颗粒聚集分析使用Patvis APA和深度学习

介绍:制药、化学、化妆品、食品和其他工业利用各种过程来修改粒子的属性,其中粒子的聚集要么作为一个精确控制的过程发生,要么作为一个不希望的现象。在这两种情况下,颗粒团聚的实时估计为过程监控和过程控制提供了手段。

在颗粒中涂层,团聚对工艺成品率和涂层完整性有负面影响。材料和操作条件的变化以及零星事件是造成不必要的团聚的主要原因。传统的包覆方法是在包覆过程结束时通过筛析来评估结块分数,这是一种有明显缺点的方法。目前,应用于球团包覆过程的在线团聚分数分析方法是基于光学测量[1]。

在本文中,我们提出了一种新的图像分析方法,自动,非侵入性的识别团聚粒子和估计团聚分数。以预定义的比例(参考凝聚分数)获得单个颗粒和凝聚物混合物的图像序列,并对检测到的颗粒进行分类。此外,评价了每种混合物的团聚分数,并与参考值进行比较。

将完整的文章作为PDF下载到这里在这里下载相关的海报

结论:开发了一种自动图像分析方法,用于在涂覆过程中对附聚物的直接识别和估计颗粒的附聚物级分的估计。得到的结果与先前提出的方法[3]相比表明了对附聚物的显着改善的识别,从而提高了附聚物分数估计的准确性。

为单独的粒料和附聚物分开捕获在受控条件下的图像有助于获取学习图像,并且是使用机器学习的实际可行性的关键步骤,以识别实际颗粒涂覆过程中的凝聚。

最终,关于附聚物级分的及时信息可用于通过手动或自动优化工艺参数来用于将附聚物部分保持在可接受的范围内的过程控制。
虽然我们仅在药物颗粒上测试了所提出的方法,但也可用于其他过程中颗粒的凝聚分数估计。

文章信息:A. Mehle,D. Kitak,G. Podrekar,D.Tomaževič。Sensum,Computer Vision Systems,Tehnološki公园21,1000卢布尔雅那,斯洛文尼亚,(电子邮件保护)卢布尔雅那大学电气工程学院成像技术实验室,TržaškaCesta25,1000卢布尔雅那,斯洛文尼亚。

你可能还喜欢