機器視覺檢測技術(shù)及其在中藥智能制藥中的應(yīng)用展望

烙大餅

       機器視覺檢測技術(shù)及其在中藥智能制藥中的應(yīng)用展望 傳統(tǒng)中藥質(zhì)量控制以成品質(zhì)量檢驗為核心，存在制藥過程內(nèi)在規(guī)律模糊不清，生產(chǎn)過程監(jiān)管困難等問題，造成質(zhì)控成本較高，且不能持續(xù)有效的提高中藥質(zhì)量的困局?；凇百|(zhì)量是生產(chǎn)出來的，而不是檢驗出來的”現(xiàn)代質(zhì)量控制理念，需要探索的在線質(zhì)量檢測技術(shù)并建立快速、高效、無損的過程質(zhì)量檢測方法，在生產(chǎn)過程中密切關(guān)注關(guān)鍵質(zhì)量屬性，解決怎么測、測什么的問題。中藥產(chǎn)業(yè)鏈跨度大，從藥材種植、藥廠制劑到臨床使用，存在著大量隱性知識的使用和以人為主的生產(chǎn)物料轉(zhuǎn)移，分段式工藝布局形成割裂式控制導(dǎo)致大量數(shù)據(jù)分散累積為“信息孤島”，且生產(chǎn)過程動態(tài)變化、高度復(fù)雜又缺乏有效的檢測技術(shù)裝備，導(dǎo)致各流程關(guān)鍵節(jié)點的過程參數(shù)存在盲區(qū)。結(jié)合機器視覺檢測技術(shù)可部分解決上述問題，應(yīng)用機器視覺對從原料藥到成品的生產(chǎn)過程進行監(jiān)測，并從大量圖像數(shù)據(jù)中提取其蘊藏的豐富質(zhì)量信息，是中藥質(zhì)量控制技術(shù)創(chuàng)新發(fā)展的有效途徑。通過云端或者本地的“智能大腦”對視覺數(shù)據(jù)進行建模分析生成控制策略，優(yōu)化工藝參數(shù)，可解決中藥生產(chǎn)中的質(zhì)量持續(xù)提升問題。利用這種思路不僅可以節(jié)省勞動力，提高檢測速度和精度，實現(xiàn)產(chǎn)品的全檢，還將賦予制藥裝備新的智能決策能力。 機器視覺起初主要應(yīng)用于半導(dǎo)體制造、汽車裝配等行業(yè)。中國機器視覺起步較晚，一直到2006年，工業(yè)機器視覺開始逐漸應(yīng)用到印刷、食品生產(chǎn)等領(lǐng)域。雖然機器視覺并非新技術(shù)，但深度學(xué)習(xí)的快速發(fā)展使機器視覺能夠更精確、更高效地處理各種圖像問題。目前，機器視覺技術(shù)以其精確性好、可靠性高、可適應(yīng)環(huán)境多、持續(xù)工作時間長、生產(chǎn)效率高的特點，已在智慧城市、智慧礦山、智慧電網(wǎng)、智慧農(nóng)業(yè)等多個智能化領(lǐng)域中發(fā)揮了巨大作用，根據(jù)機器視覺所應(yīng)用感知對象的不同，對機器視覺在這些領(lǐng)域中的成功應(yīng)用案例和研究成果進行如表 1所示的總結(jié)，可以看出在不同的應(yīng)用領(lǐng)域，機器視覺應(yīng)用的感知對象主要集中于人、物料、生產(chǎn)狀態(tài)和整體環(huán)境，以下簡稱為人、物、態(tài)、環(huán)。本文將綜述基于機器視覺的生產(chǎn)監(jiān)測技術(shù)，并對其在中藥智能制藥中的應(yīng)用前景作出展望。 01、基于機器視覺的中藥生產(chǎn)數(shù)據(jù)感知關(guān)鍵技術(shù) 圖像傳感器是機器視覺技術(shù)應(yīng)用于中藥制造過程的眼睛，是中藥工業(yè)大數(shù)據(jù)的核心。待檢測物體經(jīng)光源照射后，由光學(xué)成像系統(tǒng)采集圖像信息，再利用圖像采集卡將光學(xué)圖像轉(zhuǎn)換生成可分析的數(shù)字圖像，這是機器視覺數(shù)據(jù)感知的過程。根據(jù)圖像傳感器獲取信息的方式不同，可分為電荷耦合器件（CCD）和互補金屬氧化物半導(dǎo)體（CMOS）兩種圖像傳感器類型。