一种中药外用膏药及其制备方法与流程

1.本技术涉及智能化制备技术领域，并且更具体地，涉及一种中药外用膏药及其制备方法。


背景技术：

2.中药外用膏药是一种广泛应用的传统中药剂型，常用于治疗各种皮肤疾病，在现代医疗保健领域也得到了广泛的应用。然而，由于不同中药材的性状和组成差异较大，其制备过程也存在着比较多的技术难点。其中，控制油基质的成型质量是影响中药外用膏药质量和功效的重要因素之一。
3.具体来说，中药外用膏药剂型的制备通常是将中药粉末与油基质混合，并通过搅拌等工艺形成均匀的膏状物。在该工艺过程中，搅拌时间过长或过短都会影响到最终产品的质量，例如搅拌时间过短容易导致中药成分未能充分溶解，搅拌时间过长则容易导致药性流失。然而，在传统的制备方案中，通常采用人工经验判断或定时器等机械设备来控制搅拌时间，这样不仅需要专业的人士来进行实时控制，还会因人为主观因素的影响导致控制的精准度较低，造成产品的质量波动和资源浪费。
4.因此，期望一种优化的中药外用膏药的制备方案。


技术实现要素：

5.为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种中药外用膏药及其制备方法，其包括以下步骤：将动物药材、香料药材和矿物药材分别研成细末，混合均匀得到原料药末；将芝麻油和野生蜂蜡加热搅拌制成油基质；将原料药末分批加入油基质中进行搅拌，充分溶解和混合后得到油胶；将油胶涂在纱布或棉布上，按预定尺寸切割制成中药外用膏药。这样，可以通过控制油基质的成型质量以提高中药外用膏药质量和功效。
6.第一方面，提供了一种中药外用膏药的制备方法，其包括：
7.将动物药材洗净、晒干，并研成细末以得到动物药末；
8.将香料药材研成细末，并与所述动物药末混合均匀以得到混合药末；
9.将矿物药材研成细末，并与所述混合药末混合均匀以得到原料药末；
10.将芝麻油和野生蜂蜡放入不锈钢锅中进行加热搅拌处理以制成油基质；
11.将所述油基质进行冷却后，分批加入所述原料药末并进行搅拌以充分溶解和混合后得到油胶；以及
12.将所述油胶涂在纱布或棉布上，并以预定尺寸进行切割以制成中药外用膏药。
13.第二方面，提供了一种中药外用膏药，所述中药外用膏药由如所述的中药外用膏药的制备方法制得。
14.与现有技术相比，本技术提供的一种中药外用膏药及其制备方法，以此来精准地对于产油国的输出量进行预测，保证石油的安全。
附图说明
15.为了更清楚地说明本技术实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
16.图1为根据本技术实施例的中药外用膏药的制备方法的流程图。
17.图2为根据本技术实施例的中药外用膏药的制备方法中步骤140的子步骤的流程图。
18.图3为根据本技术实施例的中药外用膏药的制备方法中步骤140的架构示意图。
19.图4为根据本技术实施例的中药外用膏药的制备方法中步骤142的子步骤的流程图。
20.图5为根据本技术实施例的中药外用膏药的制备方法中步骤1423的子步骤的流程图。
21.图6为根据本技术实施例的中药外用膏药的制备方法中步骤14232的子步骤的流程图。
22.图7为根据本技术实施例的中药外用膏药的制备系统的框图。
23.图8为根据本技术实施例的中药外用膏药的制备方法的场景示意图。
具体实施方式
24.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
25.除非另有说明，本技术实施例所使用的所有技术和科学术语与本技术的技术领域的技术人员通常理解的含义相同。本技术中所使用的术语只是为了描述具体的实施例的目的，不是旨在限制本技术的范围。
26.在本技术实施例记载中，需要说明的是，除非另有说明和限定，术语“连接”应做广义理解，例如，可以是电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
27.需要说明的是，本技术实施例所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换，以使这里描述的本技术的实施例可以除了在这里图示或描述的那些以外的顺序实施。
28.在本技术的一个实施例中，图1为根据本技术实施例的中药外用膏药的制备方法的流程图。如图1所示，所述中药外用膏药的制备方法，包括：110，将动物药材洗净、晒干，并研成细末以得到动物药末；120，将香料药材研成细末，并与所述动物药末混合均匀以得到混合药末；130，将矿物药材研成细末，并与所述混合药末混合均匀以得到原料药末；140，将芝麻油和野生蜂蜡放入不锈钢锅中进行加热搅拌处理以制成油基质；150，将所述油基质进
