一种基于深度学习的颗粒底喷包衣装置及其控制方法

文档序号:1823027 发布日期:2021-11-12 浏览:23次 >En<

阅读说明:本技术 一种基于深度学习的颗粒底喷包衣装置及其控制方法 (Particle bottom-spraying coating device based on deep learning and control method thereof ) 是由 孔松涛 刘池池 史勇 谢义 郑袁 王松 彭博 蒋思楠 王堃 于 2021-07-06 设计创作,主要内容包括:本发明涉及药品制作设备技术领域,具体涉及一种基于深度学习的颗粒底喷包衣装置及其控制方法;储液箱与包衣桶固定连接,运输组件与包衣桶固定连接,喷头与运输组件连通,并位于包衣桶的内部,过滤框与安装板固定连接,并位于储液箱的内部,过滤网与过滤框固定连接,并位于过滤框的内侧壁,运送模块与包衣桶固定连接,并贯穿包衣桶的外侧壁,储存箱与包衣桶活动连接,通过在进行药品包衣过程中,多余包衣液经过过滤网过滤后流至储存箱内,实现处理包衣液进行循环利用的过程中,包衣液内的药品粉末,防止后续药品包衣质量降低。(The invention relates to the technical field of medicine manufacturing equipment, in particular to a particle bottom spraying coating device based on deep learning and a control method thereof; liquid reserve tank and capsule bucket fixed connection, transportation subassembly and capsule bucket fixed connection, the shower nozzle communicates with the transportation subassembly, and be located the inside of capsule bucket, filter frame and mounting panel fixed connection, and be located the inside of liquid reserve tank, filter screen and filter frame fixed connection, and be located the inside wall of filter frame, transport module and capsule bucket fixed connection, and run through the lateral wall of capsule bucket, bin and capsule bucket swing joint, through carrying out medicine coating in-process, unnecessary capsule liquid flows to the bin in after the filter screen filters, the in-process that cyclic utilization was carried out to the realization processing capsule liquid, the medicine powder in the capsule liquid, prevent that follow-up medicine coating quality from reducing.)

一种基于深度学习的颗粒底喷包衣装置及其控制方法

技术领域

本发明涉及药品制作设备技术领域,尤其涉及一种基于深度学习的颗粒底喷包衣装置及其控制方法。

背景技术

在湿法制药的生产工艺中,常常需要使用包衣机对一些药品颗粒进行包衣处理,底喷包衣的生产工序过程是,颗粒在包衣桶中被吹起,包衣液从包衣桶底部被喷入桶内,遇到颗粒并逐层均匀地包覆在颗粒或微丸表面,直至达成所需载药量,最终形成载药微丸。

目前在制药过程中,包衣液需循环利用,以便节约成本,但包衣液进行循环利用的过程中,药品粉末随包衣液一同循环,导致后续药品包衣质量降低。

发明内容

本发明的目的在于提供一种基于深度学习的颗粒底喷包衣装置及其控制方法,旨在解决现有技术中的包衣液进行循环利用的过程中,药品粉末随包衣液一同循环,导致后续药品包衣质量降低的技术问题。

为实现上述目的,本发明采用的一种基于深度学习的颗粒底喷包衣装置,所述基于深度学习的颗粒底喷包衣装置包括包衣桶、储液箱、进粒斗、运输组件、喷头、吹风组件、安装板、过滤框、过滤网、运送模块和储存箱,所述储液箱与所述包衣桶固定连接,并位于所述包衣桶的下方,且所述储液箱与所述包衣桶相连通,所述进粒斗与所述包衣桶固定连接,并贯穿所述包衣桶的外侧壁,所述运输组件与所述包衣桶固定连接,并依次贯穿所述包衣桶和所述储液箱,所述喷头与所述运输组件连通,并位于所述包衣桶的内部,所述吹风组件与所述包衣桶固定连接,并贯穿所述包衣桶的外侧壁,所述储液箱上具有安装槽,所述安装板与所述储液箱拆卸连接,并位于所述安装槽内,所述过滤框与所述安装板固定连接,并位于所述储液箱的内部,所述过滤网与所述过滤框固定连接,并位于所述过滤框的内侧壁,所述运送模块与所述包衣桶固定连接,并贯穿所述包衣桶的外侧壁,所述储存箱与所述储液箱活动连接。

