【技术实现步骤摘要】
本专利技术涉及质量控制，尤其涉及一种流化床包衣微丸团聚率在线监测方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、在制药行业中，流化床包衣工艺被广泛应用于微丸的制备，以改善药物的稳定性、释放特性和口感。然而，微丸在包衣过程中容易发生团聚，这不仅影响产品的外观和物理特性，还可能导致药物释放的不一致，进而影响药物的生物利用度和疗效。因此，实时监测流化床包衣过程中的团聚率是确保产品质量的关键环节。
3、通过过程分析技术(process analytical technology,pat)技术在线监测包衣过程中微丸的团聚率能够及时识别和纠正团聚现象，避免生产过程中可能出现的产品缺陷。通过对团聚率的实时监测，可以实现对工艺参数的动态调整，确保微丸在包衣过程中的一致性和可重复性，从而提高生产效率和降低废品率。目前，针对流化床包衣过程微丸团聚率的在线监测方法主要有以下几种：(1)图像分析技术：通过使用高分辨率摄像头和图像处理软件，可以对微丸的形态和分布进行实时监控。通过分析微丸的图像特征，可以评估团聚程度。(2)空间滤波技术：通过利用光学相位差和速度分析，直接计算球团弦长分布来测量粒度。
4、虽然已经有pat技术用于监测流化床包衣过程的团聚率，但由于蠕动泵流量、进气温度等可控因素的多样性，以及入口空气湿度等难以控制的工艺参数，使得在复杂背景下得到的微丸团聚率数据可靠性降低。
技术实现思路
1、为了解决
2、为了实现上述目的，本专利技术采用如下技术方案：
3、本专利技术的第一个方面提供一种流化床包衣微丸团聚率在线监测方法。
4、一种流化床包衣微丸团聚率在线监测方法，包括：
5、按照预设时间间隔，分别获取流化床包衣全过程的近红外光谱和工艺参数数据；
6、将流化床包衣全过程的近红外光谱和工艺参数数据，按照对应预设时间间隔进行拼接，得到融合数据；
7、基于融合数据，采用已训练的团聚率模型，得到微丸团聚率；
8、其中，所述团聚率模型的训练过程包括：以拼接后的融合数据为输入，以离线测量的各时间点微丸团聚率为输出，对团聚率模型进行训练。
9、进一步地，所述离线测量的各时间点微丸团聚率的过程包括：选择大于微丸正常粒径的筛子对各时间点收集的样品进行筛分；根据筛子上保留的微丸质量与样品质量的比值，得到各时间点微丸团聚率。
10、进一步地，所述各时间点收集的样品与获取的近红外光谱和工艺参数数据的时间相对应。
11、进一步地，在所述获取流化床包衣全过程的近红外光谱之前，包括：将近红外光谱仪插入流化床腔体中，采用漫反射模式进行近红外光谱的采集。
12、进一步地，所述工艺参数数据包括：进风温度、进风湿度、排风温度、物料温度、雾化压力和蠕动泵转速。
13、进一步地，所述团聚率模型采用神经网络模型。
14、本专利技术的第二个方面提供一种流化床包衣微丸团聚率在线监测系统。
15、一种流化床包衣微丸团聚率在线监测系统，包括：
16、数据获取模块，其被配置为：按照预设时间间隔，分别获取流化床包衣全过程的近红外光谱和工艺参数数据；
17、数据拼接模块，其被配置为：将流化床包衣全过程的近红外光谱和工艺参数数据，按照对应预设时间间隔进行拼接，得到融合数据；
18、输出模块，其被配置为：基于融合数据，采用已训练的团聚率模型，得到微丸团聚率；
19、其中，所述团聚率模型的训练过程包括：以拼接后的融合数据为输入，以离线测量的各时间点微丸团聚率为输出，对团聚率模型进行训练。
20、本专利技术的第三个方面提供一种计算机可读存储介质。
21、一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一个方面所述的流化床包衣微丸团聚率在线监测方法中的步骤。
22、本专利技术的第四个方面提供一种计算机设备。
23、一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述第一个方面所述的流化床包衣微丸团聚率在线监测方法中的步骤。