行冷却后，分批加入所述原料药末并进行搅拌以充分溶解和混合后得到油胶；以及，160，将所述油胶涂在纱布或棉布上，并以预定尺寸进行切割以制成中药外用膏药。
29.如上所述，在实际进行中药外用膏药剂型的制备过程中，控制油基质的成型质量是影响中药外用膏药质量和功效的重要因素之一。然而，传统的制备方案通是常采用人工经验判断或定时器等机械设备来控制搅拌时间，这样不仅需要专业的人士来进行实时控制，还会因人为主观因素的影响导致控制的精准度较低，造成产品的质量波动和资源浪费。因此，期望一种优化的中药外用膏药的制备方案。
30.具体地，在本技术的技术方案中，提出了一种中药外用膏药，其原料组成为：蝎子、蜈蚣、蟾蜍、乌梢蛇、乳香、冰片、芝麻油、黄丹、珍珠、野生蜂蜡。所述中药外用膏药的制备步骤包括：将蝎子、蜈蚣、蟾蜍、乌梢蛇等动物药材洗净、晒干，并研成细末以得到动物药末；将乳香、冰片等香料药材研成细末，并与所述动物药末混合均匀以得到混合药末；将黄丹、珍珠等矿物药材研成细末，并与所述混合药末混合均匀以得到原料药末；将芝麻油和野生蜂蜡放入不锈钢锅中进行加热搅拌处理以制成油基质；将所述油基质进行冷却后，分批加入药末并进行搅拌，以充分溶解和混合后得到油胶；将所述油胶涂在纱布或棉布上，并以预定尺寸进行切割以制成中药外用膏药。
31.具体地，在本技术的实施例中，首先，110，将动物药材洗净、晒干，并研成细末以得到动物药末，该步骤是将动物药材制成细粉末，以便后续混合使用。其中，这些动物药材的选择和比例需要根据不同的处方和治疗目的进行调整。
32.然后，120，将香料药材研成细末，并与所述动物药末混合均匀以得到混合药末，该步骤是将香料药材与动物药末混合，以增加膏药的药效和香气。
33.接着，130，将矿物药材研成细末，并与所述混合药末混合均匀以得到原料药末，该步骤是将矿物药材与混合药末混合，以增加膏药的药效。其中，加热过程中要避免过高的温度，以免破坏药材的有效成分。
34.然后，140，将芝麻油和野生蜂蜡放入不锈钢锅中进行加热搅拌处理以制成油基质，该步骤是将芝麻油和野生蜂蜡混合加热，制成油基质，以便后续混合使用。其中，加热过程中要避免过高的温度，一般不要超过60℃，以免破坏药材的有效成分。
35.接着，150，将所述油基质进行冷却后，分批加入所述原料药末并进行搅拌以充分溶解和混合后得到油胶，将油基质进行冷却，待温度降至40℃左右时，开始加入原料药末。一般情况下，原料药末的加入量为油基质的1/3到1/2左右。
36.最后，160，将所述油胶涂在纱布或棉布上，并以预定尺寸进行切割以制成中药外用膏药，该步骤是将所述油胶涂在纱布或棉布上，再根据需要的尺寸进行切割，制成中药外用膏药。其中，涂抹油胶时要均匀、厚度适当，不要有漏涂或过厚的情况。切割时要注意尺寸精确，以便使用时方便。
37.也就是，在所述中药外用膏药的制备方法中，将多种药材混合制成药末，再加入油基质制成油胶，最后涂在纱布或棉布上制成中药外用膏药。这个过程需要严格控制药材的比例和加工过程，以确保膏药的药效和质量。
38.图2为根据本技术实施例的中药外用膏药的制备方法中步骤140的子步骤的流程图。图3为根据本技术实施例的中药外用膏药的制备方法中步骤140的架构示意图。如图2和图3所示，所述将芝麻油和野生蜂蜡放入不锈钢锅中进行加热搅拌处理以制成油基质，包
括：141，通过摄像头采集预定时间段的油基质的搅拌状态监控视频；142，从所述油基质的搅拌状态监控视频提取搅拌状态特征向量；143，基于所述搅拌状态特征向量，确定是否停止搅拌。
39.具体地，首先，使用摄像头将油基质搅拌的过程进行实时监控，并将视频数据保存下来。然后，对视频数据进行处理，提取出与搅拌状态相关的特征向量，常用的特征提取方法包括光流法、帧差法、背景减除法等。接着，根据特征向量的变化情况，判断油基质的搅拌状态是否已经达到了停止搅拌的条件。
