本發(fā)明涉及無(wú)菌制備，具體而言，涉及一種即食燕窩的制備方法及系統(tǒng)。

背景技術(shù)：

1、即食燕窩混合液是一種用于治療消化性潰瘍所致上消化道出血，除腫瘤及食道、胃底靜脈曲張以外的各種原因所致的胃及十二指腸黏膜糜爛出血等疾病的藥物。它通過(guò)抑制胃酸分泌，幫助減輕胃和十二指腸的炎癥，從而促進(jìn)潰瘍愈合。因此，其無(wú)菌狀態(tài)對(duì)患者安全至關(guān)重要。由于即食燕窩混合液在生產(chǎn)和儲(chǔ)存過(guò)程中可能受到微生物污染，因此確保其無(wú)菌性是藥品生產(chǎn)中的一項(xiàng)嚴(yán)格要求。

2、傳統(tǒng)的無(wú)菌檢測(cè)方法通常涉及細(xì)菌培養(yǎng)技術(shù)，這需要較長(zhǎng)的時(shí)間才能得出結(jié)果，而且往往只能在藥品生產(chǎn)的最后階段進(jìn)行，這意味著一旦發(fā)現(xiàn)污染問(wèn)題，整批產(chǎn)品可能已經(jīng)受到影響，造成資源浪費(fèi)和潛在的健康風(fēng)險(xiǎn)。此外，傳統(tǒng)方法無(wú)法提供實(shí)時(shí)監(jiān)測(cè)和預(yù)警，使得生產(chǎn)過(guò)程的無(wú)菌控制存在滯后性。

技術(shù)實(shí)現(xiàn)思路

1、鑒于此，本發(fā)明提出了一種即食燕窩的制備方法及系統(tǒng)，旨在解決當(dāng)前技術(shù)中無(wú)法對(duì)即食燕窩混合液進(jìn)行實(shí)時(shí)的無(wú)菌預(yù)警，無(wú)法保證即食燕窩混合液使用安全性的問(wèn)題。

2、本發(fā)明提出了一種即食燕窩的制備方法，包括：

3、接收即食燕窩混合液的實(shí)時(shí)灰度圖像，確定所述實(shí)時(shí)灰度圖像上的陰影區(qū)域，并將所有的陰影區(qū)域進(jìn)行區(qū)域劃分，得到多個(gè)單獨(dú)陰影區(qū)域，其中，每個(gè)單獨(dú)陰影區(qū)域之間不存在重疊區(qū)域；

4、確定每個(gè)單獨(dú)陰影區(qū)域的像素點(diǎn)，并基于所有的像素點(diǎn)計(jì)算單獨(dú)陰影區(qū)域的陰影區(qū)域因子；

5、提取所有的陰影區(qū)域因子，并根據(jù)陰影區(qū)域因子計(jì)算所述實(shí)時(shí)灰度圖像的陰影區(qū)域程度值；

6、基于所述陰影區(qū)域程度值向所述即食燕窩混合液內(nèi)注入標(biāo)記物，并基于所述標(biāo)記物對(duì)所述即食燕窩混合液內(nèi)的微生物進(jìn)行特異性標(biāo)記；

7、根據(jù)預(yù)設(shè)的分析方法對(duì)特異性標(biāo)記的微生物進(jìn)行計(jì)數(shù)，根據(jù)確定的微生物數(shù)量判斷是否發(fā)出報(bào)警，并當(dāng)判斷發(fā)出報(bào)警時(shí)，響應(yīng)于對(duì)應(yīng)的無(wú)菌報(bào)警器。

8、進(jìn)一步地，在接收即食燕窩混合液的實(shí)時(shí)灰度圖像之前，還包括：

9、獲取所述即食燕窩混合液的原始圖像，并對(duì)所述原始圖像進(jìn)行預(yù)處理，其中，所述預(yù)處理包括消除噪聲和異常值；

10、基于非重疊窗口策略將預(yù)處理后的原始圖像劃分為多個(gè)子區(qū)域；

11、基于局部直方圖均衡化算法增強(qiáng)子區(qū)域內(nèi)的對(duì)比度；

12、根據(jù)預(yù)設(shè)的灰度轉(zhuǎn)換函數(shù)，將每個(gè)子區(qū)域的像素值映射到新的灰度級(jí)；

13、基于新的灰度級(jí)對(duì)每個(gè)子區(qū)域進(jìn)行灰度轉(zhuǎn)換，并重新組合得到所述實(shí)時(shí)灰度圖像。

14、進(jìn)一步地，在確定每個(gè)單獨(dú)陰影區(qū)域的像素點(diǎn)，并基于所有的像素點(diǎn)計(jì)算單獨(dú)陰影區(qū)域的陰影區(qū)域因子時(shí)，包括：

