本发明涉及高光谱技术的应用领域，特别涉及一种用于同时测定中药注射剂多个指标的检测系统。
背景技术：
中药注射剂是一种传统中药和现代制剂相结合的产物，在治疗心脑血管疾病，病毒感染和炎症等一系列适应症方面有较广泛的应用，为避免药物使用时出现药物不良反应，需要严格把控中药注射剂的质量，目前中药注射剂的质量检测方式一般采用离线抽样检测，检测指标包含化学指标、可见异物、色度等。
对于注射剂产品化学指标的检测，其检测方法一般有薄层色谱鉴定、高效液相色谱法等，主要检测的是中药注射剂指标性成分。这些方法虽然稳定可靠，但也存在着检测速度慢、破坏样品、产生的化学废液污染环境等缺点。
其他无损化学指标检测方法如将近红外光谱和紫外光谱应用于液体中化学成分检测方法也有一系列的报道，如我国专利公开了一种基于一维卷积神经网络的近红外光谱分析方法，申请号为cn201710780270.2，该类专利通常具体包括以下步骤：采集训练集样本光谱数据，并进行预处理；利用预处理后的训练集数据，建立光谱校正模型；采集测试集样本的光谱数据，并进行预处理；将预处理后的测试集数据代入光谱校正模型，获得预测结果。定量校正建模方法建立是一般需要经过光谱预处理、提取特征波段。这种分析方法虽然在一定程度上简化了检测过程，但仍然存在如下问题：采集的光谱数据，首先需进行光谱预处理，会导致不必要的算力负担。而且预处理方法往往随着环境因素(温度、湿度、环境光)和操作者的主观因素不同而不同，模型的推广性能受限。对预处理方式的错误使用还可能扭曲光谱信号，使得模型精度下降。提取特征波段的算法虽然挑选了光谱中的关键波段，但也可能造成有效信息的损失。neuralnetwork(nn)理论上也可以达到无需预处理和提取特征波段就完成建模的目的，但由于神经网络中参数变量过多，导致训练速度慢的同时，还会导致过拟合的风险。
可见异物检测是注射剂通则中规定的检查项目，可见异物会引起临床的血栓、炎症等不良反应，影响用药安全。一般采用人工灯检方式检测，效率低，主观性强，也有用灯检机进行检测，可快速高效地剔除生产线上含有可见异物的不合格样品。但中国的灯检机市场被日本卫材、意大利贝威特和德国塞根纳德三大集团所垄断，价格十分昂贵，导致了绝大部分中国药企无力使用灯检机检测产品，而采用了低效主观的人工检查方法。
中药注射剂的色度检查是企业控制批次间一致性的物理指标之一，不同的企业色度标准可能不同，由于中药注射剂色度差异与工艺过程参数控制严格程度密切相关，因此也是中药注射剂质量控制的重要物理指标。
把控色度和可见异物两项指标有利于保证用药一致性和安全性。
另外，对中药注射液进行体外活性检测，其活性指标往往与注射液的药效相关，目前虽不列入注射剂的必检项目，但随着中药注射剂的质量把控越来越严格和规范，中药注射液体外活性指标的检测在保障中药有效性方面显得越来越重要，采用活性检测方法评估中药注射剂的质量能更加保证中药注射剂的有效性。但常规方法（如抗凝血活性测定）同样存在着检测速度慢、破坏样品、产生废液污染环境等缺点。
中药注射剂在实际生产时，需要严格控制原料质量和工艺参数，中药材原料的差异、工艺参数的波动，会导致产品批次间质量存在一定差异，甚至是同一批次的产品，也会因不同灌装时间，不同灭菌位置等的差异，而导致产品质量的细微差异。然而目前的中药注射剂的质量检测，基本采用抽检的方式进行检测，有漏检的可能，影响使用安全性。
总之，现有技术中针对中药注射剂的化学、活性、物理指标，均是分割成不同的检测系统来进行测定，且一般采用离线抽样检测，被检样品开瓶毁损，这就导致了检测过程耗时，工作量大、效率低、有漏检风险，涉及仪器众多且部分检测设备昂贵等缺陷。
技术实现要素：
针对现有技术中多指标检测过程耗时，工作量大、效率低、部分仪器价格昂贵、抽检易导致漏检风险等问题，本发明提供一种基于高光谱的同时测定中药注射剂多个指标的检测系统。