40.在上述步骤中，需要注意：1.摄像头的选择和安装位置要合理，以确保能够全面、准确地监控油基质的搅拌状态。2.特征提取方法的选择要根据实际情况进行调整，以确保提取出的特征向量能够准确反映油基质的搅拌状态。3.确定合适的阈值和判断方法。4.数据的处理和存储要合理，以确保能够及时、准确地进行搅拌状态的监控和判断。具体地，在步骤141中，通过摄像头采集预定时间段的油基质的搅拌状态监控视频。相应地，考虑到在实际进行中药外用膏药的制备过程中，在将芝麻油和野生蜂蜡放入不锈钢锅中进行加热搅拌处理以制成油基质时，对于搅拌时长的控制尤为重要，搅拌时间过长或过短都会影响到最终产品的质量，例如搅拌时间过短容易导致中药成分未能充分溶解，搅拌时间过长则容易导致药性流失。
41.基于此，在本技术的技术方案中，期望基于深度学习的机器视觉技术来实时监测油基质的成型质量以智能地控制搅拌停止的时间节点。具体地，可以通过摄像头采集预定时间段的油基质的搅拌状态监控视频，并对所述搅拌状态监控视频进行分析，以从所述油基质的搅拌状态监控视频中提取油基质的搅拌状态特征，进而基于该搅拌状态特征来进行油基质成型质量的实时监测，以此来确定停止搅拌的时间节点。
42.更具体地，在本技术的一个实施例中，通过摄像头采集预定时间段的油基质的搅拌状态监控视频，使用摄像头将油基质搅拌的过程进行实时监控，并将视频数据保存下来；然后，使用图像处理技术对视频进行分析，提取出与搅拌状态相关的特征，常用的特征包括颜色、纹理、形状等；接着，根据特征的变化情况，判断油基质的成型质量是否达到了预期目标，如果成型质量达到了预期目标，就可以停止搅拌。
43.这样，可以实现对油基质成型质量的实时监测，避免了传统方法中需要进行大量实验和测试的繁琐过程。同时，还可以提高生产效率和产品质量，减少人工干预，降低成本。
44.具体地，在步骤142中，从所述油基质的搅拌状态监控视频提取搅拌状态特征向量。图4为根据本技术实施例的中药外用膏药的制备方法中步骤142的子步骤的流程图，如图4所示，从所述油基质的搅拌状态监控视频提取搅拌状态特征向量，包括：1421，对所述搅拌状态监控视频进行视频切分以得到多个搅拌状态监控子视频；1422，使用深度卷积神经网络模型作为搅拌时序特征提取器从所述多个搅拌状态监控子视频中提取多个搅拌状态子特征图；以及，1423，对所述多个搅拌状态子特征图进行时序关联编码以得到所述搅拌状态特征向量。
45.通过上述步骤，可以实现对搅拌状态监控视频的自动化分析和处理，一方面，可以提高生产效率：通过实时监测油基质成型质量，及时调整搅拌状态，从而提高生产效率和产品质量。另一方面，可以减少人工干预，传统的油基质搅拌状态监测需要人工干预，耗费时间和人力。而通过自动化分析和处理，可以减少人工干预，提高工作效率。再一方面，可以提
高准确性，使用深度卷积神经网络模型作为搅拌时序特征提取器，可以更准确地提取搅拌状态特征，从而提高监测准确性。再一方面，可以实现智能化生产，通过将视频监控与深度学习技术相结合，可以实现智能化生产，提高生产效率和产品质量。
46.首先，在步骤1421中，对所述搅拌状态监控视频进行视频切分以得到多个搅拌状态监控子视频。在从所述油基质的搅拌状态监控视频中提取油基质的搅拌状态特征时，考虑到由于整个搅拌过程的时间较长，为了更好地对搅拌过程进行细分和分析，需要进一步对所述搅拌状态监控视频进行视频切分以得到多个搅拌状态监控子视频，以此有利于后续提取油基质在不同阶段的搅拌状态特征信息，并且在实时监测过程中也更加高效和实用。同时，通过对每个子视频进行独立特征提取，可以保证模型对油基质的不同搅拌状态的识别与区分准确性达到最优化，从而更好地控制停止时间节点，确保产品质量。
47.视频切分是将原始视频分割成多个子视频的过程，每个子视频包含了一定的时间段内的搅拌状态信息。这个过程通常通过设定一个固定的时间长度或者根据视频中的事件进行分割。在所述搅拌状态监控视频中，可以设定一个固定的时间长度来进行视频切分，例如每隔5秒钟分割一次视频，这样就可以得到多个5秒钟长度的子视频。
48.应可以理解，在本技术的实施例中，视频切分可以使用视频编辑软件或编程语言中的视频处理库来完成。在python中，可以使用opencv库来实现视频的读取和切分操作。例如，可以使用cv2.videocapture()函数读取视频文件，然后使用cv2.videowriter()函数将子视频写入文件，每个子视频的起始时间和结束时间可以通过计算帧数和帧率来确定。
49.进一步地，在所述搅拌状态监控视频中，视频切分是为了将整个搅拌过程分割成多个时间段，以更好地进行搅拌状态特征提取和分析。