CCD傳感器相比于CMOS傳感器靈敏度和可拍攝分辨率都要更高，但成本也相對較高，且在環(huán)境下，由于CMOS傳感器制作時焊點與接頭較少，故其在工業(yè)復(fù)雜環(huán)境應(yīng)用的可靠性優(yōu)于CCD傳感器。通過圖像傳感器接口芯片，將所需發(fā)送的數(shù)據(jù)根據(jù)網(wǎng)絡(luò)通信協(xié)議轉(zhuǎn)換成標(biāo)準通信格式的數(shù)字信號，再由通信網(wǎng)絡(luò)，發(fā)送至服務(wù)器進行存儲或與其他系統(tǒng)進行通信。 隨著機器視覺技術(shù)在各智能領(lǐng)域的應(yīng)用普及，各種形式的圖像數(shù)據(jù)獲取技術(shù)也在快發(fā)展，如偏振成像對于傳統(tǒng)技術(shù)無法檢測的隱形材料具有很好地特征提取效果，可在高光下對產(chǎn)品缺陷進行檢測；嵌入式視覺在尺寸和功耗方面較低，在很多特殊的環(huán)境下都有較高的應(yīng)用價值；3D相機成像技術(shù)，不僅采集平面圖像信息，而且可以獲取目標(biāo)深度信息；還有多光譜成像技術(shù)，如現(xiàn)在在中藥質(zhì)量控制領(lǐng)域研究較多的高光譜成像技術(shù)，可提取目標(biāo)物在白光下可能無法檢測到的信息。 中藥制造過程需要關(guān)注不同種類的物料，如藥材、飲片，中間體（提取液、濃縮液、離心液等）、成品（片劑、丸劑、顆粒劑、注射劑等），要求圖像傳感器具備快速、靈敏、穩(wěn)定的特點。在選擇圖像傳感器時，需考慮到客觀環(huán)境因素，而且剛應(yīng)該關(guān)注采集到圖像數(shù)據(jù)所應(yīng)該包含的主要信息。采集哪些圖像，選擇哪種圖像傳感器，如何布置傳感器在中藥生產(chǎn)過程中的位置，決定了圖像數(shù)據(jù)質(zhì)量的好壞。 02、基于機器視覺的中藥生產(chǎn)數(shù)據(jù)分析關(guān)鍵技術(shù) 基于機器視覺的中藥工業(yè)圖像大數(shù)據(jù)中包含了大量信息，其中部分無關(guān)信息會大大影響數(shù)據(jù)的處理效率及有效特征的提取。需要借助開源計算機視覺庫（OpenCV）、HALCON（德國MVtec公司開發(fā)的機器視覺算法包）等圖像處理工具，將碎片化的圖像信息轉(zhuǎn)變?yōu)槌筛哔|(zhì)量、高密度的特征信息，然后利用模式識別、深度學(xué)習(xí)等方法，并結(jié)合中藥制藥專業(yè)理論知識和生產(chǎn)經(jīng)驗，建立可靠地視覺檢測模型，將過程數(shù)據(jù)可視化，為解決中藥生產(chǎn)難題提供決策力。 一般在進行圖像分析前需要進行圖像數(shù)據(jù)清洗，即將無關(guān)信息較多、不具有目標(biāo)特征代表性的圖像進行修剪、刪除，也可通高斯變換、傅里葉變換、小波降噪等方法減小圖片噪音。如果采集到的圖片量綱不同，可通過標(biāo)準化統(tǒng)一圖片尺寸，當(dāng)采用3D成像或多光譜成像技術(shù)采集圖像時，圖片維度較高，應(yīng)采取降維的方法對圖像進行處理，一般圖像分析需要將圖片處理為2維的灰度圖片。之后將進行圖像特征提取，一般特征提取需要用到輪廓提取、Canny算子檢測（由John F. Canny開發(fā)的多級邊緣檢測算法）、形態(tài)學(xué)變換等技術(shù)手段，這是中藥生產(chǎn)大數(shù)據(jù)分析中最重要的部分。中藥生產(chǎn)大數(shù)據(jù)多具有時序性、工序性、相關(guān)性等特點。從圖片中提取特征變量，不僅反映了中藥生產(chǎn)過程的關(guān)鍵屬性，而且有助于模型的建立和解釋，增強模型的預(yù)測性能，為中藥企業(yè)在機器視覺的應(yīng)用中創(chuàng)造核心競爭力。 