李小莉，薛啟隆，苗坤宏，趙 倩，于 洋，李 正

FPGA技術(shù)在中藥智能制藥中的應(yīng)用探討

李小莉1, 2, 3，薛啟隆1, 2, 3，苗坤宏1, 2, 3，趙 倩1, 2, 3，于 洋1, 2, 3*，李 正1, 2, 3*

1. 天津中醫(yī)藥大學(xué)中藥制藥工程學(xué)院，天津 301617 2. 省部共建組分中藥國家重點(diǎn)實(shí)驗(yàn)室，天津 301617 3. 現(xiàn)代中醫(yī)藥海河實(shí)驗(yàn)室，天津 301617

傳統(tǒng)中藥制造業(yè)正不斷向數(shù)字化、信息化、智能化升級，這對智能化硬件提出了更高的要求。現(xiàn)場可編程門陣列（field-programmable gate array，F(xiàn)PGA）具有多通道同步信號采集、快速數(shù)據(jù)處理、高性能、低功耗等優(yōu)勢，在社會生產(chǎn)的諸多領(lǐng)域已被廣泛應(yīng)用。對FPGA組成和工業(yè)應(yīng)用優(yōu)勢進(jìn)行介紹，結(jié)合中藥制藥工業(yè)應(yīng)用場景的原理和領(lǐng)域知識，對FPGA技術(shù)在中藥智能制藥中的應(yīng)用進(jìn)行探討研究，主要涉及制藥過程信號采集、圖像處理、深度學(xué)習(xí)3個(gè)方面，以期為中藥制藥行業(yè)過程控制、工藝優(yōu)化等提供技術(shù)參考。

現(xiàn)場可編程門陣列；中藥智能制藥；信號采集；圖片處理；深度學(xué)習(xí)

隨著經(jīng)濟(jì)的發(fā)展和科學(xué)技術(shù)的進(jìn)步，為了滿足人民群眾對于生活品質(zhì)的需求，如何進(jìn)一步提升中藥產(chǎn)品質(zhì)量已經(jīng)成為中藥制藥行業(yè)亟需解決的關(guān)鍵工業(yè)問題。中藥物質(zhì)組成和制藥過程具有復(fù)雜性，導(dǎo)致其質(zhì)量控制較為困難[1]。一方面，由于中藥制藥的原料來源于田間的農(nóng)業(yè)種植，受到土壤、氣候等多種因素的影響，批次間相關(guān)組分濃度存在一定的波動，這就從源頭上對中藥制藥過程質(zhì)量控制輸入了不確定因素；另一方面，中藥制藥過程涵蓋多種工藝，涉及物質(zhì)組分以及能量傳遞等多種復(fù)雜物理過程，工業(yè)現(xiàn)場對于相關(guān)過程的傳遞機(jī)制模型以及生產(chǎn)運(yùn)行關(guān)鍵工藝參數(shù)認(rèn)知較為模糊。這2個(gè)主要原因直接影響中藥最終產(chǎn)品的質(zhì)量均一性控制。

基于質(zhì)量源于設(shè)計(jì)（quality by design，QbD）的質(zhì)量風(fēng)險(xiǎn)管理理念，有必要從生產(chǎn)投料開始對中藥產(chǎn)品質(zhì)量在各個(gè)單元工藝中的變化過程進(jìn)行客觀和科學(xué)的檢測。結(jié)合現(xiàn)代過程檢測技術(shù)，開發(fā)適用于中藥制藥的過程檢測技術(shù)與裝備，已經(jīng)成為一個(gè)重點(diǎn)的技術(shù)研究方向[2]。通過相關(guān)技術(shù)的研究，可以面向中藥制藥動態(tài)生產(chǎn)過程，實(shí)現(xiàn)以產(chǎn)品質(zhì)量一致性為核心的中藥制藥生產(chǎn)過程質(zhì)量控制和工藝優(yōu)化[3]。目前，結(jié)合先進(jìn)人工智能的軟硬件技術(shù)，包括機(jī)器視覺、機(jī)器嗅覺、信息融合、知識圖譜等逐漸被國內(nèi)學(xué)者提出并實(shí)踐，如在藥材前處理過程中利用機(jī)器視覺及機(jī)器嗅覺對藥材的真?zhèn)舞b定、優(yōu)劣鑒別[4-7]，提取濃縮過程中利用信息融合技術(shù)形成產(chǎn)品的預(yù)測控制模型[8]、干燥過程中基于多元統(tǒng)計(jì)的信息融合對于干燥產(chǎn)品物質(zhì)含量和水分含量的快速檢測[9]、制劑過程中通過機(jī)器視覺對于丸質(zhì)量的控制以及異物的檢測等[10-11]，這些新技術(shù)從復(fù)雜的數(shù)據(jù)出發(fā)，基于成熟的工業(yè)傳遞機(jī)制模型，深入挖掘原料信息和過程信息之間的有機(jī)聯(lián)系，從而進(jìn)一步提升了對于中藥制藥傳遞過程的認(rèn)知，實(shí)現(xiàn)了投料-生產(chǎn)過程-產(chǎn)品質(zhì)量之間的數(shù)字空間映射關(guān)系，為制藥過程質(zhì)量檢測與控制問題提供了新思路。