一种基于高光谱的中药注射剂多指标检测系统，包括中药注射剂安瓿瓶传送模块、高光谱图像采集模块、高光谱图像处理模块；安瓿瓶传送模块将待检中药注射剂传送至高光谱图像采集区域，高光谱图像采集模块采集注射剂的高光谱图像，高光谱图像处理模块对所采集的高光谱图像进行数据处理，分析输出中药注射剂中的化学成分预测结果、活性预测结果、色度检测结果和可见异物检测结果。
进一步的，高光谱图像处理模块包括化学/活性指标处理单元、色度指标处理单元、可见异物指标处理单元，化学/活性指标处理单元分析得出中药注射剂中化学成分和活性的预测结果，色度指标处理单元分析得出色度检测结果，可见异物指标处理单元分析得出可见异物检测结果。
进一步的，化学/活性指标处理单元使用卷积神经网络（即cnn网络）方法建立预测模型，通过cnn网络方法处理采集到的高光谱图像；所述cnn网络包含一层输入层、三层卷积池化层、一层全连接层、n个并行的输出模块，各输出模块含有两层全连接层、一层输出层；输入层采用的是输入样品的原始光谱，输出层同时输出n个化学成分定量结果和活性预测结果。
进一步的，化学/活性指标处理单元中，选取全高光谱图像中rgb值最大的像素点，在瓶身上划定一个矩形区域，矩形区域内像素点的rgb值应大于或等于最大值的70%，该矩形区域区别于其他区域，代表中药注射剂的瓶身，作为高光谱采样处理区域；在瓶身采样处理区域的宽度和高度范围内，以矩阵形式均匀地选取每个样品的若干个采样处理点。
进一步的，计算所述采样处理点所覆盖的像素块平均光谱和采样处理点及光程所覆盖的样品液体体积（采样点区域的长×宽×光程深度），再将所得像素块平均光谱作为定量校正模型输入，将所得体积与该样品用常规方法测定的化学成分含量和活性数据相乘的值作为定量校正模型输出。
进一步的，色度指标处理单元计算高光谱采样处理区域高光谱图像的平均光谱，从中选取光谱在700nm（红色），546.1nm（绿色）和435.8nm（蓝色）的光强，将其转换为hsv色彩空间中的h值，即为色度。
进一步的，可见异物指标处理单元选取中药注射剂瓶底处采集的高光谱图像作为图像处理区域；瓶体传送模块将所传送的中药注射剂的可见异物向注射剂瓶体底边聚集，并传送至高光谱图像采集区域，可见异物指标处理单元提取采集的高光谱图像的底部区域轮廓，对注射剂瓶内沉淀的大尺度和小尺度颗粒物进行检测。
进一步的，针对所述注射剂瓶体的底部区域轮廓，可见异物指标处理单元使用链码技术提取含可见异物一侧的底边，作为下曲线；对下曲线进行大尺度检测，在下曲线上检测曲率突变的点，然后将相邻的角点用线段相连，确定可能的异物区域，依据异物区域内光谱的均方根标准偏差，对异物区域进行是否虚警的判断，若均方根标准偏差小于0.2，则为虚警；在大尺度检测方法未能检出异物的下曲线部分继续进行小尺度检查，小尺度检查直接检查下曲线的曲率，当曲线上像素点曲率大于0.3时，则判断该样品中存在小颗粒异物。
进一步的，所述瓶体传送模块包括倾斜振动传送平台、倾斜传送平台，以及用于使瓶体竖立有序传送的固定支架，倾斜平送平台和倾斜振动传送平台台面呈倾斜状态，倾斜角度为5-15°，注射剂瓶体依次从倾斜振动传送平台、倾斜传送平台传送前移。
进一步的，所述高光谱图像采集模块包括卤素灯光源、高光谱相机以及避光罩，卤素灯光源和高光谱相机分列在瓶体传送模块的两侧，其中高光谱相机采集波长范围包含400-1700nm内所有波长范围组合，波长分辨率5nm及以下，高光谱相机对倾斜平送平台上的中药注射剂瓶体进行扫描获取高光谱图像。
与现有技术相比，本发明具有以下优点和有益效果：
（1）本发明所提供的基于高光谱的中药注射剂的多指标检测系统，其高光谱图像采集模块只需对瓶体传送模块上中药注射剂瓶体扫描形成高光谱图像，高光谱图像处理模块对所采集的高光谱图像进行数据处理，提取的光谱信息可以预测多项化学指标和多项活性指标并测定色度；提取的图像信息就可以判断注射剂中有无可见异物；建模完成后，无需任何样本处理，无损快速实现多指标同时检测，极大地简化了检测方式和检测设备，省时省力，采用本发明提供的系统提高了中药注射剂质量指标的检测效率。