03、機器視覺在中藥智能制藥領(lǐng)域中的應(yīng)用及展望 與其他領(lǐng)域相似，中藥生產(chǎn)同樣包括人、物、態(tài)、環(huán)4個感知對象。針對不同的感知對象，課題組提出如圖 1所示的基于機器視覺的中藥生產(chǎn)管理技術(shù)路線圖。 機器視覺+中藥生產(chǎn)中的“人” 人是中藥生產(chǎn)中過程中的不確定因素，人員的安全保障和規(guī)范化管理是中藥企業(yè)發(fā)展中的重要一環(huán)，利用現(xiàn)代信息技術(shù)技術(shù)對中藥生產(chǎn)中的“人”進行檢測是中藥企業(yè)智能化發(fā)展的關(guān)鍵一步。中藥生產(chǎn)中的“人”主要指生產(chǎn)線上的工作人員，將機器視覺應(yīng)用在“人”的檢測主要包括安全保障和規(guī)范管理兩個方面。 在安全保障方面，普遍存在于中藥生產(chǎn)線中的大量高溫高壓高轉(zhuǎn)速設(shè)備對員工的安全產(chǎn)生了潛在威脅，所以亟需建立一套人員安全預(yù)警系統(tǒng)來保障員工的生命安全。針對這個問題，可以通過機器視覺技術(shù)建立危險區(qū)域電子圍欄，當(dāng)工人靠近危險區(qū)域便及時提醒。類似的，在智慧城市領(lǐng)域有相關(guān)應(yīng)用，主要用到了方向梯度直方圖（HOG）特征提取及背景減除等技術(shù)手段。也可建立基于機器視覺手勢控制系統(tǒng)，在一定距離通過手勢控制完成設(shè)備操作，不僅實現(xiàn)了“人機合一”的真正物聯(lián)網(wǎng)，而且保障了工人的操作安全。比如在家電智能控制領(lǐng)域，趙樹言研究了7種常用手勢的人機交互，識別率達到79%，且交互工作效率達75%。除此之外，還應(yīng)該建立工人體態(tài)識別系統(tǒng)，如人體關(guān)鍵點的識別，對其不慎摔倒等狀況進行識別，在短時間內(nèi)對其進行救助。 在人員規(guī)范管理方面，工作人員的不規(guī)范操作是影響潔凈區(qū)衛(wèi)生狀態(tài)的因素之一，可根據(jù)目標(biāo)檢測的思維建立規(guī)范化操作視頻圖像庫，對不規(guī)范佩戴口罩，進入潔凈區(qū)不洗手等違規(guī)行為進行檢測識別，也可利用OpenPose（卡內(nèi)基梅隆大學(xué)開源項目）等人體關(guān)鍵點檢測技術(shù)及時發(fā)現(xiàn)違規(guī)行為并及時糾正，并且可以基于機器視覺對作業(yè)人員工作準則（SOP）進行量化，一方面規(guī)范行為操作，另一方面也將高質(zhì)量的操作流程記錄保存，解決隱性知識無法傳承的問題，為崗位人員更替提供依據(jù)和保障?？偟膩碚f，將機器視覺技術(shù)應(yīng)用到中藥生產(chǎn)中的“人”，就是解決生產(chǎn)過程中的人流合規(guī)化問題，即通過視覺識別的方式將工作人員的基本信息和其崗職能信息相聯(lián)系，預(yù)判可能發(fā)生的危險并防止無關(guān)工作人員進入危險區(qū)域，工況發(fā)生時，快速通知相關(guān)職能人員到現(xiàn)場實施設(shè)備復(fù)位。通過視覺信息匹配工作人員權(quán)限，進而控制規(guī)定工作人員可以到指定崗位完成其任務(wù)，以使工人在安全高效無接觸式的生產(chǎn)環(huán)境下完成其職能。 機器視覺+中藥生產(chǎn)中的“物” 中藥生產(chǎn)中的“物”包括藥材飲片、成品以及每個工序產(chǎn)生的中間體。在中藥飲片檢測方面，已有學(xué)者做出相關(guān)研究，其主流的思路一般分為“辨形”和“辨色”。