作為過程分析技術(shù)（process analytical technologies，PAT）的硬件基礎(chǔ)，現(xiàn)場可編程門陣列（field-programmable gate array，F(xiàn)PGA）已經(jīng)在數(shù)據(jù)多通道采集和并行處理技術(shù)領(lǐng)域發(fā)揮著不可替代的技術(shù)優(yōu)勢[12-18]。結(jié)合FPGA自身技術(shù)優(yōu)勢開發(fā)適用于中藥制藥的PAT技術(shù)，將能深入認(rèn)知中藥制藥過程的原理與規(guī)律，實(shí)現(xiàn)中藥制藥的綠色智能制造和柔性制造，為提升中藥制藥整體的技術(shù)水平提供必要的技術(shù)支撐。

1 FPGA技術(shù)的概念和主要技術(shù)優(yōu)勢

1.1 FPGA的概念和組成

FPGA是在可編程陣列邏輯（programmable array logic，PAL）、通用陣列邏輯（generic array logic，GAL）、可擦除可編輯邏輯器件（erasable programmable logic device，EPLD）和復(fù)雜可編程邏輯器件（complex programmable logic device，CPLD）等相關(guān)可編程器件的技術(shù)基礎(chǔ)上進(jìn)一步完善和發(fā)展所得到的通用型工業(yè)邏輯電路開發(fā)平臺。它規(guī)避了定制電路由于應(yīng)用場景局限性所帶來的開發(fā)成本較大的難題，為滿足不特定的工業(yè)需求所提供的半定制的開發(fā)電模塊。結(jié)合原有的PAL較大自由度開發(fā)的技術(shù)優(yōu)勢和CPLD高速邏輯計(jì)算的能力，又基于EPLD實(shí)現(xiàn)了多次擦寫的能力，F(xiàn)PGA已經(jīng)成為了目前工業(yè)中應(yīng)用最為廣泛可編程邏輯器件的模塊。

FPGA內(nèi)部邏輯電路的主要組成結(jié)構(gòu)如圖1所示。在圖1中，1個(gè)完整的FPGA模塊主要由若干邏輯單元陳列（logic cell array，LCA）組成。每1個(gè)LCA都是由可配置邏輯模塊（configurable logic block，CLB）、輸入輸出模塊（input output block，IOB）和內(nèi)部連線組成[19-21]。CLB是FPGA邏輯計(jì)算的核心，通過CLB間的排列組合從而實(shí)現(xiàn)FPGA不同的輸入/輸出的運(yùn)行邏輯。IOB是FPGA與外界交互的模塊，外界的聲、光、電和磁通過相關(guān)的信號轉(zhuǎn)化裝置轉(zhuǎn)變?yōu)橄鄳?yīng)的電信號后通過IOB輸入至FPGA，而后FPGA根據(jù)運(yùn)行后的結(jié)果通過IOB發(fā)出電信號指令驅(qū)動相關(guān)的動作系統(tǒng)對輸入信號進(jìn)行相應(yīng)的動作反饋[21-22]。內(nèi)部連線連接了內(nèi)部的CLB實(shí)現(xiàn)其相對應(yīng)的邏輯組合[23]。

1.2 FPGA在工業(yè)場景的一般使用流程

在一般工業(yè)場景中，為了解決復(fù)雜的工業(yè)應(yīng)用問題，工藝工程師往往需要根據(jù)具體問題具體分析，定制化地開發(fā)特定的FPGA邏輯運(yùn)行程序。因此，F(xiàn)PGA的基本使用流程：（1）工藝工程師根據(jù)現(xiàn)場的應(yīng)用場景，在上位機(jī)編寫相應(yīng)的程序，實(shí)現(xiàn)輸入到輸出的邏輯運(yùn)算；然后通過燒錄（即把原程序經(jīng)編譯處理后加載到計(jì)算機(jī)中，讓其執(zhí)行相應(yīng)的程序）軟件，將已經(jīng)編寫好的運(yùn)行程序輸入FPGA中，燒錄軟件根據(jù)軟件需求，智能計(jì)算并調(diào)度CLB的排列組合方式，根據(jù)FPGA的生產(chǎn)廠家不同，CLB的調(diào)度方式有所差異；FPGA會根據(jù)軟件需求將IOB，CLB和靜態(tài)隨機(jī)存取存儲器（static random-access memory，SRAM）間的數(shù)據(jù)讀取和存儲地址進(jìn)行匹配并固化。（2）當(dāng)FPGA的軟件運(yùn)行程序燒錄固化后，工藝工程師根據(jù)現(xiàn)場的需求和程序中所使用的IOB，將傳感器的信號輸出線接入FPGA相對應(yīng)的針腳上，實(shí)現(xiàn)輸入和輸出數(shù)據(jù)與計(jì)算程序的一一對應(yīng)，保證了采集和輸出數(shù)據(jù)的精度。（3）根據(jù)現(xiàn)場FPGA輸出結(jié)果進(jìn)行分析判斷，保證其輸出信息是工藝設(shè)計(jì)預(yù)期的目標(biāo)，否則對FPGA的運(yùn)行程序進(jìn)行排錯，重新編譯運(yùn)行。