50.然后，在步骤1422中，使用深度卷积神经网络模型作为搅拌时序特征提取器从所述多个搅拌状态监控子视频中提取多个搅拌状态子特征图。然后，再分别将所述多个搅拌状态监控子视频分别通过基于三维卷积神经网络模型的搅拌时序特征提取器以得到多个搅拌状态子特征图，以此来提取出油基质在不同时序阶段中的搅拌状态时序变化特征信息。应可以理解，所述三维卷积神经网络模型的卷积核为三维卷积核，其具有w(宽度)、h(高度)和c(通道维度)，其能够同时考虑时间和空间领域数据的特征，对于监控视频时序数据的处理有着很好的效果。也就是说，通过对所述各个搅拌状态监控子视频进行经过时序特征提取之后，所得到的所述多个搅拌状态子特征图包含了不同时间段的搅拌状态关键特征信息，以便更好地探索和判断整个搅拌过程的有用信息，从而实现智能化搅拌时间控制。
51.其中，所述深度卷积神经网络模型为三维卷积神经网络模型。进一步地，深度卷积神经网络是一种用于图像和视频处理的机器学习模型，可以从所述多个搅拌状态监控子视频中提取高级特征。在本技术中，使用深度卷积神经网络模型作为搅拌时序特征提取器，从所述多个搅拌状态监控子视频中提取多个搅拌状态子特征图。
52.具体地，在本技术的一个实施例中，使用深度卷积神经网络模型作为搅拌时序特征提取器从所述多个搅拌状态监控子视频中提取多个搅拌状态子特征图，包括：使用所述作为搅拌时序特征提取器的深度卷积神经网络模型的各层在层的正向传递中对输入数据分别进行卷积处理、池化处理和非线性激活处理以由所述作为搅拌时序特征提取器的深度卷积神经网络模型的最后一层的输出为所述多个搅拌状态子特征图，其中，所述作为搅拌时序特征提取器的深度卷积神经网络模型的第一层的输入为所述多个搅拌状态监控子视
频。
53.在本技术的另一个实施例中，使用深度卷积神经网络模型作为搅拌时序特征提取器从所述多个搅拌状态监控子视频中提取多个搅拌状态子特征图，包括：首先，将所述多个搅拌状态监控子视频切分为固定长度的时间段，并将每个时间段的视频帧转换为图像数据，这些图像数据可以作为深度卷积神经网络的输入。然后，构建深度卷积神经网络模型，选择合适的深度卷积神经网络模型，例如vgg、resnet、inception等，并对模型进行配置。优选地，所述深度卷积神经网络模型为三维卷积神经网络模型。接着，提取搅拌时序特征图：使用深度卷积神经网络模型对所述多个搅拌状态监控子视频进行特征提取，例如，可以使用卷积层或池化层的输出作为搅拌状态子特征图。最后，子特征图的后续处理，对提取出来的搅拌状态子特征图进行后续处理，例如进行归一化、降维、去除噪声等操作。
54.应可以理解，卷积神经网络(convolutional neural network，cnn)是一种人工神经网络，在图像识别等领域有着广泛的应用。卷积神经网络可以包括输入层、隐藏层和输出层，其中，隐藏层可以包括卷积层、池化(pooling)层、激活层和全连接层等，上一层根据输入的数据进行相应的运算，将运算结果输出给下一层，输入的初始数据经过多层的运算之后得到一个最终的结果。
55.卷积神经网络模型利用卷积核作为特征过滤因子在图像局部特征提取方面具有非常优异的性能表现，且相较于传统的基于统计或者基于特征工程的图像特征提取算法，所述卷积神经网络模型具有更强的特征提取泛化能力和拟合能力。
56.接着，在步骤1423中，对所述多个搅拌状态子特征图进行时序关联编码以得到所述搅拌状态特征向量。图5为根据本技术实施例的中药外用膏药的制备方法中步骤1423的子步骤的流程图，如图5所示，对所述多个搅拌状态子特征图进行时序关联编码以得到所述搅拌状态特征向量，包括：14231，将所述多个搅拌状态子特征图分别通过全连接层以得到多个搅拌状态全连接子特征向量；14232，对所述多个搅拌状态全连接子特征向量进行全局关联编码以得到所述搅拌状态特征向量。
57.其中，将多个搅拌状态子特征图通过全连接层得到多个搅拌状态全连接子特征向量，可以将图像特征转化为向量特征，方便后续处理。而对于多个搅拌状态全连接子特征向量进行全局关联编码，可以将时序上相邻的搅拌状态特征向量进行关联，从而更好地反映搅拌状态的变化趋势和规律，提高了搅拌状态监测的准确性和可靠性。
58.应可以理解，将所述多个搅拌状态子特征图分别通过全连接层以得到多个搅拌状态全连接子特征向量。进一步地，考虑到由于时间序列中每个时间段上的数据维度和数量较多，会导致操作量较大并增加系统复杂度，同时，由于所述各个搅拌状态子特征图表示高维与向量运算有一定的困难。因此，为了能够更好地分析视频中不同时间段里油基质的搅拌状态，以便更好地控制搅拌停止时间节点，在本技术的技术方案中，可以使用全连接层将这些所述各个搅拌状态子特征图压缩成具有较低维度的搅拌状态全连接子特征向量，以得到多个搅拌状态全连接子特征向量。这样可以减少计算量，简化模型参数，从而能够更好地支持模型拓扑结构和操作过程的优化处理。