侯青等通過簡單的閾值分割對葉片中氣孔數(shù)進行統(tǒng)計，為葉類中藥視覺檢測提供了支持；梁麗金等從防風(fēng)藥材的顯微圖像中提取木栓層、韌皮部、油管等主要形態(tài)結(jié)構(gòu)的特征，并對4個產(chǎn)地的防風(fēng)藥材進行了劃分；賈偉等通過Tamura方法比較研究了12種中藥飲片切面的6個特征參數(shù)，為基于機器視覺的中藥飲片檢測提供理論依據(jù)。研究表明，中藥的色澤與其藥性及有效成分的含量息息相關(guān)，另外，根據(jù)采收期、產(chǎn)地和炮制方法的不同，藥材的色澤也會表現(xiàn)出差異性。對于中藥材的質(zhì)量評價，由于顏色的波動往往要比形狀紋理的波動要小，故在傳統(tǒng)的藥材鑒定中，顏色往往是作為藥材質(zhì)量評價的最根本依據(jù)。周明運用斑點、輪廓、最小矩形面積和凸包檢測等算法先對異常飲片進行排除，再運用分水嶺、顏色直方圖等算法分析飲片表面顏色特征，進而對其進行等級判定，最終完成對大黃飲片的計算機視覺分析。錢丹丹等[66]對采集到的大棗飲片圖像進行面積、顏色H分量值和缺陷面積百分比的特征值提取，并以這3個特征值作為大棗品質(zhì)分級的特征參數(shù)輸入到樸素貝葉斯分類器進行優(yōu)、中、劣等級區(qū)分，識別率分別達到96%、92%、94%，高效、精確地完成分類工作，適應(yīng)大規(guī)模中藥飲片生產(chǎn)檢測，彌補了人工質(zhì)檢的不足。 在成品質(zhì)量的檢測方面，胡安翔[67]通過VIBE（一種視頻序列背景檢測與減影技術(shù)）和基于像素的自適應(yīng)分割器（PBAS）兩種背景減除算法聯(lián)合支持基向量機、反向傳播（BP）神經(jīng)網(wǎng)絡(luò)兩種分類器，并利用Faster-R-CNN及VGG16神經(jīng)網(wǎng)絡(luò)對中藥片劑進行缺陷檢測；劉君動等依托CIELab顏色空間實現(xiàn)了溶液的顏色檢測，提出了中藥注射劑的圖像檢測方法；姚冠宇等通過邊緣匹配定位口服液瓶，并采用兩幀差分法對輪廓中的異物進行檢測，可對中藥口服液中異物進行很好地識別。通過這些檢測方法中藥制劑成品檢測應(yīng)用中的一些空白，提高了中藥制劑成品質(zhì)檢的自動化程度，進而提升了中藥制劑安全性。 然而，中藥生產(chǎn)工序的復(fù)雜性決定了只在源頭和終點對其質(zhì)量進行控制是遠遠不夠的，對提取、濃縮等工序產(chǎn)生的中間體的質(zhì)量數(shù)據(jù)監(jiān)測同樣具有重要意義。目前常用的中間體質(zhì)量檢測方法大多是基于微觀有效成分的含量測定，檢測耗時費力且不具時效性，不能滿足在線檢測的需求。中藥制藥過程工藝繁多，通過機器視覺檢測技術(shù)，從宏觀角度檢測全過程物料變化規(guī)律，及時檢出物料異常狀態(tài)并對工藝參數(shù)進行修正，對中藥產(chǎn)品的一致性評價具有重要意義。而且通過視覺特征匹配，可以使生產(chǎn)物料、中間體及產(chǎn)品信息相關(guān)聯(lián)，解決物流自動合規(guī)運轉(zhuǎn)問題，再結(jié)合之前提到的“人”的機器視覺化，進而控制“物”由指定的“人”運往相對應(yīng)的位置。通過圖像視頻數(shù)據(jù)作為基礎(chǔ)，使物料加工信息化，實現(xiàn)物料生產(chǎn)質(zhì)量等多環(huán)節(jié)的統(tǒng)一管理以及生產(chǎn)過程質(zhì)量的可追溯。 機器視覺+中藥生產(chǎn)中的“態(tài)” 中藥生產(chǎn)中的“態(tài)”指狀態(tài)，包括設(shè)備的工作狀態(tài)和物料在生產(chǎn)過程中所處的狀態(tài)。由于中藥制藥行業(yè)智能化進程緩慢，我國大部分制藥企業(yè)仍處在工業(yè)2.0的水平，設(shè)備儀表為簡單的電子儀表或者指針式儀表，這類儀表不能直接輸出數(shù)字信號到數(shù)據(jù)收集系統(tǒng)，需要人工巡檢，手動記錄數(shù)據(jù)，不但耗時費力且存在主觀性問題。