圖1 FPGA芯片的基本結(jié)構(gòu)

FGPA芯片反復(fù)的擦寫正是其技術(shù)優(yōu)勢的一個(gè)重要方面[24]。正是其可以根據(jù)現(xiàn)場需求實(shí)現(xiàn)芯片邏輯的快速部署，從而實(shí)現(xiàn)了目標(biāo)信息采集到控制的低成本定制化開發(fā)，降低了開發(fā)難度和開發(fā)周期，也使其可以滿足中藥制藥工業(yè)多品種、高復(fù)雜度的應(yīng)用場景。

1.3 FPGA的工業(yè)應(yīng)用優(yōu)勢

FPGA技術(shù)是為了解決復(fù)雜的工業(yè)應(yīng)用問題，降低定制化大規(guī)模電路芯片成本而進(jìn)行開發(fā)的[25]。隨著半導(dǎo)體技術(shù)的發(fā)展，F(xiàn)PGA工業(yè)應(yīng)用技術(shù)優(yōu)勢愈發(fā)增強(qiáng)。對比現(xiàn)有的工業(yè)信號采集處理系統(tǒng)，其具有以下明顯的技術(shù)優(yōu)勢。

1.3.1 采集信號頻率、精度高 信號采集就是對傳感器輸出的模擬信號進(jìn)行采集，然后通過模數(shù)轉(zhuǎn)換器對輸入模擬信號采樣、量化成為數(shù)字信號輸入到計(jì)算機(jī)進(jìn)行計(jì)算和處理從而實(shí)現(xiàn)控制。信號的采集頻率直接決定了信號采集的精度。FPGA安裝有高主頻的晶振時(shí)鐘，其可以通過時(shí)鐘分頻技術(shù)實(shí)現(xiàn)各個(gè)信號采集引腳對于時(shí)鐘信號的獨(dú)立處理，每一個(gè)引腳都可以使用相對獨(dú)立的高頻時(shí)鐘實(shí)現(xiàn)信號的高精度采集，避免了信號間的干擾[26]；且FPGA系統(tǒng)中搭載了各種時(shí)鐘分頻和倍頻設(shè)計(jì)，從而保證了各個(gè)引腳按照信號采集的需求獨(dú)立使用完全不同的時(shí)鐘信號，實(shí)現(xiàn)了采集信號的連續(xù)性，避免了關(guān)鍵信息的丟失[27]。FPGA高頻率、高精度的信號采集優(yōu)勢使其具備在較低的工藝成本條件下滿足智能控制所需要的實(shí)時(shí)性的嚴(yán)苛要求。

1.3.2 多通道同步信號采集，獨(dú)立數(shù)模轉(zhuǎn)化 目前工業(yè)上一般采用可編程邏輯控制器（programmable logic controller，PLC）實(shí)現(xiàn)信號的采集和處理。但隨著采集信號的種類增多，現(xiàn)有技術(shù)中采用PLC進(jìn)行信號采集和處理方式已暴露出其缺點(diǎn)，其串行的掃描方式導(dǎo)致了所采集的數(shù)據(jù)不具備時(shí)間同步性，無法根據(jù)時(shí)間來對數(shù)據(jù)進(jìn)行分析，在大型的工藝生產(chǎn)操作中，為相關(guān)的數(shù)據(jù)分析、處理帶來了困難。

FPGA采用的是并行化和流水線算法結(jié)構(gòu)設(shè)計(jì)[28-29]，因此電路在執(zhí)行不同任務(wù)時(shí)可同時(shí)發(fā)生，并且彼此之間相互獨(dú)立，互不干擾，打破了傳統(tǒng)的串行執(zhí)行模式，實(shí)時(shí)流水線運(yùn)算使任務(wù)分段，段與段之間又可同時(shí)執(zhí)行，可以說在熟知FPGA的設(shè)計(jì)原理及準(zhǔn)則前提下，基于FPGA的電路優(yōu)勢和實(shí)際需求，設(shè)計(jì)出一種高效、并行、流水的邏輯結(jié)構(gòu)（圖2），能夠大大提升數(shù)據(jù)的處理速度和效率，滿足工業(yè)生產(chǎn)中諸多應(yīng)用場景中對于實(shí)時(shí)性的要求。