59.在本技术的另一个实施例中，在将多个搅拌状态子特征图分别通过全连接层以得到多个搅拌状态全连接子特征向量的过程中，包括步骤：1.首先，将每个搅拌状态子特征图通过卷积神经网络提取图像特征，这里可以采用不同的卷积神经网络模型，如vgg、resnet
等，根据具体的需求选择合适的模型。2.接着，将每个搅拌状态子特征图的图像特征通过全连接层映射为对应的搅拌状态全连接子特征向量，全连接层可以将图像特征转化为向量特征，方便后续处理。在全连接层的设计中，可以根据具体的需求设置不同的神经元个数和激活函数等参数。3.最后，将得到的多个搅拌状态全连接子特征向量组合在一起，作为后续全局关联编码的输入，这里可以采用简单的拼接操作，将多个搅拌状态全连接子特征向量按顺序拼接成一个大向量，也可以采用其他更复杂的组合方式，如加权平均等。
60.应可以理解，全连接层是深度神经网络中的一种常见层，也称为密集连接层或者全连接层。在全连接层中，每个神经元都与前一层的所有神经元相连，因此也被称为“全连接”。全连接层的作用是将前一层的所有神经元的输出都连接到当前层的每个神经元上，从而将前一层的特征映射转化为当前层的特征向量。
61.在全连接层中，每个神经元都有一组权重参数和一个偏置参数。对于输入向量x和权重矩阵w，全连接层的输出可以表示为y＝wx+b，其中b是偏置参数。在计算输出时，每个神经元都将输入向量x乘以对应的权重矩阵w，然后将所有结果相加，并加上偏置参数b，最终得到当前层的输出向量y。
62.全连接层常用于深度神经网络的最后一层，用于将前面层的特征向量映射为最终的输出结果，如分类、回归等任务。同时，全连接层也可以用于中间层的特征提取和转化，将图像等输入数据转化为向量特征，方便后续处理。
63.进一步地，对所述多个搅拌状态全连接子特征向量进行全局关联编码以得到所述搅拌状态特征向量。包括：将所述多个搅拌状态全连接子特征向量通过基于转换器模块的搅拌状态上下文编码器以得到所述搅拌状态特征向量。
64.继而，还考虑到由于油基质的搅拌状态在时间维度上是不断变化的，也就是说，所述油基质的搅拌状态在各个阶段的局部时序动态变化特征之间具有着时序的关联关系。并且，在生产过程中，由于各种因素的干扰，导致不同时间点下关于油基质的搅拌状态变化是非常复杂和多样的。因此，在本技术的技术方案中，需要充分探究所述油基质的搅拌状态在不同阶段的时序变化特征之间的关联特征信息，以提高对搅拌时长的控制精准度。
65.但是由于卷积运算的固有局限性，纯cnn的方法很难学习明确的全局和远程语义信息交互。基于此，进一步将所述多个搅拌状态全连接子特征向量通过基于转换器模块的搅拌状态上下文编码器，以此来提取出所述油基质的搅拌状态在不同阶段中基于时序全局的上下文关联特征信息，从而得到搅拌状态特征向量。也就是说，所述搅拌状态上下文编码器可以接收多个时间点上的关于油基质的搅拌状态全连接子特征向量作为输入，通过不同的transformer层来捕获其序列特征，并整合多个层次的信息，最终输出一个更加具有语义表达能力和准确性的所述搅拌状态特征向量。这样，可以利用油基质的时序全局关联特征来对停止时间节点进行预测分类，而不受搅拌时间长度不同的影响。
66.上下文编码器是一种用于将自然语言文本序列编码为向量表示的模型。其目的是捕捉文本序列中的语义和语法信息，并将其转化为一个固定长度的向量，以便于后续的处理和分析。常见的上下文编码器包括循环神经网络(rnn)、长短时记忆网络(lstm)、门控循环单元网络(gru)等。这些模型都具有一定的记忆能力，可以在处理序列数据时保留之前的信息，从而更好地捕捉序列中的上下文信息。
67.在自然语言处理领域，上下文编码器广泛应用于诸如文本分类、命名实体识别、机
器翻译等任务中。此外，上下文编码器也被用于生成自然语言文本，例如对话系统和机器作家等场景。