15、提取所有的像素點(diǎn)，并根據(jù)所有像素點(diǎn)對(duì)應(yīng)的像素值構(gòu)建像素值集合；

16、基于k-means聚類算法確定所述像素值集合的聚類中心；

17、分別確定所述像素值集合中每個(gè)像素值到所述聚類中心的像素距離，并構(gòu)建像素距離集合；

18、根據(jù)所述像素距離集合計(jì)算單獨(dú)陰影區(qū)域的陰影區(qū)域因子：

19、

20、其中，g為單獨(dú)陰影區(qū)域的陰影區(qū)域因子，c1為單獨(dú)陰影區(qū)域的權(quán)重，n為像素距離集合中像素距離的數(shù)量，ei為像素距離集合中第i個(gè)像素距離，e均為像素距離集合中所有像素距離的平均值，hi為第i個(gè)像素距離對(duì)應(yīng)的權(quán)重。

21、進(jìn)一步地，在提取所有的陰影區(qū)域因子，并根據(jù)陰影區(qū)域因子計(jì)算所述實(shí)時(shí)灰度圖像的陰影區(qū)域程度值時(shí)，包括：

22、獲取預(yù)先設(shè)定的預(yù)設(shè)陰影區(qū)域因子，并將所有小于所述預(yù)設(shè)陰影區(qū)域因子的陰影區(qū)域因子生成第一編碼標(biāo)記；

23、將所有等于所述預(yù)設(shè)陰影區(qū)域因子的陰影區(qū)域因子生成第二編碼標(biāo)記；

24、將所有小于所述預(yù)設(shè)陰影區(qū)域因子的陰影區(qū)域因子生成第三編碼標(biāo)記；

25、統(tǒng)計(jì)所述第一編碼標(biāo)記的個(gè)數(shù)、第二編碼標(biāo)記的個(gè)數(shù)和第三編碼標(biāo)記的個(gè)數(shù)，并計(jì)算所述實(shí)時(shí)灰度圖像的陰影區(qū)域程度值：

26、

27、其中，k為實(shí)時(shí)灰度圖像的陰影區(qū)域程度值，l1為第一編碼標(biāo)記的個(gè)數(shù)，l2為第二編碼標(biāo)記的個(gè)數(shù)，l3為第三編碼標(biāo)記的個(gè)數(shù)。

28、進(jìn)一步地，在基于所述陰影區(qū)域程度值向所述即食燕窩混合液內(nèi)注入標(biāo)記物時(shí)，包括：

29、預(yù)先設(shè)定多個(gè)程度值區(qū)間，其中，每個(gè)程度值區(qū)間包括對(duì)應(yīng)的第一預(yù)設(shè)程度值和第二預(yù)設(shè)程度值；

30、預(yù)先設(shè)定多個(gè)注入量數(shù)值，其中，注入量數(shù)值與程度值區(qū)間一一對(duì)應(yīng)設(shè)定；

31、將所述陰影區(qū)域程度值在所有的程度值區(qū)間中進(jìn)行遍歷，確定與所述陰影區(qū)域程度值相匹配的程度值區(qū)間，并確定對(duì)應(yīng)的注入量數(shù)值；