1.3.3 高性能、成本低、功耗低，適宜大規(guī)模使用 無論是性能還是在成本控制方面，F(xiàn)PGA的優(yōu)勢也相當(dāng)明顯[30-31]?？芍貥?gòu)的特性使其可根據(jù)不同需求改變內(nèi)部邏輯，縮短設(shè)計(jì)周期，從而減少大量的開發(fā)成本。在功耗方面，F(xiàn)PGA擁有更低的能耗，適宜大規(guī)模開發(fā)和利用。因此，F(xiàn)PGA技術(shù)所具備的高精度、高實(shí)時(shí)性的數(shù)據(jù)處理能力是非常貼合中藥制藥間歇式、多批次的制藥工藝特點(diǎn)。通過FPGA在中藥制藥工藝中應(yīng)用的研究，將有助于提升中藥制藥整體智能化水平，實(shí)現(xiàn)精準(zhǔn)的生產(chǎn)工藝控制。

圖2 基于FPGA的多通道同步信號采集硬件結(jié)構(gòu)圖

Fig. 2 Hardware architecture of FPGA-based multi-channel synchronous signal acquisition

針對中藥制造過程技術(shù)痛點(diǎn)問題，中藥智能制造借助傳感器技術(shù)、圖片處理技術(shù)、深度學(xué)習(xí)等信息技術(shù)可實(shí)現(xiàn)信息化與工業(yè)化的深度結(jié)合，極大促進(jìn)中藥智能制造的高質(zhì)量發(fā)展模式[32]。近些年，生產(chǎn)領(lǐng)域應(yīng)用的需求多樣化，F(xiàn)PGA技術(shù)在信號采集、圖像處理、深度學(xué)習(xí)等多個(gè)方面扮演著越來越重要的角色，成為電子系統(tǒng)中不可或缺的一部分。

2 FPGA在中藥智能制藥過程信號采集中的應(yīng)用

為了嚴(yán)格把控產(chǎn)品質(zhì)量批次間一致性，中藥制藥生產(chǎn)過程對于工藝參數(shù)的實(shí)時(shí)性采集存在較高的要求，需要FPGA有多通道、高精度和高采集頻率的信號采集和處理能力。朱紫萌等[33]設(shè)計(jì)了一種基于FPGA的多源信號采集系統(tǒng)，該系統(tǒng)可以滿足十路異源信號的并行采集，滿足彈載設(shè)備高速、高精度信號采集的需求。楊棟等[34]設(shè)計(jì)了以FPGA為核心的多路數(shù)據(jù)采集系統(tǒng)，可實(shí)現(xiàn)對多路熱電偶信號、光電信號及1路冷端補(bǔ)償信號的實(shí)時(shí)采集，且測量誤差滿足目標(biāo)。霍道強(qiáng)[35]設(shè)計(jì)了以FPGA為核心的高性能多通道高速數(shù)據(jù)同步采集設(shè)備，實(shí)現(xiàn)了多通道數(shù)據(jù)同步采集功能，通道間同步誤差小于1.8°。下面以中藥制藥的色譜工藝和濃縮工藝為例，討論并分析FPGA在工業(yè)領(lǐng)域的具體應(yīng)用過程。

2.1 FPGA在中藥濃縮過程工藝參數(shù)采集中的應(yīng)用

中藥濃縮工藝是中藥制藥過程中常見的生產(chǎn)工藝流程，通過外界加熱使中藥提取液的溶劑受熱蒸發(fā)，從而得到較高濃度的濃縮液作為下游生產(chǎn)工藝的投料。因此，濃縮液的質(zhì)量勢必影響下游產(chǎn)品的一致性，成為中藥自動化生產(chǎn)流程中重要的一環(huán)。濃縮過程中為達(dá)到防止料液過度受熱以及提升生產(chǎn)過程能源利用率等研究目的，精確的進(jìn)料速率是目前控制環(huán)節(jié)中的主要控制變量。在中藥濃縮工藝中，列管換熱器是比較常用的換熱蒸發(fā)設(shè)備。其管程中流動著中藥料液，殼程內(nèi)流動著加熱用的工作流體，如飽和蒸汽等。在實(shí)際生產(chǎn)過程中，殼程內(nèi)的蒸汽發(fā)生冷凝，其液化產(chǎn)生的相變能量通過管壁傳遞給管程中流動的中藥料液；在高真空度條件下，中藥料液的沸點(diǎn)降低，吸收到殼程內(nèi)傳遞的熱量發(fā)生沸騰作用，溶劑從液相汽化為氣相；當(dāng)氣液混合物流入氣液分離室后，在重力作用下氣液分離，蒸汽從分離室的頂端排出，液相繼續(xù)進(jìn)入換熱器進(jìn)行沸騰蒸發(fā)。