在进行药品包衣过程中,多余包衣液经过所述过滤网过滤后流至所述储存箱内,实现处理包衣液进行循环利用的过程中,包衣液内的药品粉末,防止后续药品包衣质量降低。

其中,所述运输组件包括运输管和抽取泵,所述运输管依次贯穿所述包衣桶和所述储液箱,且所述运输管上设置有所述抽取泵,所述喷头与所述运输管的一端相连通。

通过所述运输管,将包衣液从所述储存箱运输至所述喷头处,并通过所述喷头,将包衣液喷洒至药品的表面。

其中,所述吹风组件包括风机和吹风管,所述风机与所述包衣桶固定连接,所述吹风管的一端与所述风机的输出端固定连接,所述吹风管的另一端贯穿所述包衣桶的外侧壁。

所述吹风管的一端与所述风机的输出端固定连接,气流通过所述吹风管吹向药品,使得药品吹起,并干燥包覆于药品的包衣液。

其中,所述运送模块包括运送管、转动组件、转轴和转动条,所述运送管与所述包衣桶固定连接,并位于所述包衣桶的内侧壁,所述转动组件与所述包衣桶固定连接,并位于所述包衣桶的内侧壁,所述转轴的一端与所述转动组件固定连接,并贯穿所述运送管,所述转动条与所述转轴固定连接,并围绕于所述转轴的外侧壁。

载药微丸掉落至所述运送管内,所述转动组件运作,驱动所述转轴转动,使得形成螺旋状的所述转动条转动,使得载药微丸从所述包衣桶内取出,以便生产人员储存。

其中,所述转动组件包括转动电机和减速机,所述转动电机与所述包衣桶固定连接,并位于所述包衣桶的内侧壁,所述减速机与所述转动电机的输出端固定连接,所述转轴的一端与所述减速机的输出端固定连接。

所述转动电机和所述减速机相配合,驱动所述转轴转动,使得形成螺旋状的所述转动条转动,使得载药微丸从所述包衣桶内取出,以便生产人员储存。

其中,所述基于深度学习的颗粒底喷包衣装置还包括把手,所述把手与所述安装板固定连接,并位于所述安装板的外侧壁。

生产人员手握所述把手,并施加拉力,取出所述安装板,带动所述过滤框和所述过滤网从所述储液箱内取出,此时生产人员可对所述过滤网上的药品粉末进行清理。

本发明还提供一种采用上述所述的一种基于深度学习的颗粒底喷包衣装置的控制方法,包括如下步骤:

将所述包衣桶的内部拍照取样,计算药品颗粒的大小;

根据药品颗粒密度计算药品颗粒质量,将药品颗粒尺寸和质量,与所述基于深度学习的颗粒底喷包衣装置对应的工艺参数,生成特征数组;

识别工艺参数数据,识别出异常的工艺参数,识别完成之后,将异常参数消除,并根据识别出的故障类型,调节相关参数,并匹配具体的调整方法至特征数组识别结果是正常工况。

本发明的一种基于深度学习的颗粒底喷包衣装置及其控制方法,所述储存箱内放置有包衣液,通过生产人员使用所述基于深度学习的颗粒底喷包衣装置进行药品包衣处理时,将药品放置于所述进粒斗内,同时控制所述运输组件和所述吹风组件运作,药品从所述进料斗进入至所述包衣桶内,所述吹风组件将药品吹起,所述运输组件将包衣液从所述储存箱运输至所述喷头处,并通过所述喷头,将包衣液喷洒至药品的表面,使得包衣液包覆于药品,在所述吹风组件的作用下,最终形成载药微丸,载药微丸掉落至所述运送模块内,并通过所述运送模块,从所述包衣桶内取出,以便生产人员储存,在包衣过程中,多余的包衣液从所述包衣桶与所述储液箱之间的连通处,流至所述过滤网处,通过所述过滤网上的小孔,包衣液流至所述储液箱内,且包衣液内的药品粉末被阻挡,防止药品粉末混合在包衣液内,影响后续药品包衣质量降低,当所述过滤网上药品粉末过多时,生产人员取出所述安装板,带动所述过滤框和所述过滤网从所述储液箱内取出,此时生产人员可对所述过滤网上的药品粉末进行清理,实现了处理包衣液进行循环利用的过程中,包衣液内的药品粉末,防止后续药品包衣质量降低。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。