32、將確定的注入量數(shù)值作為所述標(biāo)記物的初始注入量。

33、進(jìn)一步地，在將確定的注入量數(shù)值作為標(biāo)記物的初始注入量時(shí)，還包括：

34、對(duì)所述標(biāo)記物進(jìn)行分析，確定所述標(biāo)記物的特征數(shù)據(jù)；

35、基于預(yù)先訓(xùn)練的影響值模型對(duì)所有的特征數(shù)據(jù)進(jìn)行分析，輸出對(duì)應(yīng)的注入影響值；

36、從所有的注入影響值中提取相同的注入影響值，并得到多個(gè)相同注入影響值區(qū)間；

37、統(tǒng)計(jì)相同注入影響值區(qū)間的第一區(qū)間數(shù)量；

38、從所有的相同注入影響值區(qū)間中分別提取一個(gè)相同注入影響值，并計(jì)算第一注入影響和值；

39、獲取預(yù)先設(shè)定的預(yù)設(shè)注入影響值，剔除所有小于所述預(yù)設(shè)注入影響值的相同注入影響值區(qū)間，統(tǒng)計(jì)剩余的相同注入影響值區(qū)間的第二區(qū)間數(shù)量；

40、從剩余的相同注入影響值區(qū)間中分別提取一個(gè)相同注入影響值，并計(jì)算第二注入影響和值；

41、根據(jù)所述第一區(qū)間數(shù)量、第二區(qū)間數(shù)量、第一注入影響和值和第二注入影響和值計(jì)算所述標(biāo)記物的注入量影響值；

42、根據(jù)下式計(jì)算標(biāo)記物的注入量影響值：

43、

44、其中，p為標(biāo)記物的注入量影響值，q2為第二區(qū)間數(shù)量，q1為第一區(qū)間數(shù)量，s1為第一注入影響和值，s2為第二注入影響和值，r為預(yù)設(shè)注入影響值；

45、根據(jù)所述注入量影響值對(duì)所述初始注入量進(jìn)行優(yōu)化，得到所述標(biāo)記物的目標(biāo)注入量，并基于所述目標(biāo)注入量向所述即食燕窩混合液內(nèi)注入標(biāo)記物。

46、進(jìn)一步地，在根據(jù)所述注入量影響值對(duì)所述初始注入量進(jìn)行優(yōu)化，得到所述標(biāo)記物的目標(biāo)注入量時(shí)，包括：

47、預(yù)先設(shè)定多個(gè)注入量影響值區(qū)間，其中，每個(gè)注入量影響值區(qū)間包括對(duì)應(yīng)的第一預(yù)設(shè)注入量影響值和第二預(yù)設(shè)注入量影響值；

48、預(yù)先設(shè)定多個(gè)優(yōu)化系數(shù)值，其中，優(yōu)化系數(shù)值與注入量影響值區(qū)間一一對(duì)應(yīng)設(shè)定；

49、將所述注入量影響值在所有的注入量影響值區(qū)間中進(jìn)行遍歷，確定與所述注入量影響值相匹配的注入量影響值區(qū)間，并確定對(duì)應(yīng)的優(yōu)化系數(shù)值；

50、計(jì)算所述優(yōu)化系數(shù)值和所述初始注入量的乘積值，并將乘積值作為所述標(biāo)記物的目標(biāo)注入量。

51、進(jìn)一步地，在根據(jù)確定的微生物數(shù)量判斷是否發(fā)出報(bào)警時(shí)，包括：

52、獲取預(yù)先設(shè)定的預(yù)設(shè)微生物數(shù)量，并根據(jù)所述微生物數(shù)量和所述預(yù)設(shè)微生物數(shù)量之間的關(guān)系判斷是否發(fā)出報(bào)警提醒；