在FPGA中部署當(dāng)前濃縮生產(chǎn)物料的物性計(jì)算數(shù)據(jù)庫，主要包括溶質(zhì)濃度-密度-溫度方程、溶質(zhì)濃度-黏度-溫度方程、溶質(zhì)濃度-表面張力-溫度方程、溶質(zhì)濃度-導(dǎo)熱率-溫度方程等。FPGA系統(tǒng)根據(jù)同一時(shí)刻下檢測得到的溶液密度、系統(tǒng)真空度和溫度數(shù)據(jù)，計(jì)算得到此刻的料液溶質(zhì)濃度，并以此計(jì)算得到其他物性數(shù)據(jù)。在獲知全部所需物性數(shù)據(jù)的基礎(chǔ)上，F(xiàn)PGA再根據(jù)化工典型的傳質(zhì)/傳熱方程，計(jì)算得到本預(yù)測周期內(nèi)溶劑蒸發(fā)速率。計(jì)算系統(tǒng)結(jié)合當(dāng)前時(shí)刻的液位高度換算得到本預(yù)測周期內(nèi)的補(bǔ)料量進(jìn)而進(jìn)行補(bǔ)料，從而實(shí)現(xiàn)整個(gè)濃縮過程的預(yù)測控制。在整個(gè)濃縮過程中，由于溶劑濃度隨時(shí)間變化較為明顯，濃縮工藝參數(shù)在不同時(shí)刻檢測數(shù)據(jù)差異較大等因素，料液密度、真空度、溫度以及料液動態(tài)液位高度必須要在同一時(shí)刻內(nèi)進(jìn)行采集用于計(jì)算，避免采樣時(shí)間差對于計(jì)算精度的影響，并且由于涉及各種復(fù)雜物理方程的計(jì)算，因此濃縮現(xiàn)場還需滿足對于計(jì)算速度和計(jì)算精度的較高要求。

綜上所述，濃縮過程相關(guān)工藝參數(shù)必須要結(jié)合FPGA的實(shí)時(shí)同步高速采樣特性，對參數(shù)進(jìn)行實(shí)時(shí)跟蹤調(diào)整，減小藥液濃縮過程參數(shù)控制回路的滯后性[36]。且相關(guān)數(shù)據(jù)直接在FPGA內(nèi)利用其高速計(jì)算的特性，在本地或設(shè)備側(cè)進(jìn)行運(yùn)算，直接根據(jù)事前輸入的方程換算成進(jìn)料質(zhì)量流率的邏輯控制關(guān)系，構(gòu)建檢測參數(shù)與控制參數(shù)間的控制邏輯關(guān)系。通過參數(shù)的同步實(shí)時(shí)檢測與控制，從而實(shí)現(xiàn)對給料的精確定量實(shí)時(shí)控制。并且在濃縮過程的自動化控制中，為了取得理想的控制效果，改變算法也是常用的一種方式[37]，F(xiàn)PGA強(qiáng)大的并行高效處理能力以及可重構(gòu)性使算法更易實(shí)現(xiàn)，大大減少開發(fā)成本與周期，降低能耗。

2.2 FPGA在中藥色譜過程工藝參數(shù)采集中的應(yīng)用

中藥色譜利用吸附劑對不同物質(zhì)的選擇性分配而實(shí)現(xiàn)多組分混合物的分離方法。工業(yè)色譜過程中，完成上樣后，通過輸送管道完成不同濃度洗脫劑的配比輸送到色譜柱中進(jìn)而實(shí)現(xiàn)目的組分的洗脫分離。隨著目標(biāo)組分在洗脫劑和吸附劑間的不斷進(jìn)行固液平衡，直至關(guān)鍵組分隨著洗脫液與其他無效組分分離，流出色譜柱完成其純化處理。

