基于机器视觉和近红外光谱学的贴片厚度快速检测方法的开发:黄素贴片的案例研究

科学领域:

• 制药科学 制药科学
• 材料科学 材料科学 材料科学
• 频谱学是一种光谱学.

背景情况:

• 通过皮肤递送药物系统 (TDDS) 使用贴片作为关键剂量形式.
• 补丁厚度对于药物加载,释放动力学,患者可用性和产品稳定性至关重要.
• 精确的厚度监测对于TDDS的质量控制至关重要.

研究的目的:

• 开发和验证一种用于监测黄素贴片厚度分布的新方法.
• 整合机器视觉和近红外 (NIR) 光谱,用于非破坏性厚度评估.
• 评估用于厚度预测的不同机器学习模型的性能.

主要方法:

• 使用中央复合设计 (29批) 准备了黄斑贴片.
• 机器视觉捕获了RGB颜色数据,NIR光谱获得了光谱数据.
• 数据融合结合了颜色和光谱信息;鱼优化算法 (WOA),遗传算法和竞争性适应性重权采样被用于变量选择.
• 部分最小平方回归,LightGBM,以及带有注意力的卷积神经网络用于厚度预测.

主要成果:

• WOA-LightGBM模型表现出卓越的预测性能.
• WOA-LightGBM模型实现了4.646的相对预测偏差和0.954.95的相关系数.
• 拟议的方法提供了可靠的厚度预测,响应时间非常短.

结论:

• 集成的机器视觉和NIR光谱方法,通过WOA-LightGBM进行优化,对于黄素贴片厚度监测非常有效.
• 这种方法具有实时,非破坏性质量控制在皮肤贴片制造中的巨大潜力.
• 这项研究强调了先进的计算技术在药品质量保证中的应用.