24、本专利技术的第五个方面提供一种计算机程序产品或计算机程序。
25、本专利技术提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行如上述第一个方面所述的流化床包衣微丸团聚率在线监测方法中的步骤。
26、与现有技术相比，本专利技术的有益效果是：
27、本专利技术提供了一种流化床包衣微丸团聚率在线监测方法及系统，通过利用多元异构数据融合思想，首次将近红外光谱数据与工艺参数数据融合，用于流化床包衣过程微丸团聚率的在线监测，能够在复杂背景下有效准确的监测流化床包衣过程微丸团聚率的变化。
28、本专利技术与单个传感器建模(只用近红外光谱或工艺参数预测微丸团聚率)相比，极大提高了模型的预测精度，为后续流化床包衣质量控制提供了技术支持，从而提高药品的安全性与有效性。
本文档来自技高网...【技术保护点】
1.一种流化床包衣微丸团聚率在线监测方法，其特征在于，包括：
2.根据权利要求1所述的流化床包衣微丸团聚率在线监测方法，其特征在于，所述离线测量的各时间点微丸团聚率的过程包括：选择大于微丸正常粒径的筛子对各时间点收集的样品进行筛分；根据筛子上保留的微丸质量与样品质量的比值，得到各时间点微丸团聚率。
3.根据权利要求2所述的流化床包衣微丸团聚率在线监测方法，其特征在于，所述各时间点收集的样品与获取的近红外光谱和工艺参数数据的时间相对应。
4.根据权利要求1所述的流化床包衣微丸团聚率在线监测方法，其特征在于，在所述获取流化床包衣全过程的近红外光谱之前，包括：将近红外光谱仪插入流化床腔体中，采用漫反射模式进行近红外光谱的采集。
5.根据权利要求1所述的流化床包衣微丸团聚率在线监测方法，其特征在于，所述工艺参数数据包括：进风温度、进风湿度、排风温度、物料温度、雾化压力和蠕动泵转速。
6.根据权利要求1所述的流化床包衣微丸团聚率在线监测方法，其特征在于，所述团聚率模型采用神经网络模型。
7.一种流化床包衣微丸团聚率在线
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一项所述的流化床包衣微丸团聚率在线监测方法中的步骤。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6中任一项所述的流化床包衣微丸团聚率在线监测方法中的步骤。
10.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时，实现如权利要求1-6中任一项所述的流化床包衣微丸团聚率在线监测方法中的步骤。
...【技术特征摘要】
1.一种流化床包衣微丸团聚率在线监测方法，其特征在于，包括：
2.根据权利要求1所述的流化床包衣微丸团聚率在线监测方法，其特征在于，所述离线测量的各时间点微丸团聚率的过程包括：选择大于微丸正常粒径的筛子对各时间点收集的样品进行筛分；根据筛子上保留的微丸质量与样品质量的比值，得到各时间点微丸团聚率。
3.根据权利要求2所述的流化床包衣微丸团聚率在线监测方法，其特征在于，所述各时间点收集的样品与获取的近红外光谱和工艺参数数据的时间相对应。
4.根据权利要求1所述的流化床包衣微丸团聚率在线监测方法，其特征在于，在所述获取流化床包衣全过程的近红外光谱之前，包括：将近红外光谱仪插入流化床腔体中，采用漫反射模式进行近红外光谱的采集。
5.根据权利要求1所述的流化床包衣微丸团聚率在线监测方法，其特征在于，所述工艺参数数据包括：进风温度、进风湿度、排风温度、...
【专利技术属性】
技术研发人员：臧恒昌，钟亮，高乐乐，李连，聂磊，林贵梅，王露，殷文平，王辉，苗启义，张运诗，
申请(专利权)人：山东大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。