在色譜過程中，關(guān)鍵組分的出峰時(shí)間是相對短暫的，如何通過準(zhǔn)確預(yù)測洗脫工藝得到較好的組分出峰峰形，防止拖尾帶出其他無關(guān)組分提高目的組分純度是色譜工序的核心工作。色譜系統(tǒng)中的色譜柱前、后的液體壓力關(guān)系著溶劑在柱中的體積流量，洗脫液質(zhì)量、流量關(guān)系著洗脫液比例組成，色譜柱的溫度關(guān)系著填料的吸附能力，這些參數(shù)對色譜系統(tǒng)的純化能力有著較為重要的影響。在FPGA中構(gòu)建溶質(zhì)在填料和溶液之間的組分傳遞平衡方程并對其進(jìn)行精確計(jì)算，利用溶質(zhì)濃度作為輸入值得到溶質(zhì)在填料和溶液中的分配比，從而預(yù)測性得到溶液濃度組分變化，再根據(jù)實(shí)時(shí)檢測的參數(shù)獲得當(dāng)前的色譜柱內(nèi)部狀態(tài)，為下一時(shí)刻的洗脫工藝參數(shù)進(jìn)行預(yù)測性調(diào)節(jié)，最終實(shí)現(xiàn)色譜過程中目的組分的高純度洗脫[38-39]。與濃縮工藝過程控制要求一樣，色譜過程的工藝參數(shù)在線檢測也需滿足實(shí)時(shí)性的要求，各個(gè)參數(shù)必須基于FPGA的同步采樣優(yōu)勢進(jìn)行實(shí)時(shí)同步采集、傳輸和計(jì)算，以此實(shí)時(shí)獲取色譜柱全方位、立體、長時(shí)間的信號信息來實(shí)現(xiàn)對色譜工藝的精確控制，提升色譜組分的純度，并為相關(guān)過程分析提供數(shù)據(jù)支撐。因此，F(xiàn)PGA的多通道并行采集技術(shù)可以在色譜系統(tǒng)中進(jìn)行廣泛的應(yīng)用。

總而言之，由于中藥制藥工藝是半連續(xù)半間歇的生產(chǎn)工藝流程，其關(guān)鍵工藝階段對于工藝參數(shù)的實(shí)時(shí)性采集存在較高的需求?；贔PGA在信號獲取上多通道同步采集的優(yōu)勢，可從根源上解決串行參數(shù)測量對于工藝控制造成時(shí)間上的錯位的問題，精確獲取質(zhì)量控制的關(guān)鍵參數(shù)信號數(shù)據(jù)。因此，F(xiàn)PGA技術(shù)必然要在中藥制藥領(lǐng)域發(fā)揮更大的數(shù)據(jù)采集作用，幫助中藥制藥解決工藝參數(shù)在時(shí)間上的邏輯關(guān)聯(lián)性，提升產(chǎn)品質(zhì)量控制水平。

3 FPGA在中藥智能制藥過程圖像處理中的應(yīng)用

以FPGA為核心的圖像處理系統(tǒng)已經(jīng)逐漸進(jìn)入工業(yè)應(yīng)用，并展現(xiàn)出其強(qiáng)大的優(yōu)越性[40]。何昌鴻[41]利用FPGA強(qiáng)大的并行數(shù)據(jù)處理能力，研究了一種基于FPGA的GigE高速圖像采集及處理系統(tǒng)，這種圖像處理系統(tǒng)能夠進(jìn)行實(shí)時(shí)圖像處理，完成圖像特征的高速提取?；贔PGA高速的硬件計(jì)算和并行運(yùn)算的優(yōu)勢，羅林[42]完成了一種快速圖像處理算法的設(shè)計(jì)，實(shí)現(xiàn)了圖像處理技術(shù)和快速執(zhí)行的目標(biāo)。姚丹[43]提出了一種以FPGA技術(shù)為核心的表面缺陷在線檢測系統(tǒng)，通過采集及分析待檢產(chǎn)品表面圖像數(shù)據(jù)來判斷是否存在裂痕等瑕疵，實(shí)現(xiàn)了在線實(shí)時(shí)缺陷檢測，能夠有效判斷產(chǎn)品是否合格。

中藥材由于品種、產(chǎn)地繁多，且存在摻假、假冒等現(xiàn)象使得鑒別困難，采用傳統(tǒng)的鑒別方法雖然成本較低，但易受主觀因素影響，缺乏客觀量化的統(tǒng)一標(biāo)準(zhǔn)。對于中藥的質(zhì)量控制，通常以成品質(zhì)量的檢驗(yàn)為核心，然而對于其制藥過程中的內(nèi)在規(guī)律卻存在不清晰、不明確等情況，因此造成生產(chǎn)過程監(jiān)管困難、質(zhì)控成本高等問題。針對這些問題可以通過中藥制造方法結(jié)合圖像處理技術(shù)得到部分解決，實(shí)現(xiàn)從原料到成品的生產(chǎn)過程監(jiān)測，從大量圖像數(shù)據(jù)中挖掘其蘊(yùn)藏的豐富質(zhì)量信息[44]。然而這種圖像處理通常有著較高的實(shí)時(shí)性技術(shù)要求，并涉及大量的重復(fù)運(yùn)算，因此需要很高的數(shù)據(jù)采集速度和傳輸帶寬，不僅如此，對于圖像數(shù)據(jù)的處理能力也有很高的要求。利用FPGA技術(shù)可以很好地解決上述問題，基于FPGA內(nèi)嵌的并行同步求解矩陣計(jì)算能力，實(shí)現(xiàn)在采集設(shè)備邊緣直接進(jìn)行圖像處理，避免大量數(shù)據(jù)傳送對于設(shè)備間帶寬的占用，降低了設(shè)備數(shù)據(jù)處理壓力，為中藥制藥創(chuàng)新技術(shù)提供最基本的硬件支撐。

