(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211186227.0 (22)申请日 2022.09.28 (65)同一申请的已公布的文献号 申请公布号 CN 115273053 A (43)申请公布日 2022.11.01 (73)专利权人 江苏南通鼎顺网络科技有限责任 公司 地址 226000 江苏省南 通市开发区江岸水 苑22幢2506室 (72)发明人 张栋顺　黄杰　 (51)Int.Cl. G06V 20/60(2022.01) G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/762(2022.01)审查员 唐进岭 (54)发明名称 一种基于数据处理的药物崩解性能识别方 法 (57)摘要 本发明涉及数据处理技术领域， 具体涉及一 种基于数据处理的药物崩解性能识别方法。 该方 法包括： 采集片剂药物崩解过程中的多帧RGB图 像并得到对应的灰度图像， 获取每帧灰度图像中 的边缘点以及药物区域， 设定药物崩解的三个阶 段； 对于第一阶段， 根据每个边缘点的梯度幅值 差异以及边缘点的数量得到第一崩解程度； 对于 第二阶段， 获取药物崩解区域的崩解程度以及药 物扩散区域的扩散程度， 根据崩解程度以及扩散 程度得到第二崩解程度； 对于第三阶段， 构建药 物区域对应的灰度游程矩阵计算长游 程优势， 根 据长游程优势得到第三崩解程度； 根据第一崩解 程度、 第二崩解程度以及第三崩解程度获取药物 的崩解速度； 使得获取到的崩解速度更加精准可 靠。 权利要求书3页 说明书10页 附图2页 CN 115273053 B 2022.12.20 CN 115273053 B 1.一种基于数据处 理的药物崩解 性能识别方法， 其特 征在于， 该 方法包括以下步骤： 采集连续的多帧RGB图像， 所述RGB图像为片剂药物从加入溶剂到完全崩解过程中的图 像； 根据每帧所述 RGB图像得到对应的灰度图像； 对所有 灰度图像进 行边缘检测得到每帧灰 度图像中的边 缘点； 对每帧灰度图像进行阈值分割得到对应的药物区域， 将药物加入溶剂后第 一帧灰度图 像记为初始灰度图像， 所述初始灰度图像对应的药物 区域记为初始药物 区域， 根据所述初 始药物区域以及每帧灰度图像对应的药物区域设定药物崩解的第一阶段、 第二阶段以及第 三阶段； 对于药物崩解为第 一阶段的灰度图像， 计算所述边缘点与对应标准边缘点之间的梯度 幅值差异， 所述标准边缘点为所述初始灰度图像中的边缘点； 根据所有所述梯度幅值差异 以及所述 边缘点的数量得到第一崩解 程度； 对于药物崩解为第二阶段的灰度图像， 基于每个边缘点的位置坐标进行聚类， 得到药 物崩解区域和药物扩散区域； 获取所述药物崩解区域的崩解程度以及所述药物扩散区域的 扩散程度， 根据所述崩解 程度以及所述扩散程度得到第二崩解 程度； 对于药物崩解为第三阶段的灰度图像， 构建灰度图像中药物区域对应的灰度游程矩 阵， 根据所述灰度游程矩阵计算长游程优势， 根据所述长游程优势得到第三崩解 程度； 根据所述第一崩解 程度、 第二崩解 程度以及第三崩解 程度获取 药物的崩解速度； 所述根据所述初始药物区域以及每帧灰度图像对应的药物区域设定药物崩解的第一 阶段、 第二阶段以及第三阶段的方法， 包括： 获取每帧灰度图像中药物区域的面积； 当灰度图像中药物区域的面积与初始药物区域的面积差值为0时， 所述灰度图像为药 物崩解的第一阶段； 当灰度图像中药物区域的面积与初始药物区域的面积差值大于0， 并且所述灰度图像 的药物区域面积大于与其相邻前一帧灰度图像中药物区域的面积时， 所述灰度图像为药物 崩解的第二阶段； 当灰度图像中药物区域的面积与初始药物区域的面积差值大于0， 并且所述灰度图像 的药物区域面积与其相邻前一帧灰度图像中药物区域的面积相等时， 所述灰度图像为药物 崩解的第三阶段。 