中國的電力系統(tǒng)同樣存在這些問題，不過再近些年的電網(wǎng)智能升級改造中，機器視覺技術(shù)大量被使用，在傳統(tǒng)指針式儀表檢測中，徐冬生采用Canny邊緣檢測，并進行Hough（1962年由Hough提出）直線檢測確定儀表指針位置已獲得讀數(shù)。劉楊等將機器人采集的儀表圖像通過Lucy-Richardson方法復(fù)原，運用同心圓環(huán)搜索法識別指針角度，比傳統(tǒng)的Hough變換算法計算量小且運行速度快，讀數(shù)效果好，在大幅降低人力成本的同時，避免了人工讀數(shù)帶來的誤差。這對指導(dǎo)中藥生產(chǎn)裝備智能升級具有很高的指導(dǎo)價值。 履帶的工作狀態(tài)也是值得關(guān)注的點，中藥生產(chǎn)裝備中存在大量履帶，如提取罐進料傳送帶、帶式干燥機干燥履帶等，履帶承載物重量過大、維護不及、轉(zhuǎn)速過高等都會導(dǎo)致安全問題。在智慧礦山領(lǐng)域存在同樣的問題，一些學(xué)者研究了基于機器視覺的傳送履帶智能控制方案，通過視頻數(shù)據(jù)，在對輸送帶進行工況監(jiān)測的同時對輸送量進行計算，并對傳輸速度進行智能調(diào)節(jié)，通過機器視覺監(jiān)測傳送履帶的各項視覺參數(shù)，可實時監(jiān)測設(shè)備的工作狀況并對其進行智能控制，節(jié)約企業(yè)能源的同時避免了意外發(fā)生。 此外，中藥生產(chǎn)過程包含大量物理化學(xué)反應(yīng)，需要掌握關(guān)鍵過程參數(shù)以控制產(chǎn)品質(zhì)量。但是由于一些生產(chǎn)設(shè)備具有高溫高壓高真空等特殊性質(zhì)使得過程參數(shù)無法準確測量只能通過工人的經(jīng)驗進行參數(shù)設(shè)置，這大大影響了產(chǎn)品質(zhì)量的一致性，也使企業(yè)擔(dān)負了更高的風(fēng)險。其實這些生產(chǎn)過程中的物化反應(yīng)大多都存在起泡、變色等現(xiàn)象，這些現(xiàn)象包含了大量的過程物料參數(shù)信息，通過機器視覺的方法將這些圖像數(shù)據(jù)收集起來，與溫度、濃度等物料參數(shù)進行比對分析，建立合理的控制模型，可對物料的狀態(tài)提前進行預(yù)測，以獲得設(shè)備控制參數(shù)。相關(guān)檢測建模方法在智慧礦山、核工業(yè)等領(lǐng)域都已成熟應(yīng)用。 通過機器視覺的方式將原本不可見的設(shè)備狀態(tài)可視化，彌補了生產(chǎn)過程關(guān)鍵工藝參數(shù)不可測的短板，而且以工位為單位實現(xiàn)了人、機、物的一體化，在保障生產(chǎn)質(zhì)量的同時，使企業(yè)獲得生產(chǎn)過程的關(guān)鍵工藝參數(shù)，這是中藥生產(chǎn)過程智能升級的根本，也是質(zhì)量數(shù)字化的關(guān)鍵。質(zhì)量數(shù)字不僅保證了藥品質(zhì)量的穩(wěn)定性和均一性，也將形成藥品企業(yè)的核心競爭力。 機器視覺+中藥生產(chǎn)中的“環(huán)” 中藥生產(chǎn)中的智能化最終要體現(xiàn)在“環(huán)”的檢測上，如車間人數(shù)統(tǒng)計、物料擺放位置、工具挪用情況等，這些信息的掌握對于企業(yè)生產(chǎn)資源的合理調(diào)度具有很大幫助。在智慧城市中，王敬仁等[15]通過樹莓派平臺搭建人臉識別系統(tǒng)實現(xiàn)地鐵人流量統(tǒng)計并進行分流預(yù)警，有效解決了擁堵問題。這對于中藥企業(yè)具有很好的借鑒意義。 在中藥智能倉庫的建設(shè)方面，要求通過機器視覺技術(shù)對藥材位置等信息準確統(tǒng)計，這屬于機器視覺測距定位及三維建模的范疇。