3.1 FPGA與可見光技術(shù)結(jié)合在中藥表面缺陷檢測中的應(yīng)用

中藥表面往往存在霉斑、蟲蛀和破損等影響質(zhì)量的區(qū)域。這些區(qū)域在可見光光源的照射下可以進(jìn)行識別。馬博[45]用LED作為光源，設(shè)計(jì)了一種基于機(jī)器視覺技術(shù)的紅棗缺陷檢測和分選系統(tǒng)，實(shí)現(xiàn)了紅棗裂紋和表面損傷缺陷的檢測。弋偉國[46]用LED作為光源，設(shè)計(jì)了一種基于機(jī)器視覺的枸杞分級分選機(jī)控制系統(tǒng)，能夠準(zhǔn)確檢測有損傷的枸杞。

在缺陷檢測圖像處理中，利用視覺手段獲取的目標(biāo)信息越來越多，大大提升了視覺檢測的準(zhǔn)確性，然而傳感器性能的提高卻并未對基于視覺的高精度檢測和測量帶來巨大的推動，其原因在于，由于圖像精度過高、算法執(zhí)行太過耗時(shí)、數(shù)據(jù)量太過龐大等問題使后續(xù)的加速處理技術(shù)無法與之相適應(yīng)，使得在實(shí)際應(yīng)用中，高分辨的視覺檢測系統(tǒng)仍然停留在低速處理的尷尬境地，雖然有一些專用的處理器芯片用來改變這個(gè)現(xiàn)狀，然而又存在成本較高、功耗嚴(yán)重等問題[47-48]。采用FPGA并行執(zhí)行的優(yōu)點(diǎn)，結(jié)合流水線思想能夠極大提高運(yùn)算效率，縮短圖像處理周期。

利用FPGA高速圖像采集和處理能力可以快速將圖像進(jìn)行增強(qiáng)、切分，識別圖像內(nèi)不正確的區(qū)域，從而對中藥表面進(jìn)行快速檢測分析。但是由于表面檢測只能識別藥材面向檢測器的一面，因此就需要把藥材翻面后重新進(jìn)行檢測，以實(shí)現(xiàn)藥材的全檢。雖然藥材需要經(jīng)過2次檢測才能最終對其質(zhì)量進(jìn)行判定，但是由于FPGA的計(jì)算速度快，所以藥材整體處理量較大，可以滿足生產(chǎn)的需要。同時(shí)，F(xiàn)PGA隨時(shí)可以更改程序且功耗較低，既可以靈活應(yīng)對制藥過程中不同場景的圖像處理，又滿足了工廠對節(jié)能減排的需求。

3.2 FPGA與X光技術(shù)結(jié)合在中藥內(nèi)部缺陷檢測中的應(yīng)用

中藥材內(nèi)部往往存在空洞，這些空洞可能是由于內(nèi)部腐爛或蟲蛀等原因造成，但是從外觀難以進(jìn)行分辨。X光能夠穿透物體產(chǎn)生透視圖像，通常被應(yīng)用在醫(yī)療、工業(yè)檢測、公共安全等領(lǐng)域[49]，并逐漸開始應(yīng)用到中藥質(zhì)量檢測中，利用X光在線檢測設(shè)備對中藥進(jìn)行內(nèi)部拍攝，在不破壞其外部形狀情況下得到其內(nèi)部投影圖像，從而獲知其內(nèi)部質(zhì)量情況。本課題組開發(fā)了一種利用人工智能圖像分類技術(shù)檢測胖大海內(nèi)部結(jié)構(gòu)的X射線檢測系統(tǒng)，該系統(tǒng)能準(zhǔn)確識別胖大海內(nèi)部缺陷[50]。

X射線對于不同物質(zhì)吸收程度不同，由于藥材結(jié)構(gòu)多樣，大小、厚度、密度不一，因此X射線穿透藥材后會呈現(xiàn)黑白不一的灰度圖像，通過FPGA的圖像處理能力，可以快速在圖像中識別并定位灰度異常區(qū)域，通過二極化和網(wǎng)格化處理技術(shù)，實(shí)現(xiàn)異常圖像的分類與篩選，提高X光圖像的分選精度和速度，保證處理質(zhì)量。