（2）本发明可以应用于生产线上的在线检测，高通量地检测所有注射剂产品，实现产品全检，克服了因抽检导致的漏检问题，更好地保障产品质量，有效提升了中药注射剂的用药安全、有效，且无需损坏注射剂样品就能预测指标结果，清洁环保。
（3）本发明的化学/活性指标处理单元使用卷积神经网络（即cnn网络）方法建立预测模型，由于采用了深度神经网络和卷积层的结构，使得需训练变量个数大大减少，在降低计算量和保证模型精度的前提下，增加了模型的可扩展性；此外，本文的cnn模型对于n个指标采用一个共用的卷积层模块，即提取的是公共的光谱特征，本发明的cnn模型建立一个模型即可预测n个指标，只需要花费1/n的时间，无需光谱预处理和提取特征波段及模型参数的人工调节，是一种端对端的定量校正模型，通用性强。
（4）本发明的基于高光谱的注射剂可见异物检测方法，有别于传统灯检机的检测原理。本发明中将可见异物聚集瓶底，进而对瓶底进行大尺度和小尺度的检测，检测精度更高；且本方法采用的装置结构简单，操作便捷，能够大幅减少检测成本。
（5）本系统可广泛应用于中药注射剂的质量检测领域，只需要根据不同制剂特定的化学成分和活性指标进行相应建模调整，色度和可见异物为水针剂通用检查项目，可以直接应用。
附图说明
图1为本发明所提供检测系统的简易流程图。
图2是本发明所提供检测系统的装置示意图。
图3是本发明所提供实施例的检测流程图。
图4是本发明所提供实施例的卷积神经网络结构图。
图5是本发明所提供实施例的生化指标处理单元采样示意图。
图6是本发明所提供实施例的可见异物指标处理单元所采样示意图。
图7是本发明所提供实施例的7个厂家的色度分布图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清晰明了，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参见图1，本实施例提供了一种基于高光谱的中药注射剂的多指标检测系统，中药注射剂呈圆柱瓶状，包括中药注射剂安瓿瓶传送模块、高光谱图像采集模块、高光谱图像处理模块；安瓿瓶传送模块将待检中药注射剂传送至高光谱图像采集区域，高光谱图像采集模块采集注射剂的高光谱图像，高光谱图像处理模块对所采集的高光谱图像进行数据处理，高光谱图像处理模块包括包括化学/活性指标处理单元、色度指标处理单元、可见异物指标处理单元，化学/活性指标处理单元分析得出中药注射剂中化学成分和活性预测结果，色度指标处理单元分析得出色度检测结果，可见异物指标处理单元分析得出可见异物检测结果。
由于不同物质在不同波段光谱信号下有不同表现，高光谱成像技术是基于非常多的窄波段的影像数据技术，它将成像技术与光谱技术相结合，探测目标的二维几何空间和光谱信息，获取高分辨率的连续、窄波段的图像数据。为本发明实施检测的n个指标提供了可能性。
参见图2，本系统中，瓶体传送模块包括倾斜振动传送平台4、倾斜传送平台3，以及用于使瓶体竖立倾斜有序传送的固定支架2，倾斜振动传送平台4和倾斜平送平台3的倾斜角度为5-15度，优选5优，使传送与沉积异物颗粒之间达到更好的平衡。高光谱图像采集模块包括卤素灯光源1、高光谱相机7以及避光罩（图中未示出），其中高光谱相机7为可见-短波近红外高光谱相机/近红外高光谱相机，高光谱相机7采集波长范围包含400-1700nm内所有波长范围组合，波长分辨率5nm及以下，高光谱相机7对倾斜平送平台3上的中药注射剂瓶体进行扫描获取高光谱图像；高光谱图像处理模块是为工作站6。