68.具体地，图6为根据本技术实施例的中药外用膏药的制备方法中步骤14232的子步骤的流程图，如图6所示，将所述多个搅拌状态全连接子特征向量通过基于转换器模块的搅拌状态上下文编码器以得到所述搅拌状态特征向量，包括：142321，将所述多个搅拌状态全连接子特征向量通过所述基于转换器模块的搅拌状态上下文编码器以得到多个上下文搅拌状态全连接子特征向量；142322，将所述多个上下文搅拌状态全连接子特征向量进行特征图重构以得到多个上下文搅拌状态全连接子特征图；142323，融合每个所述上下文搅拌状态全连接子特征图和对应的所述搅拌状态子特征图以得到优化后上下文搅拌状态全连接子特征图；142324，将所述优化后上下文搅拌状态全连接子特征图展开为特征向量以得到多个优化上下文搅拌状态全连接子特征向量；142325，将所述多个优化上下文搅拌状态全连接子特征向量进行级联以得到所述搅拌状态特征向量。
69.特别地，在本技术的技术方案中，在将所述多个搅拌状态监控子视频分别通过基于三维卷积神经网络模型的搅拌时序特征提取器以得到多个搅拌状态子特征图时，所述三维卷积神经网络模型的三维卷积核在提取各个搅拌状态监控子视频的视频帧的时序关联特征的同时，也提取搅拌状态监控图像的局部图像语义关联特征，而在将所述多个搅拌状态子特征图分别通过全连接层得到多个搅拌状态全连接子特征向量，并将所述多个搅拌状态全连接子特征向量通过基于转换器模块的搅拌状态上下文编码器得到多个上下文搅拌状态全连接子特征向量时，期望所述上下文搅拌状态全连接子特征向量也能够表达相应的图像帧的空间关联语义，因此，本技术的申请人考虑将所述上下文搅拌状态全连接子特征向量还原为上下文搅拌状态全连接子特征图，并与相对应的搅拌状态子特征图进行融合。
70.这里，在融合所述上下文搅拌状态全连接子特征图和所述搅拌状态子特征图时，考虑到其各自的空间图像语义的关联特征表示，对所述上下文搅拌状态全连接子特征图和所述搅拌状态子特征图进行全局上下文空间关联富化融合，具体表示为：以如下优化公式对每个所述上下文搅拌状态全连接子特征图和对应的所述搅拌状态子特征图进行全局上下文空间关联富化融合以得到所述优化后上下文搅拌状态全连接子特征图；其中，所述优化公式为：
[0071][0072]
其中，m
1i
和m
2i
分别是所述上下文搅拌状态全连接子特征图和所述搅拌状态子特征图的第i个特征矩阵，m
1i
′
是所述优化后上下文搅拌状态全连接子特征图的第i个特征矩阵，和分别是矩阵乘法和矩阵加法。
[0073]
这里，为了聚集在所述上下文搅拌状态全连接子特征图和所述搅拌状态子特征图之间关联分布的本地空间语义之间的上下文空间关联语义，所述全局上下文空间关联富化融合通过聚焦于特征图的特征矩阵所表示的空间帧级别(spatial frame-level)的显式上下文相关性，来富化(enriching)全局感知野下的特征矩阵的帧级别的空间语义融合式表达，从而实现所述上下文搅拌状态全连接子特征图和所述搅拌状态子特征图的跨通道的空间共享上下文语义的同化(assimilation)融合，以提升优化后的上下文搅拌状态全连接子特征图对所述上下文搅拌状态全连接子特征图和所述搅拌状态子特征图的融合效果。然后，再将优化后的上下文搅拌状态全连接子特征图展开为上下文搅拌状态全连接子特征向
量并级联得到所述分类特征向量，就可以提升所述分类特征向量的表达效果，从而提升其通过分类器得到的分类结果的准确性。这样，能够基于实际油基质的搅拌状态来进行搅拌时长的智能控制，以优化油基质的成型质量，进而提高中药外用膏药的制备效率和质量。
[0074]
这种全局上下文空间关联富化融合的方法可以有效地提高搅拌状态的识别准确率和鲁棒性。通过将每个搅拌状态子特征图和对应的上下文搅拌状态全连接子特征图进行关联，可以更好地捕捉到搅拌状态的上下文信息，从而提高识别准确率。
[0075]
具体地，在步骤143中，基于所述搅拌状态特征向量，确定是否停止搅拌。其中，基于所述搅拌状态特征向量，确定是否停止搅拌，包括：将所述搅拌状态特征向量通过分类器以得到分类结果，所述分类结果用于表示是否停止搅拌。
[0076]
进而，再将所述搅拌状态特征向量通过分类器以得到分类结果，所述分类结果用于表示是否停止搅拌。也就是说，以所述油基质的搅拌状态特征在时序上的全局关联特征信息来进行分类，以此来对于搅拌停止的时间节点进行分类，从而进行搅拌时间的智能控制。
[0077]
具体地，在本技术的技术方案中，所述分类器的标签包括停止搅拌(第一标签)，以及，不停止搅拌(第二标签)，其中，所述分类器通过软最大值函数来确定所述分类特征向量属于哪个分类标签。值得注意的是，这里的所述第一标签p1和所述第二标签p2并不包含人为设定的概念，实际上在训练过程当中，计算机模型并没有“是否停止搅拌”这种概念，其只是有两种分类标签且输出特征在这两个分类标签下的概率，即p1和p2之和为一。因此，是否停止搅拌的分类结果实际上是通过分类标签转化为符合自然规律的二分类的类概率分布，实质上用到的是标签的自然概率分布的物理意义，而不是“是否停止搅拌”的语言文本意义。