53、當(dāng)所述微生物數(shù)量小于所述預(yù)設(shè)微生物數(shù)量時(shí)，則判斷不發(fā)出報(bào)警提醒；

54、當(dāng)所述微生物數(shù)量大于或等于所述預(yù)設(shè)微生物數(shù)量時(shí)，則判斷發(fā)出報(bào)警提醒。

55、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果在于：

56、本發(fā)明公開了一種即食燕窩的制備方法及系統(tǒng)，接收即食燕窩混合液的實(shí)時(shí)灰度圖像，對(duì)實(shí)時(shí)灰度圖像進(jìn)行區(qū)域劃分，得到多個(gè)單獨(dú)陰影區(qū)域，可以大幅縮短檢測(cè)時(shí)間，提高檢測(cè)效率，確定單獨(dú)陰影區(qū)域的像素點(diǎn)，計(jì)算單獨(dú)陰影區(qū)域的陰影區(qū)域因子，提取所有的陰影區(qū)域因子，計(jì)算實(shí)時(shí)灰度圖像的陰影區(qū)域程度值，可以為標(biāo)記物的精準(zhǔn)注入奠定基礎(chǔ)，保證標(biāo)記物的注入量，基于陰影區(qū)域程度值向即食燕窩混合液內(nèi)注入標(biāo)記物，基于標(biāo)記物對(duì)即食燕窩混合液內(nèi)的微生物進(jìn)行特異性標(biāo)記；對(duì)特異性標(biāo)記的微生物進(jìn)行計(jì)數(shù)，通過(guò)標(biāo)記物對(duì)微生物進(jìn)行特異性標(biāo)記和計(jì)數(shù)，可以實(shí)現(xiàn)對(duì)微生物數(shù)量的精確量化，根據(jù)確定的微生物數(shù)量判斷是否發(fā)出報(bào)警，當(dāng)發(fā)出報(bào)警時(shí)，響應(yīng)于對(duì)應(yīng)的無(wú)菌報(bào)警器，能夠在污染發(fā)生初期即快速檢測(cè)到微生物的存在，實(shí)現(xiàn)即食燕窩混合液的實(shí)時(shí)無(wú)菌預(yù)警，從而保障用戶食用的安全性。

57、另一方面，本技術(shù)還提供了一種即食燕窩的制備系統(tǒng)，包括：

58、區(qū)域劃分模塊，用于接收即食燕窩混合液的實(shí)時(shí)灰度圖像，確定所述實(shí)時(shí)灰度圖像上的陰影區(qū)域，并將所有的陰影區(qū)域進(jìn)行區(qū)域劃分，得到多個(gè)單獨(dú)陰影區(qū)域，其中，每個(gè)單獨(dú)陰影區(qū)域之間不存在重疊區(qū)域；

59、第一計(jì)算模塊，用于確定每個(gè)單獨(dú)陰影區(qū)域的像素點(diǎn)，并基于所有的像素點(diǎn)計(jì)算單獨(dú)陰影區(qū)域的陰影區(qū)域因子；

60、第二計(jì)算模塊，用于提取所有的陰影區(qū)域因子，并根據(jù)陰影區(qū)域因子計(jì)算所述實(shí)時(shí)灰度圖像的陰影區(qū)域程度值；

61、特異標(biāo)記模塊，用于基于所述陰影區(qū)域程度值向所述即食燕窩混合液內(nèi)注入標(biāo)記物，并基于所述標(biāo)記物對(duì)所述即食燕窩混合液內(nèi)的微生物進(jìn)行特異性標(biāo)記；

62、無(wú)菌預(yù)警模塊，用于根據(jù)預(yù)設(shè)的分析方法對(duì)特異性標(biāo)記的微生物進(jìn)行計(jì)數(shù)，根據(jù)確定的微生物數(shù)量判斷是否發(fā)出報(bào)警，并當(dāng)判斷發(fā)出報(bào)警時(shí)，響應(yīng)于對(duì)應(yīng)的無(wú)菌報(bào)警器。

63、進(jìn)一步地，還包括：

64、圖像處理模塊，用于獲取所述即食燕窩混合液的原始圖像，并對(duì)所述原始圖像進(jìn)行預(yù)處理，其中，所述預(yù)處理包括消除噪聲和異常值；

65、第二劃分模塊，用于基于非重疊窗口策略將預(yù)處理后的原始圖像劃分為多個(gè)子區(qū)域；

66、圖像增強(qiáng)模塊，用于基于局部直方圖均衡化算法增強(qiáng)子區(qū)域內(nèi)的對(duì)比度；

67、灰度轉(zhuǎn)換模塊，用于根據(jù)預(yù)設(shè)的灰度轉(zhuǎn)換函數(shù)，將每個(gè)子區(qū)域的像素值映射到新的灰度級(jí)；

68、圖像組合模塊，用于基于新的灰度級(jí)對(duì)每個(gè)子區(qū)域進(jìn)行灰度轉(zhuǎn)換，并重新組合得到所述實(shí)時(shí)灰度圖像。

69、可以理解的是，上述提供的即食燕窩的制備系統(tǒng)及方法具有相同的有益效果，在此不再贅述。