通过驱动控制器7相连接，用于对灭菌箱进行循环风加热的鼓风机10；
与PLC控制器4相连接，用于发射和接收无线信号的无线射频收发模块11；
与无线射频收发模块11通过GPRS无线网络无线连接，用于进行远程控制的外部设备12。
进一步，所述PLC控制器4与电源模块13相连接，用于提供电源。
进一步，所述灭菌箱的前侧面上安装有蜂鸣器14和警示灯15，蜂鸣器14和警示灯15均通过导线与PLC控制器4相连接。
样本光谱预处理包括：
A、平滑处理：受各种因素的影响，红外光谱仪所测得的光谱数据不可避免地伴随着随机误差和噪声，得到往往是一条不光滑的曲线，平滑能降低高频随机噪声，方法是用平均窗口平滑方法、中位值平滑方法、Savitsky-Golay平滑方法的一种将各数据点的值按权重在自身和临近点重新分配，得到较光滑的曲线；
B、导数处理：对中药材样本扫描时，由于制样条件和仪器参数对光谱的影响，谱图发生光谱基线的线性平移、线性倾斜，随着波数的变小差谱值规律上升，以及图谱的其它变形，用导数法消除信号中含有的低频背景和常数项，降低高次项的幂次，从而使高频信号显现出来，其中，一阶导数法以消除光谱基线的线性平移，二阶导数法以消除光谱基线的线性倾斜；
C、散射校正法：在近红外漫反射光谱分析中，测量对象的固体颗粒度、晶形等物理性质的不同，也会导致谱图的差异，用多元散射校正MSC消除由于样品表面性质差异和颗粒尺寸大小不同带来的光谱漂移；
D、矢量归一化法：近红外光谱仪器的本底光谱的频率-强度响应曲线应该为矩形曲线，即各频率处的光强都相等，在这种情况下测得的吸收光谱将真实的反映物质的吸收特性，但实际上这是不存在的，因为受各种因素影响，光谱响应曲线远不是一个矩形，光谱仪测得的光谱需要进行归一化处理，使测得的各光谱带的相对强度与真实光谱带的相对强度一致，方法是在样本室中不放置任何样本，首先测定一个本底光谱M，再测定样本的光谱N，然后N除以M，得到归一化的样本图。
进一步，未知中药材显微图像自适应加权滤波器噪声滤波的实现方法为；
当脉冲输出Yij＝1且NY＝1～8，NY是当在3*3模板B中为1个数，选取滤波窗口M，对噪声污染图像fij的自适应滤波，滤波方程为：
式中，xrs是滤波窗口中对应像素的系数，Srs为滤波窗口中对应像素的灰度值，fij为滤波后对应窗口中心位置的输出值：
式中Dij为方形滤波窗口M中像素灰度中值，Ωij滤波窗口各像素与中心灰度差绝对均值，max为求最大值符号；
选取滤波窗口M选取大小为m*m的滤波窗口M，窗口大小的选取原则
是：
双结构元素数学形态学第二级滤波的具体方法：
残留脉冲噪声的中药材显微图像为f，E为结构元素SE，则膨胀有如下关系式：
式中为膨胀运算符，F和G分别是f和E的定义域，x-z为位移参数；
上式膨胀关系是将与物体接触的所有背景点都合并到物体中，使边界向外部扩张的过程，填补物体中的洞孔；
上式Θ为腐蚀运算符，腐蚀是消除边界点，边界向内部收缩，同时在腐蚀膨胀的基础上，再结合形态学的开闭运算：
进一步，所述操作显示屏6具体采用多点触控的电容式触摸屏。
进一步，所述旋转电机8和搅拌机9具有不同的旋转方向。
进一步，所述外部设备12包括电脑、手机等具有网络连接功能的电子产品。
进一步，所述灭菌箱的夹层中充填有硅酸盐棉材料构件。
下面结合工作原理对本发明的结构作进一步的描述。
通过温度传感器1、湿度传感器2和压力传感器3对灭菌箱内腔的温度、湿度和压力进行检测，并实时传输到PLC控制器4，通过PLC控制器4向远红外石英加热管5发送命令实现准确杀菌，通过旋转电机8带动灭菌箱的旋转，加上搅拌机9的旋转，实现中药材内部的搅拌，杀菌效果好，杀菌效率高；通过鼓风机10的设置，使得热量的利用率大大提高；外部设备12通过无线射频收发模块11与PLC控制器4连接，可进行远程操控，当杀菌进程结束后，PLC控制器4通过蜂鸣器14和警示灯15发出声光讯号，以提示中药材杀菌进程。
下面结合具体实施例对本发明的应用原理作进一步描述。
连翘药材浸出物定量分析模型的建立与检验：
1)、建模波段的选择及预处理
通过TQ数据处理软件，用光谱预处理的一阶导数法对光谱图进行波长优选，确定波长区间为4516.19-7058.19cm-1；
2)、浸出物的含量测定
采用《中国药典》收载的冷浸法测定连翘药材中醇溶性浸出物含量，将连翘样本粉碎，取粉末4g，置250ml的锥形瓶中，加入质量浓度为65％乙醇100ml，密塞，冷浸，前6小时内时时振摇，再静置18小时，用干燥滤器迅速滤过，吸取滤液20ml，置已干燥的蒸发皿中，在水浴上蒸干后，于105℃干燥3小时，移至干燥器中，冷却30分钟，迅速称定重量，计算连翘样本中醇溶性浸出物的百分数；
3)、建立连翘药材浸出物定量分析模型：
选择100份连翘样本中的78份样本作为校正集样本，将冷浸法测得的醇溶性浸出物含量数据同其近红外光谱数据相结合，用偏最小二乘(PLS)回归方法建立定量分析模型，确定最佳主成份数为7，经校正样本集进行内部交叉验证得RMSECV＝1.78，R2＝0.96；
4)、模型的检验：
将100份连翘样本中的22份样本作为检验集样本，扫描检验集样本的红外光谱，将光谱输入所建连翘药材浸出物定量分析模型，得到预测值，与用冷浸法测得的值相比较，来评价该定量分析模型；用检验集样本进行外部验证，得红外光谱法预测值与冷浸法测定值之间的相关系数为0.97，RMSEP＝1.65。
本发明，经以上结果表明，通过建立多元校正模型，NIR光谱分析方法可以对中药材中的指标性成分含量进行有效检测，红外光(NIR)是指波长在780～2526nm范围内的电磁波，记录的主要是含氢基团X-H(X＝C、N、O)振动的倍频和合频吸收，不同基团或同一基团在不同化学环境中的吸收波长与强度都有明显差别，中药材中的有效部位几乎在此区域都有吸收，因此，NIR非常适合于中药材的质量检测，该方法只需要简单的样品处理，同标准方法相比，可以节省大量的分析时间和花费，适用于大部分中药材指标性成分含量的快速检测，是一种方便、快速、无损的绿色分析技术，经济和社会效益巨大。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。
- 还没有人留言评论。精彩留言会获得点赞！