具体技术细节
[0006] 为了解决上述背景技术中存在的技术问题，本发明提供一种流化床包衣微丸团聚率在线监测方法及系统，本发明通过融合近红外光谱数据与工艺参数数据，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，为流化床包衣过程中质量监控提供借鉴和技术手段，因此具有良好的实际应用价值。
[0007] 为了实现上述目的，本发明采用如下技术方案：
[0008] 本发明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。
[0009] 一种流化床包衣微丸团聚率在线监测方法，包括：
[0010] 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；
[0011] 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；
[0012] 基于融合数据，采用已训练的团聚率模型，得到微丸团聚率；
[0013] 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。
[0014] 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。
[0015] 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。
[0016] 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。
[0017] 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。
[0018] 进一步地，所述团聚率模型采用神经网络模型。
[0019] 本发明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。
[0020] 一种流化床包衣微丸团聚率在线监测系统，包括：
[0021] 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；
[0022] 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；
[0023] 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；
[0024] 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。
[0025] 本发明的第三个方面提供一种计算机可读存储介质。
[0026] 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。
[0027] 本发明的第四个方面提供一种计算机设备。
[0028] 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。
[0029] 本发明的第五个方面提供一种计算机程序产品或计算机程序。
[0030] 本发明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。
[0031] 与现有技术相比，本发明的有益效果是：
[0032] 本发明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。
[0033] 本发明与单个传感器建模(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。
法律保护范围
涉及权利要求数量10：其中独权5项，从权-5项
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：
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；
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；
基于融合数据，采用已训练的团聚率模型，得到微丸团聚率；
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。
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监测系统，其特征在于，包括：
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；
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；
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；
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。
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。