如在智慧電網(wǎng)中的審計工作，肖琴等基于雙目視覺法的GRBD深度相機的研究了距離檢測方法和基于活動目標(biāo)追蹤的塔桿數(shù)量統(tǒng)計法。在中藥智能倉庫中，同樣存在測距和統(tǒng)計等任務(wù)，結(jié)合機器視覺技術(shù)可輕松獲取貨架的位置、貨架之間的距離以及貨物所在的貨位等信息，這對建立倉庫的立體三維模型具有很大幫助，通過機器視覺技術(shù)建立精確的中藥智能倉庫三維模型，再結(jié)合“物”的視覺系信息化，進而可實現(xiàn)飲片的數(shù)字化入庫與出庫，在滿足給定優(yōu)化目標(biāo)組合的前提下，可實現(xiàn)不同等級的飲片調(diào)配組合，同時減少倉庫囤積時間，優(yōu)化物料自動化轉(zhuǎn)運路徑的同時解決了保證物料存放質(zhì)量的難題。 智能制造也是綠色制造，節(jié)能減排也是中藥產(chǎn)業(yè)智能化升級重要任務(wù)。中藥生產(chǎn)車間存在大量耗電耗能系統(tǒng)，不必要且過度的空調(diào)、照明系統(tǒng)的使用都會造成能源浪費。在智能家居領(lǐng)域，周浩通過機器視覺識別室內(nèi)人員情況以實現(xiàn)房間光線強弱和分布的智能調(diào)節(jié)，節(jié)約并有效利用能源同時提升了生活環(huán)境的舒適度。這種基于機器視覺的能源配置系統(tǒng)可用于精益生產(chǎn)物耗與能耗管理及優(yōu)化。公用系統(tǒng)如空調(diào)系統(tǒng)的監(jiān)測，濾網(wǎng)更換，依據(jù)車間內(nèi)的人員數(shù)量、設(shè)備數(shù)量，對空調(diào)循環(huán)、回風(fēng)次數(shù)等參數(shù)進行優(yōu)化，進而在保證生產(chǎn)車間舒適性與安全性的同時使能耗。 04、結(jié)語 中藥生產(chǎn)過程質(zhì)量智能優(yōu)化控制依賴于生產(chǎn)過程中各生產(chǎn)要素的數(shù)字化狀態(tài)采集與過程建模。機器視覺自動檢測技術(shù)具有快速、無損的優(yōu)勢，認為機器視覺有助于實現(xiàn)制藥過程中涉及的人、物料、儀器設(shè)備、環(huán)境的數(shù)字化客觀表征，理解他們與藥品質(zhì)量的相互關(guān)系，解決中藥生產(chǎn)問題中的復(fù)雜性和非線性，并更好地制定規(guī)范和規(guī)劃更安全的生產(chǎn)環(huán)境。但是目前還存在著很多局限性，亟需開展相關(guān)研究，以達到中藥制藥過程質(zhì)量的動態(tài)優(yōu)化調(diào)控。深度學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)等的快速發(fā)展使得機器視覺檢測技術(shù)精度更高，使用更廣，加上圖形處理器（GPU）等計算設(shè)備的快速發(fā)展，使其在未來食品、藥品等質(zhì)量檢測中應(yīng)用前景廣闊。因此，研究準確、輕量、快速、高效的機器視覺檢檢測模型仍是未來機器視覺檢測領(lǐng)域的重點。此外，由于中藥種類繁多，成分復(fù)雜，批次間又存在差異，實現(xiàn)一種通用中藥檢測模式仍是一大挑戰(zhàn)，這不僅要控制中藥原藥材的質(zhì)量，還需要在中藥生產(chǎn)的每個環(huán)節(jié)關(guān)注物料的關(guān)鍵信息。隨著機器視覺技術(shù)的不斷發(fā)展，基于機器視覺的中藥質(zhì)量檢測、生產(chǎn)過程的狀態(tài)識別、以及生產(chǎn)車間自動化現(xiàn)場管理的應(yīng)用前景會更加廣闊。

偶凡機械

感謝分享干貨

無名的人

學(xué)到了，點贊樓主

精密測量坊

謝謝分享，很有價值

內(nèi)閣大佬

感謝樓主的行業(yè)經(jīng)驗分享