图1是本发明的基于深度学习的颗粒底喷包衣装置的结构示意图。

图2是本发明的基于深度学习的颗粒底喷包衣装置的结构剖视图。

图3是本发明的图2的A处局部结构放大图。

图4是本发明的运送模块的结构示意图。

图5是本发明的基于深度学习的颗粒底喷包衣装置的右视图

图6是本发明的基于深度学习的颗粒底喷包衣装置的后视图

图7是本发明的基于深度学习的颗粒底喷包衣控制方法的步骤流程图。

100-基于深度学习的颗粒底喷包衣装置、1-包衣桶、2-储液箱、3-进粒斗、4-运输组件、5-喷头、6-吹风组件、7-安装板、8-过滤框、9-运送模块、21-安装槽、41-运输管、42-抽取泵、61-风机、62-吹风管、91-运送管、92-转动组件、93-转轴、94-转动条、101-过滤网、102-储存箱、103-把手、104-滑轨、105-滑块、106-引流板、921-转动电机、922-减速机、1061-引流槽。

具体实施方式

下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。

在本发明的描述中,需要理解的是,术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。

请参阅图1至图6,本发明提供了一种基于深度学习的颗粒底喷包衣装置100,所述基于深度学习的颗粒底喷包衣装置100包括包衣桶1、储液箱2、进粒斗3、运输组件4、喷头5、吹风组件6、安装板7、过滤框8、过滤网101、运送模块9和储存箱102,所述储液箱2与所述包衣桶1固定连接,并位于所述包衣桶1的下方,且所述储液箱2与所述包衣桶1相连通,所述进粒斗3与所述包衣桶1固定连接,并贯穿所述包衣桶1的外侧壁,所述运输组件4与所述包衣桶1固定连接,并依次贯穿所述包衣桶1和所述储液箱2,所述喷头5与所述运输组件4连通,并位于所述包衣桶1的内部,所述吹风组件6与所述包衣桶1固定连接,并贯穿所述包衣桶1的外侧壁,所述储液箱2上具有安装槽21,所述安装板7与所述储液箱2拆卸连接,并位于所述安装槽21内,所述过滤框8与所述安装板7固定连接,并位于所述储液箱2的内部,所述过滤网101与所述过滤框8固定连接,并位于所述过滤框8的内侧壁,所述运送模块9与所述包衣桶1固定连接,并贯穿所述包衣桶1的外侧壁,所述储存箱102与所述储液箱2活动连接。

在本实施方式中,所述储存箱102内放置有包衣液,生产人员使用所述基于深度学习的颗粒底喷包衣装置100进行药品包衣处理时,将药品放置于所述进粒斗3内,同时控制所述运输组件4和所述吹风组件6运作,药品从所述进料斗进入至所述包衣桶1内,所述吹风组件6将药品吹起,所述运输组件4将包衣液从所述储存箱102运输至所述喷头5处,并通过所述喷头5,将包衣液喷洒至药品的表面,使得包衣液包覆于药品,在所述吹风组件6的作用下,最终形成载药微丸,载药微丸掉落至所述运送模块9内,并通过所述运送模块9,从所述包衣桶1内取出,以便生产人员储存,在包衣过程中,多余的包衣液从所述包衣桶1与所述储液箱2之间的连通处,流至所述过滤网101处,通过所述过滤网101上的小孔,包衣液流至所述储液箱2内,且包衣液内的药品粉末被阻挡,防止药品粉末混合在包衣液内,影响后续药品包衣质量降低,当所述过滤网101上药品粉末过多时,生产人员取出所述安装板7,带动所述过滤框8和所述过滤网101从所述储液箱2内取出,此时生产人员可对所述过滤网101上的药品粉末进行清理,实现了处理包衣液进行循环利用的过程中,包衣液内的药品粉末,防止后续药品包衣质量降低。