卤素灯光源1是一个光强可调节的面光源，固定支架2为了防止注射剂5倾倒，中药注射剂瓶体依次由倾斜振动传送平台4、倾斜传送平台3传送向前在高光谱相机镜头前通过，振动传送平台4和倾斜传送平台3是为了可见异物向注射剂底边上聚集，高光谱vnir相机7获取注射剂的高光谱图像，工作站6对获取的图像进行后续的数据处理。高光谱图像采集模块置于避光罩或暗箱中运行，防止环境光的干扰。
本发明中，以舒血宁注射剂为例，舒血宁注射液是银杏叶经加工制成的灭菌水溶液，具有扩张血管，改善微循环作用，临床主要用于缺血性心脑血管疾病，冠心病，心绞痛脑栓塞，脑血管痉挛。是中药注射剂大品种之一。质量标准规定定量检测总黄酮醇苷和银杏内酯两大类化学成分含量，故选取该2个定量指标作为化学指标；另外，从其适应症出发，其抗凝血活性和抗氧化活性指标与其药效密切相关，因此选取该2个指标作为活性指标。同时，选取色度和可见异物作为物理检测指标，共选取了6个质量指标。
目前，国内外对于注射剂产品的化学、活性指标的检测，主要采用抽样的方式分别进行离线检测。如图3所示，通过hplc-uv法检测总黄酮醇苷含量、通过hplc-elsd法检测银杏内酯含量、通过荧光光度法检测抗凝血活性（凝血酶活性抵制率）、通过可见光光度法检测抗氧化活性（dpph自由基清除率）。这些方式虽然稳定可靠，但也存在着检测速度慢、破坏样品、产生的化学、生物试剂污染环境等缺点。现有技术中针对中药注射剂的化学、活性、物理指标，均是分割成不同的检测系统来进行测定，这就导致了检测设备复杂、检测过程繁琐耗时，工作量大、效率低。现有技术已经有一系列将近红外光谱和紫外光谱应用于液体中化学成分检测的报道，但传统的光谱法存在两个主要缺点：（1）传统的光谱技术只采集光谱信息而没有图像信息，因此不能处理圆柱形安瓿瓶的空间异质性问题；（2）可见异物检测需要用到空间信息，而光谱法无法实现。而现有技术中针对可见异物的检测，多使用的是价格昂贵的灯检机，使得整体检测成本很高。
以舒血宁注射剂应用于本系统时，只需扫描瓶体传送模块上中药注射剂瓶体形成高光谱图像，高光谱图像处理模块对所采集的高光谱图像进行数据处理，高光谱图像处理模块的化学/活性指标处理单元分析得出中药注射剂的化学指标预测结果和活性指标预测结果，色度指标处理单元分析得出色度指标检测结果，可见异物指标处理单元分析得出可见异物指标检测结果。
本实施例中，高光谱相机7选用的是可见-短波近红外高光谱相机，所采集波长范围包含400-1000nm内所有波长范围组合，波长分辨率为1.28nm。
舒血宁注射剂检测，在具体使用时，包括有采样、校正、数据处理等过程，具体过程如下：
1、对于化学/活性指标的同时定量检测
1）图像采集：共采集来自7个公司的共计60批样品的高光谱图像，其中包括11瓶无色2ml，37瓶无色5ml和12瓶棕色5ml安瓿瓶。由于本技术采用了采集透射光谱的方式，且圆柱形液体具有聚光效应，固需要先采集用相同规格安瓿瓶灌装相同体积纯化水样品的高光谱图像作为背景，用于后续样品的白板校正。为了消除由于瓶子颜色不同造成的误差，三种不同规格的装水安瓿瓶图像分别被用做校正图像。
2）图像校正：本实施例中将60个样品采样点光谱与3个校正图像采样点光谱直接相除，得到的结果作为每个样品的校正后光谱。
3）图像处理：对于这63个的高光谱图像，首先选取全高光谱图像中rgb值最大的像素点，在瓶身上划定一个矩形区域，矩形区域内像素点的rgb值应大于或等于最大值的70%，该矩形区域区别于其他区域，代表中药注射剂的瓶身，作为高光谱采样处理区域；现有的高光谱检测技术通常是将整个样品图像区域设定为图像处理区域，计算平均光谱后用于定量校正建模，而由于安瓿瓶圆柱体的特征，样品区域中不同位置的光程不同，以上方法会造成较大误差，故本发明在各选定的采样处理区域中均匀采集3×5个小像素块，应用于化学/活性检测的63个高光谱图像，根据选定的采样处理区域的宽度和高度，均匀地获取15个采样处理点(以3*5的矩阵形式)。其具体形式为：如图5所示，令高光谱数据的大小为