2.根据权利要求1所述的一种基于数据处理 的药物崩解性 能识别方法， 其特征在于， 所 述根据所有所述梯度幅值差异以及所述 边缘点的数量得到第一崩解 程度的方法， 包括： 所述梯度幅值差异为所述边缘点与初始灰度图像中对应位置的标准边缘点之间的梯 度幅值的差值； 根据每帧灰度图像中每个所述边缘点的梯度幅值差异以及所述边缘点的数量得到所 述灰度图像的第一崩解 程度， 所述第一崩解 程度的计算公式为： 其中， 表示第一阶段下第 帧灰度图像对应 的第一崩解程度； 表示灰度图像中权　利　要　求　书 1/3 页 2 CN 115273053 B 2边缘点的数量； 表示灰度图像中第 个边缘点对应的梯度幅值差异。 3.根据权利要求1所述的一种基于数据处理 的药物崩解性 能识别方法， 其特征在于， 所 述基于每 个边缘点的位置坐标进行聚类， 得到药物崩解区域和药物扩散区域的方法， 包括： 获取每帧灰度图像中药物区域的中心点， 以所述中心点为原点构建二维坐标系， 从而 得到每个边缘点的坐标； 采用DBS CAN聚类算法对每帧灰度图像中的边缘点进 行聚类得到两 个类别， 聚类距离为 边缘点之间坐标位置的距离； 对每个类别 内的边缘点进行凸包检测， 边缘点数量多的类别为药物崩解区域， 边缘点 数量少的类别为药物扩散区域。 4.根据权利要求3所述的一种基于数据处理 的药物崩解性 能识别方法， 其特征在于， 所 述获取每帧灰度图像中药物区域的中心点的方法， 包括： 以每帧灰度图像的左上角为原点构建直角坐标系， 根据 所述直角坐标系获取所述灰度 图像的药物区域中每个像素点的坐标值， 计算所述药物区域中所有像素点的横坐标平均值 以及纵坐标平均值； 所述横坐标平均值以及纵坐标平均值对应的点为所述药物区域的中心 点。 5.根据权利要求4所述的一种基于数据处理 的药物崩解性 能识别方法， 其特征在于， 所 述获取所述药物崩解区域的崩解 程度以及所述药物扩散区域的扩散程度的方法， 包括： 构建所述药物崩解区域的灰度游程矩阵， 基于所述灰度游程矩阵计算短游程优势； 获取所述药物崩解区域的面积， 计算所述药物崩解 区域的面积与初始药物区域的面积 之间的比值； 所述比值与所述短游程优势的乘积为所述药物崩解区域的崩解 程度； 获取每帧灰度图像对应的饱和度图像， 基于所述饱和度图像获取每个像素点的饱和度 以及每个药物区域的中心点的饱和度， 药物区域的中心点的饱和度为初始饱和度； 获取所述药物扩散区域的面积， 计算所述药物扩散区域和药物崩解区域中每个像素点 与药物区域的中心 点之间的距离， 获取每个方向上药物崩解区域中像素点与药物区域的中 心点之间的最大距离； 所述扩散程度的计算公式为： 其中， 表示药物扩散区域的扩散程度； 表示药物扩散区域中第 个像素点对应的 饱和度； 表示中心点对应的初始饱和度； 表示药物扩 散区域中所有像素点的数量； 表 示药物扩散区域的面积； 表示药物扩散区域中第 个像素点与中心点之间的距离； 表示在中心点到药物扩散区域中第 个像素点的方向上， 药物崩解 区域中像素点 与中心点之间的最大距离 。 6.根据权利要求5所述的一种基于数据处理 的药物崩解性 能识别方法， 其特征在于， 所 述根据所述崩解 程度以及所述扩散程度得到第二崩解 程度的方法， 包括： 获取所述药物崩解区域的面积与 所述药物区域总面积的比值为所述崩解程度的权值， 获取所述药物扩散区域的面积与所述药物区域总面积的比值为所述扩散程度的权重， 对所权　利　要　求　书 2/3 页 3 CN 115273053 B 3