进一步地,所述运输组件4包括运输管41和抽取泵42,所述运输管41依次贯穿所述包衣桶1和所述储液箱2,且所述运输管41上设置有所述抽取泵42,所述喷头5与所述运输管41的一端相连通。

在本实施方式中,所述抽取泵42运作,通过所述运输管41,将包衣液从所述储存箱102运输至所述喷头5处,并通过所述喷头5,将包衣液喷洒至药品的表面,使得包衣液包覆于药品,在所述吹风组件6的作用下,最终形成载药微丸。

进一步地,所述吹风组件6包括风机61和吹风管62,所述风机61与所述包衣桶1固定连接,所述吹风管62的一端与所述风机61的输出端固定连接,所述吹风管62的另一端贯穿所述包衣桶1的外侧壁。

在本实施方式中,所述风机61运作,产生气流,所述吹风管62的一端与所述风机61的输出端固定连接,气流通过所述吹风管62吹向药品,使得药品吹起,并干燥包覆于药品的包衣液。

进一步地,所述运送模块9包括运送管91、转动组件92、转轴93和转动条94,所述运送管91与所述包衣桶1固定连接,并位于所述包衣桶1的内侧壁,所述转动组件92与所述包衣桶1固定连接,并位于所述包衣桶1的内侧壁,所述转轴93的一端与所述转动组件92固定连接,并贯穿所述运送管91,所述转动条94与所述转轴93固定连接,并围绕于所述转轴93的外侧壁。

在本实施方式中,所述转动条94围绕于所述转轴93的外侧壁,形成螺旋状,载药微丸掉落至所述运送管91内,所述转动组件92运作,驱动所述转轴93转动,使得形成螺旋状的所述转动条94转动,使得载药微丸从所述包衣桶1内取出,以便生产人员储存。

进一步地,所述转动组件92包括转动电机921和减速机922,所述转动电机921与所述包衣桶1固定连接,并位于所述包衣桶1的内侧壁,所述减速机922与所述转动电机921的输出端固定连接,所述转轴93的一端与所述减速机922的输出端固定连接。

在本实施方式中,所述转动电机921运作,所述转动电机921和所述减速机922相配合,驱动所述转轴93转动,使得形成螺旋状的所述转动条94转动,使得载药微丸从所述包衣桶1内取出,以便生产人员储存。

进一步地,所述基于深度学习的颗粒底喷包衣装置100还包括把手103,所述把手103与所述安装板7固定连接,并位于所述安装板7的外侧壁。

在本实施方式中,当所述过滤网101上药品粉末过多时,生产人员手握所述把手103,并施加拉力,取出所述安装板7,带动所述过滤框8和所述过滤网101从所述储液箱2内取出,此时生产人员可对所述过滤网101上的药品粉末进行清理。

进一步地,所述基于深度学习的颗粒底喷包衣装置100还包括滑轨104和滑块105,所述滑轨104与所述储液箱2固定连接,并位于所述储液箱2的内侧壁,所述滑块105与所述过滤框8固定连接,并位于所述过滤框8的外侧壁,且所述滑块105设置与所述滑轨104内。

在本实施方式中,当所述过滤网101上药品粉末过多时,生产人员手握所述把手103,并施加拉力,取出所述安装板7,带动所述过滤框8和所述过滤网101从所述储液箱2内取出,在这个过程中,所述滑块105在所述滑轨104内移动,所述过滤网101上的药品粉末清理完毕后,生产人员手握所述把手103,将所述滑块105对准所述滑轨104,并施加推力,至所述安装板7处于所述安装槽21内,所述滑轨104和所述滑块105相配合,限定所述过滤框8移动轨迹,增加所述过滤框8移动时的稳定性,以便生产人员清理所述过滤网101上的药品粉末。

进一步地,所述基于深度学习的颗粒底喷包衣装置100还包括引流板106,所述引流板106上具有多条引流槽1061,所述引流板106与所述包衣桶1固定连接,并位于所述包衣桶1的内侧壁。