将验证集在完成训练后获得的预测模型上进行测试，得到了比传统算法-偏最小二乘回归法更优的结果。模型评价及与传统方法比较结果如下表所示：
本发明所建立之模型，能有效输出4个质量指标的检测结果，且通过决定系数（r2，越接近1越好）、均方根误差（rmse，越小越好）及剩余预测偏差（rpd，越大越好）三个模型评价指标评价所建立模型的预测性能，与传统的偏最小二乘法相比，各质量指标在校正集和验证集上均获得了更优的模型性能。
常规的cnn网络模型对4个指标进行建模，采用的是建立4个单独模型的方式。而本发明的cnn模型建立一个模型即可预测4个指标，只需要花费1/4的时间。此外，本发明的cnn模型对于4个指标采用一个共用的卷积层，即提取的是公共的光谱特征。根据卷积层和输入层的权重系数可以反推出光谱中特征变量，增加了cnn的可解释性，同时还可以将高光谱系统转变为多光谱系统，可以大大提升检测速度。
本发明中的cnn网络模型是将一个全连接层的输出模块修改为并联的多个，达到多输出的目标。
为同时考虑4个指标的预测精度，以4个指标的均方误差(mse)之和作为模型损失(loss)进行训练，以此综合评定模型对于4个指标的预测效果。为消除由于量纲差异引起的模型训练时梯度下降方向的偏向性，需要在模型训练前将输出数据进行归一化处理，用于预测时则需要进行反归一化处理。
针对预处理的问题：传统的光谱定量校正建模方法通常包括光谱预处理、提取特征波段和定量建模三个步骤。现有关于光谱预处理方法有：a平滑法；b导数法；c标准正态变量变换法；d多元散射校正。较为通用的方法是将光谱通过预处理之后，采用有监督或者无监督的方式提取特征波段。预处理和提取特征波段的方法进行全组合后，依照建模效果筛选。这种遍历算法组合的方式，会导致不必要的算力负担。而且预处理方法往往随着环境因素(温度、湿度、环境光)和操作者的主观因素不同而不同，模型的推广性能受限。对预处理方式的错误使用还可能扭曲光谱信号，使得模型精度下降。提取特征波段的算法虽然挑选了光谱中的关键波段，但也可能造成有效信息的损失。neuralnetwork(nn)理论上也可以达到无需预处理和提取特征波段就完成建模的目的，但由于神经网络中参数变量过多，导致训练速度慢的同时，还会导致过拟合的风险。
本cnn的技术无需预处理和提取特征波段，同时由于采用了深度神经网络和卷积层的结构，使得变量个数大大减少，在降低计算量和保证模型精度的前提下，增加了模型的可扩展性。卷积神经网络模型包含了卷积层和全连接层，其中卷积层本质上是一个特征提取的过程，可提取光谱中的特征信息，同时过滤部分无关信息，因此可在无光谱预处理的情况下获得较理想的建模效果。
2、对色度指标的检测
1）图像采集：采用“对于化学/活性指标的同时定量检测”的63个安瓿瓶的瓶身区域的高光谱图像。
2）图像处理：对于这63个的高光谱图像，首先选取全高光谱图像中rgb值最大的像素点，在瓶身上划定一个矩形区域，矩形区域内像素点的rgb值应大于或等于最大值的70%，该矩形区域区别于其他区域，代表中药注射剂的瓶身，作为高光谱采样处理区域；色度指标处理单元计算高光谱采样处理区域的高光谱图像平均光谱，从中选取光谱在700nm（红色），546.1nm（绿色）和435.8nm（蓝色）的光强，7个厂家的色度分布见图7。
具体为：将获取的三个波段的光强设为
3、对于可见异物指标的检测
1）图像采集：共采集了100瓶样品（32瓶出厂时已判定为异常）的高光谱图像。此外，为了检验该方法能否适用于数十微米级的微粒检测，采集了60μm标准粒子的高光谱图像。对于这101个安瓿瓶的高光谱图像，以3*3像素点的小窗口遍历高光谱图像的所有像素点，除了图像最外缘的一圈像素点。对每个小窗口内的像素点求其光谱的方差，将方差值作为新图像的像素值，从而得到单层的灰度图。对灰度图采用分水岭算法得到其底部掩膜，从而获取底部的感兴趣区域。