[0078]
应可以理解，在本技术的技术方案中，所述分类器的分类标签为是否停止搅拌的控制策略标签，因此，在得到所述分类结果后，可基于所述分类结果来进行油基质搅拌时间的自适应控制，以优化中药外用膏药的制备质量和效率。
[0079]
使用分类器来判断当前的搅拌状态是否为停止状态可以有效地提高搅拌过程的自动化程度和准确性。通过实时监测搅拌状态并及时判断是否需要停止搅拌，可以避免过度搅拌或者不足搅拌的情况发生，从而保证搅拌过程的质量和效率。
[0080]
综上，基于本技术实施例的中药外用膏药的制备方法100被阐明，通过控制油基质的成型质量以提高中药外用膏药质量和功效。
[0081]
在本技术的一个实施例中，还提供一种中药外用膏药，所述中药外用膏药由如所述的中药外用膏药的制备方法制得。
[0082]
在本技术的一个实施例中，图7为根据本技术实施例的中药外用膏药的制备系统的框图。如图7所示，根据本技术实施例的中药外用膏药的制备系统200，包括：药末研磨模块210，用于将动物药材洗净、晒干，并研成细末以得到动物药末；混合药末混合模块220，用于将香料药材研成细末，并与所述动物药末混合均匀以得到混合药末；原料药末混合模块230，用于将矿物药材研成细末，并与所述混合药末混合均匀以得到原料药末；加热搅拌处理模块240，用于将芝麻油和野生蜂蜡放入不锈钢锅中进行加热搅拌处理以制成油基质；溶解和混合模块250，用于将所述油基质进行冷却后，分批加入所述原料药末并进行搅拌以充分溶解和混合后得到油胶；以及，切割模块260，用于将所述油胶涂在纱布或棉布上，并以预
定尺寸进行切割以制成中药外用膏药。
[0083]
这里，本领域技术人员可以理解，上述中药外用膏药的制备系统中的各个单元和模块的具体功能和操作已经在上面参考图1到图6的中药外用膏药的制备方法的描述中得到了详细介绍，并因此，将省略其重复描述。
[0084]
如上所述，根据本技术实施例的中药外用膏药的制备系统200可以实现在各种终端设备中，例如用于中药外用膏药的制备的服务器等。在一个示例中，根据本技术实施例的中药外用膏药的制备系统200可以作为一个软件模块和/或硬件模块而集成到终端设备中。例如，该中药外用膏药的制备系统200可以是该终端设备的操作系统中的一个软件模块，或者可以是针对于该终端设备所开发的一个应用程序；当然，该中药外用膏药的制备系统200同样可以是该终端设备的众多硬件模块之一。
[0085]
替换地，在另一示例中，该中药外用膏药的制备系统200与该终端设备也可以是分立的设备，并且中药外用膏药的制备系统200可以通过有线和/或无线网络连接到该终端设备，并且按照约定的数据格式来传输交互信息。
[0086]
图8为根据本技术实施例的中药外用膏药的制备方法的场景示意图。如图8所示，在该应用场景中，首先，通过摄像头采集预定时间段的油基质的搅拌状态监控视频(例如，如图8中所示意的c)；然后，将获取的搅拌状态监控视频输入至部署有中药外用膏药的制备算法的服务器(例如，如图8中所示意的s)中，其中所述服务器能够基于中药外用膏药的制备算法对所述搅拌状态监控视频进行处理，以生成用于表示是否停止搅拌的分类结果，以确定是否停止搅拌。
[0087]
还需要指出的是，在本技术的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本技术的等效方案。
[0088]
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本技术。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本技术的范围。因此，本技术不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
[0089]
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
[0090]
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本技术的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

技术特征：