在本实施方式中,所述引流板106位于所述包衣桶1的内侧壁,当包衣液喷洒于所述引流板106上,通过所述引流板106上的所述引流槽1061,滴落至所述过滤网101处,防止包衣液在所述包衣桶1内结块。

请参阅图7,本发明还提供了一种采用上述所述的基于深度学习的颗粒底喷包衣装置的控制方法,包括如下步骤:

S1:将所述包衣桶1的内部拍照取样,计算药品颗粒的大小;

S2:根据药品颗粒密度计算药品颗粒质量,将药品颗粒尺寸和质量,与所述基于深度学习的颗粒底喷包衣装置100对应的工艺参数,生成特征数组;

S3:识别工艺参数数据,识别出异常的工艺参数,识别完成之后,将异常参数消除,并根据识别出的故障类型,调节相关参数,并匹配具体的调整方法至特征数组识别结果是正常工况。

其中,第一步创建实验数据集,通过实验对包衣过程进行实验,分别对进风风量偏小、进风风量偏大、进风温度偏小、进风温度偏大、喷液速度偏小、喷液速度偏大以及正常运行这七种工艺情况导致的故障进行数据采集,每种故障分别采集1000组,一共采集7000组数据,当作训练数据集,为了方便表述,将进风风量偏小、进风风量偏大、进风温度偏小、进风温度偏大、喷液速度偏小、喷液速度偏大,对数据编号分类完成之后,确定输入的工艺特征数量,暂时确定输入特征包括:进风风量、进风温度、进风湿度、喷液速度、雾化压力、进料速度、环境温度、颗粒大小、颗粒质量,一共九个特征,组成特征数组F=[X1,X2,X3,X4,X5,X6,X7,X8,X9],对于工况,特征数量越多,模型对包衣工艺的参数考虑越完备,后续可以增加其他特征数量,并且不断增加其他故障类型,第二步是创建神经网络模型,选择拥有特征提取能力的卷积神经网络,作为包衣异常工况识别的模型,首先创立一维卷积神经网络模型,输入尺寸为9,输出尺寸为6;然后再接第二个卷积层,输入尺寸为6,输出尺寸为3,最后接一层向量机,因参数数量较少,不设池化层,深度学习识别模型创建完成和训练完成之后,对包衣过程的异常工况识别就实现了。后续的控制在深度学习识别模型上完成,识别出异常的参数,将常用的调控参数:进风风量、进风温度、喷液速度的增大和减小当作行为,以识别出的故障类型相匹配,设计出与识别出的故障对应的六种调控行为,相机从带标尺的所述包衣桶1内部拍照取样,计算机使用测粒软件根据标尺计算颗粒的大小,并根据颗粒密度计算颗粒质量,将颗粒尺寸和质量,与所述基于深度学习的颗粒底喷包衣装置100对应的工艺参数,生成特征数组,当作工况传给训练好的识别模型,识别模型对工艺参数数据进行识别,识别出异常的工艺参数,识别完成之后,将异常参数消除,并根据识别出的故障类型,调大和调小相关参数,并匹配具体的调整方法,训练好的智能体生成新工艺参数,传送给所述基于深度学习的颗粒底喷包衣装置100,然后再进行识别,一次一个调控异常工况,直到特征数组识别结果是正常工况,从而使包衣过程的各个工艺参数,随着颗粒的增大与增重自动调节,使包衣过程始终保持正常运行状态,其中,若进风风量偏小,则调大进风风量;若进风风量偏大,则调小进风风量;若进风温度偏小,则调大进风温度;若进风温度偏大,则调小进风温度;若喷液速度偏小,则调大喷液速度;若喷液速度偏大,则调小喷液速度;若正常工况,则不改变参数。

以上所揭露的仅为本发明一种较佳实施例而已,当然不能以此来限定本发明之权利范围,本领域普通技术人员可以理解实现上述实施例的全部或部分流程,并依本发明权利要求所作的等同变化,仍属于发明所涵盖的范围。

12页详细技术资料下载
上一篇:一种医用注射器针头装配设备
下一篇:一种兼具多种喂药方式的临床护理喂药装置

网友询问留言

已有0条留言

还没有人留言评论。精彩留言会获得点赞!

精彩留言,会给你点赞!