2）图像处理：提取底部区域轮廓，使用链码技术提取靠近镜头的一半底边，称其为下曲线。首先对下曲线采用大尺度检测方法，在下曲线上检测可能的角点（曲率突变的点），然后将相邻的角点用线段相连，如图6（1）所示，确定可能的异物区域。依据异物区域内光谱的均方根标准偏差，对异物区域进行是否虚警的判断，若均方根标准偏差小于0.2，则为虚警。这些虚警可能是附着在外壁上的灰尘或者光谱噪声点导致。
均方根标准差计算公式如下：
其中
在大尺度检测方法未能检出异物的下曲线部分继续进行小尺度检查，小尺度检查直接检查曲线的曲率，曲线上但凡有像素点曲率大于0.3，如图6（2）所示，则认为该样品中存在小颗粒异物。该方法可以在静态条件下检测粒径低至60μm的可见异物。
用于可见异物检查的样品共100个，其中有32个为异常样品。如图6（3）所示，l表示大尺度颗粒，s表示小尺度颗粒。本方法的大尺度检查和小尺度检查序贯运行，其中大尺度检出33瓶，小尺度检出12瓶，综合大小尺度结果，总共检出35瓶。而灯检机检出32瓶，所以采用该方法能全部检出异常样品，但是存在3瓶的“虚警”。对于部分大尺度检测检出异常的样品，它检出了额外的杂质微粒，小尺度检查能够有效避免漏检情况的发生。此外，本方法采用的小尺度检查法能够检出60μm的微粒，接近药典的不能检出50μm微粒的检测标准。
与“灯检机”检测的不同：当前较为成熟的灯检机是通过高速ccd相机采集药液翻转过程中的图像，通过分析图像中像素点灰度的变化情况判断是否存在可见微粒，其机械结构复杂且对ccd相机的拍摄速度和成像精度要求较高，固价格昂贵，而本系统不需要对样品进行翻转操作，降低了机械结构复杂性，且由于结合了光谱信息，固可一定程度上降低对于像素分辨率的要求，进而降低成本。
总的来说，本中药注射剂的多指标检测系统应用于舒血宁注射剂时，如图3所示，扫描舒血宁注射剂获取高光谱图像后，瓶身区域作色度指标的检测，瓶底区域根据光谱方差、边缘曲率的判别作可见异物指标的检测，对瓶身区域矩阵采样点像素块基于卷积神经网络作定量校正模型，预测化学和活性指标结果。
本发明所提供的基于高光谱的中药注射剂多指标检测系统，其高光谱图像采集模块只需扫描瓶体传送模块上中药注射剂瓶体形成高光谱图像，高光谱图像处理模块对所采集的高光谱图像进行数据处理，提取光谱信息就可以预测多项化学指标和多项活性指标及获取色度检测结果；提取图像信息就可以判断注射剂中有无可见异物；建模完成后，无需任何预处理，就可以实现多指标同时检测，极大地简化了检测方式和检测设备，省时省力，采用本发明提供的系统提高了中药注射剂的检测效率。
本发明的多指标检测系统可以应用于生产线上的在线检测，高通量地检测所有注射剂产品，实现产品全检，克服了因抽检导致的漏检问题，产品质量更能得到保障，有效提升了药物使用时的安全性，且无需损坏注射剂样品就能测出指标结果，清洁环保。
此外，本系统也可应用于其它液体制剂，根据不同制剂特定的化学成分和活性指标进行相应调整，色度和可见异物为水针剂通用检查项，可以直接应用，适合推广。
上述实施例为本发明的较佳实施方式，但本发明的实施方式并不受所述的限制，其他的任何未背离本发明的精神本质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。
1.一种基于高光谱的中药注射剂多指标检测系统，其特征在于，包括中药注射剂安瓿瓶传送模块、高光谱图像采集模块、高光谱图像处理模块；安瓿瓶传送模块将待检中药注射剂传送至高光谱图像采集区域，高光谱图像采集模块采集注射剂的高光谱图像，高光谱图像处理模块对所采集的高光谱图像进行数据处理，分析输出中药注射剂中的化学成分预测结果、活性预测结果、色度检测结果和可见异物检测结果。