1.一种中药外用膏药的制备方法，其特征在于，包括：将动物药材洗净、晒干，并研成细末以得到动物药末；将香料药材研成细末，并与所述动物药末混合均匀以得到混合药末；将矿物药材研成细末，并与所述混合药末混合均匀以得到原料药末；将芝麻油和野生蜂蜡放入不锈钢锅中进行加热搅拌处理以制成油基质；将所述油基质进行冷却后，分批加入所述原料药末并进行搅拌以充分溶解和混合后得到油胶；以及将所述油胶涂在纱布或棉布上，并以预定尺寸进行切割以制成中药外用膏药。2.根据权利要求1所述的中药外用膏药的制备方法，其特征在于，将芝麻油和野生蜂蜡放入不锈钢锅中进行加热搅拌处理以制成油基质，包括：通过摄像头采集预定时间段的油基质的搅拌状态监控视频；从所述油基质的搅拌状态监控视频提取搅拌状态特征向量；基于所述搅拌状态特征向量，确定是否停止搅拌。3.根据权利要求2所述的中药外用膏药的制备方法，其特征在于，从所述油基质的搅拌状态监控视频提取搅拌状态特征向量，包括：对所述搅拌状态监控视频进行视频切分以得到多个搅拌状态监控子视频；使用深度卷积神经网络模型作为搅拌时序特征提取器从所述多个搅拌状态监控子视频中提取多个搅拌状态子特征图；以及对所述多个搅拌状态子特征图进行时序关联编码以得到所述搅拌状态特征向量。4.根据权利要求3所述的中药外用膏药的制备方法，其特征在于，所述深度卷积神经网络模型为三维卷积神经网络模型。5.根据权利要求4所述的中药外用膏药的制备方法，其特征在于，对所述多个搅拌状态子特征图进行时序关联编码以得到所述搅拌状态特征向量，包括：将所述多个搅拌状态子特征图分别通过全连接层以得到多个搅拌状态全连接子特征向量；对所述多个搅拌状态全连接子特征向量进行全局关联编码以得到所述搅拌状态特征向量。6.根据权利要求5所述的中药外用膏药的制备方法，其特征在于，对所述多个搅拌状态全连接子特征向量进行全局关联编码以得到所述搅拌状态特征向量，包括：将所述多个搅拌状态全连接子特征向量通过基于转换器模块的搅拌状态上下文编码器以得到所述搅拌状态特征向量。7.根据权利要求6所述的中药外用膏药的制备方法，其特征在于，将所述多个搅拌状态全连接子特征向量通过基于转换器模块的搅拌状态上下文编码器以得到所述搅拌状态特征向量，包括：将所述多个搅拌状态全连接子特征向量通过所述基于转换器模块的搅拌状态上下文编码器以得到多个上下文搅拌状态全连接子特征向量；将所述多个上下文搅拌状态全连接子特征向量进行特征图重构以得到多个上下文搅拌状态全连接子特征图；融合每个所述上下文搅拌状态全连接子特征图和对应的所述搅拌状态子特征图以得
到优化后上下文搅拌状态全连接子特征图；将所述优化后上下文搅拌状态全连接子特征图展开为特征向量以得到多个优化上下文搅拌状态全连接子特征向量；将所述多个优化上下文搅拌状态全连接子特征向量进行级联以得到所述搅拌状态特征向量。8.根据权利要求7所述的中药外用膏药的制备方法，其特征在于，融合每个所述上下文搅拌状态全连接子特征图和对应的所述搅拌状态子特征图以得到优化后上下文搅拌状态全连接子特征图，包括：以如下优化公式对每个所述上下文搅拌状态全连接子特征图和对应的所述搅拌状态子特征图进行全局上下文空间关联富化融合以得到所述优化后上下文搅拌状态全连接子特征图；其中，所述优化公式为：其中，m
1i
和m
2i
分别是所述上下文搅拌状态全连接子特征图和所述搅拌状态子特征图的第i个特征矩阵，m
1i
′
是所述优化后上下文搅拌状态全连接子特征图的第i个特征矩阵，和分别是矩阵乘法和矩阵加法。9.根据权利要求8所述的中药外用膏药的制备方法，其特征在于，基于所述搅拌状态特征向量，确定是否停止搅拌，包括：将所述搅拌状态特征向量通过分类器以得到分类结果，所述分类结果用于表示是否停止搅拌。10.一种中药外用膏药，其特征在于，所述中药外用膏药由如权利要求1-9任一所述的中药外用膏药的制备方法制得。

技术总结
一种中药外用膏药及其制备方法，其包括以下步骤：将动物药材、香料药材和矿物药材分别研成细末，混合均匀得到原料药末；将芝麻油和野生蜂蜡加热搅拌制成油基质；将原料药末分批加入油基质中进行搅拌，充分溶解和混合后得到油胶；将油胶涂在纱布或棉布上，按预定尺寸切割制成中药外用膏药。这样，可以通过控制油基质的成型质量以提高中药外用膏药质量和功效。质的成型质量以提高中药外用膏药质量和功效。质的成型质量以提高中药外用膏药质量和功效。


技术研发人员：张甜
受保护的技术使用者：张甜
技术研发日：2023.06.15
技术公布日：2023/8/1