基于图像的同时颗粒大小分布和粉末混合成分的度测量,使用深度学习和机器视觉
Máté Ficzere1, Orsolya Péterfi1, Attila Farkas1
1Department of Organic Chemistry and Technology, Faculty of Chemical Technology and Biotechnology, Budapest University of Technology and Economics, Műegyetem rkp 3., Budapest H 1111, Hungary.
概括
这项研究引入了使用数字摄像机图像来测量粉末混合物中活性药物成分 (API) 度和颗粒大小分布 (PSD) 的深度学习系统,以加强质量控制.
科学领域:
- 制药科学 制药科学
- 化学工程是化学工程的重要组成部分.
- 计算机视觉 计算机视觉
背景情况:
- 精确监测活性药物成分 (API) 度和颗粒大小分布 (PSD) 对于粉末混合物质量控制至关重要.
- 对于PSD和API度分析的传统方法可能是耗时和劳动密集的.
研究的目的:
- 开发和验证一种基于深度学习的新型系统,用于在粉末混合物中同时确定API度和PSD.
- 评估系统是否适合检测隔离并改善制造质量控制.
主要方法:
- 一个深度学习模型被训练在用数码相机拍摄的图像上.
- 该系统同时预测了乙酸 (ASA) 和酸 (CHP) 混合物的API度和PSD.
- 结果与高性能液体染色学 (HPLC) 对API度和激光衍射对PSD进行了验证.
主要成果:
- 深度学习系统准确地预测了API度,与HPLC测量结果相对应.
- 预测的PSD与通过激光衍射粒子大小分析获得的PSD非常相似.
- 该方法证明了在粉末混合物中快速检测分离的潜力.
结论:
- 开发的深度学习系统提供了一种快速,简单和准确的方法,可以同时进行API度和PSD分析.
- 这种技术可以为粉末混合物的同质性和分离提供宝贵的见解.
- 该系统有望加强制药制造过程中的质量控制.