2.如权利要求1所述的基于高光谱的中药注射剂多指标检测系统，其特征在于，高光谱图像处理模块包括化学/活性指标处理单元、色度指标处理单元、可见异物指标处理单元，化学/活性指标处理单元分析得出中药注射剂中化学成分和活性的预测结果，色度指标处理单元分析得出色度检测结果，可见异物指标处理单元分析得出可见异物检测结果。
3.如权利要求2所述的基于高光谱的中药注射剂多指标检测系统，其特征在于，化学/活性指标处理单元使用卷积神经网络（即cnn网络）方法建立预测模型，通过cnn网络方法处理采集到的高光谱图像；所述cnn网络包含一层输入层、三层卷积池化层、一层全连接层、n个并行的输出模块，各输出模块含有两层全连接层、一层输出层；输入层采用的是输入样品的原始光谱，输出层同时输出n个化学成分定量结果和活性预测结果。
4.如权利要求3所述的基于高光谱的中药注射剂多指标检测系统，其特征在于，化学/活性指标处理单元中，选取全高光谱图像中rgb值最大的像素点，在瓶身上划定一个矩形区域，矩形区域内像素点的rgb值应大于或等于最大值的70%，该矩形区域区别于其他区域，代表中药注射剂的瓶身，作为高光谱采样处理区域；在瓶身采样处理区域的宽度和高度范围内，以矩阵形式均匀地选取每个样品的若干个采样处理点。
5.如权利要求4所述的基于高光谱的中药注射剂多指标检测系统，其特征在于，计算所述采样处理点所覆盖的像素块平均光谱和采样处理点及光程所覆盖的样品液体体积（采样点区域的长×宽×光程深度），再将所得像素块平均光谱作为定量校正模型输入，将所得体积与该样品用常规方法测定的化学成分含量和活性数据相乘的值作为定量校正模型输出。
6.如权利要求2所述的基于高光谱的中药注射剂多指标检测系统，其特征在于，色度指标处理单元计算高光谱采样处理区域高光谱图像的平均光谱，从中选取光谱在700nm（红色），546.1nm（绿色）和435.8nm（蓝色）的光强，将其转换为hsv色彩空间中的h值，即为色度。
7.如权利要求1所述的基于高光谱的中药注射剂多指标检测系统，其特征在于，可见异物指标处理单元选取中药注射剂瓶底处采集的高光谱图像作为图像处理区域；瓶体传送模块将所传送的中药注射剂的可见异物向注射剂瓶体底边聚集，并传送至高光谱图像采集区域，可见异物指标处理单元提取采集的高光谱图像的底部区域轮廓，对注射剂瓶内沉淀的大尺度和小尺度颗粒物进行检测。
8.如权利要求7所述的基于高光谱的中药注射剂多指标检测系统，其特征在于，针对所述注射剂瓶体的底部区域轮廓，可见异物指标处理单元使用链码技术提取含可见异物一侧的底边，作为下曲线；对下曲线进行大尺度检测，在下曲线上检测曲率突变的点，然后将相邻的角点用线段相连，确定可能的异物区域，依据异物区域内光谱的均方根标准偏差，对异物区域进行是否虚警的判断，若均方根标准偏差小于0.2，则为虚警；在大尺度检测方法未能检出异物的下曲线部分继续进行小尺度检查，小尺度检查直接检查下曲线的曲率，当曲线上像素点曲率大于0.3时，则判断该样品中存在小颗粒异物。
9.如权利要求1所述的基于高光谱的中药注射剂多指标检测系统，其特征在于，所述瓶体传送模块包括倾斜振动传送平台（4）、倾斜传送平台（3），以及用于使瓶体竖立有序传送的固定支架（2），倾斜平送平台（3）和倾斜振动传送平台（4）台面呈倾斜状态，倾斜角度为5-15°，注射剂瓶体依次从倾斜振动传送平台（4）、倾斜传送平台（3）传送前移。
10.如权利要求1所述的基于高光谱的中药注射剂多指标检测系统，其特征在于，所述高光谱图像采集模块包括卤素灯光源（1）、高光谱相机（7）以及避光罩，卤素灯光源（1）和高光谱相机（7）分列在瓶体传送模块的两侧，其中高光谱相机（7）采集波长范围包含400-1700nm内所有波长范围组合，波长分辨率5nm及以下，高光谱相机（7）对倾斜平送平台（3）上的中药注射剂瓶体进行扫描获取高光谱图像。
技术总结