基于X光的藥材在線檢測分析技術(shù)無須對藥材進(jìn)行翻面即可實(shí)現(xiàn)對其內(nèi)部結(jié)構(gòu)的檢測分析?；贔PGA的高精度計(jì)算處理能力，可以實(shí)現(xiàn)對其內(nèi)部缺陷的高精度分析，實(shí)現(xiàn)藥材快速無損的內(nèi)部質(zhì)量判定。

3.3 FPGA與高光譜技術(shù)結(jié)合在中藥異物分選檢測中的應(yīng)用

高光譜成像技術(shù)是中藥異物分選無損檢測中一種有效手段，其成像本質(zhì)是二維成像技術(shù)和光譜技術(shù)的結(jié)合體，能同時(shí)提供關(guān)于檢測對象外部和內(nèi)部品質(zhì)的空間信息和光譜信息[51-52]。高光譜成像系統(tǒng)的光學(xué)元件把輸入的寬帶光分散成不同頻率的單色光，并將其投射到CCD相機(jī)上實(shí)現(xiàn)光譜成像，得到高光譜圖像是一段連續(xù)波段的光學(xué)圖像組成的立體三維圖像，包含著物品形狀大小、缺陷、內(nèi)部品質(zhì)等信息，由于物品變化會影響反射光譜，因此實(shí)現(xiàn)異物分選檢測[53]。胡翠英等[54]利用光譜成像技術(shù)對紅花、西紅花和菊花進(jìn)行檢測后，發(fā)現(xiàn)它們的特征光譜曲線顯著不同。趙靜等[55]利用光譜成像技術(shù)快速實(shí)現(xiàn)香加皮等5種皮類藥材的鑒別和分選。吳文輝等[56]利用光譜成像技術(shù)構(gòu)建藥用珍珠粉的指紋圖譜，能準(zhǔn)確識別不同品系的珍珠產(chǎn)品及其真?zhèn)舞b別。

在使用高光譜進(jìn)行異物分選過程中，待樣品在傳送帶上完成掃描后，利用FPGA并行計(jì)算能力，對相機(jī)采集的圖像分別進(jìn)行快速及時(shí)的圖像處理和數(shù)據(jù)處理，從而實(shí)時(shí)得到待測物體的光譜學(xué)信息，并挖掘出樣品之間的高光譜差異性進(jìn)而分析目標(biāo)是否存在待分選的異物以及空間坐標(biāo)信息，同時(shí)為下游的氣動分選系統(tǒng)提供驅(qū)動信息，最終實(shí)現(xiàn)異物的空間識別與智能捕捉。該方法可基于FPGA快速的數(shù)據(jù)處理能力，結(jié)合高光譜成像技術(shù)即可批量、快速、無損的對中藥進(jìn)行檢測鑒別，加強(qiáng)中藥質(zhì)量監(jiān)測。

FPGA為數(shù)字圖像實(shí)時(shí)處理提供了新的思路，其較高的數(shù)據(jù)采集頻率可以實(shí)現(xiàn)數(shù)據(jù)高速采集，并行和流水線的算法結(jié)構(gòu)使得圖像中每個(gè)像素單元都可以實(shí)施單獨(dú)重復(fù)操作，實(shí)現(xiàn)了圖像處理算法快速執(zhí)行的目標(biāo)，因此可以完全滿足中藥制藥生產(chǎn)工藝對于圖像實(shí)時(shí)處理的工藝技術(shù)要求。

4 FPGA在中藥智能制藥過程深度學(xué)習(xí)中的應(yīng)用

深度學(xué)習(xí)算法是以數(shù)據(jù)處理為核心，計(jì)算量龐大，需要與其計(jì)算量相適應(yīng)且高性能、低功耗的硬件支撐。FPGA以其高度并行計(jì)算、低功耗、高性能、可重復(fù)編程等特性在眾多硬件中脫穎而出。Wang等[57]用FPGA作為硬件核心，設(shè)計(jì)了深度學(xué)習(xí)加速器單元，不僅具有較大的速度提升，而且功耗更低。Ponnusamy等[58]利用FPGA平臺計(jì)算密集型操作，提出了基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的X射線圖像分類用于海關(guān)機(jī)場等場合行李掃描，解決處理延遲問題。朱彬如[59]將深度學(xué)習(xí)的心律失常自動分類方法結(jié)合FPGA硬件加速方案，有效解決了傳統(tǒng)分類方法導(dǎo)致的實(shí)時(shí)性不高等問題。

中藥制藥過程影響質(zhì)量的因素眾多，“控什么”和“如何控”是中藥制藥工程面對的科學(xué)問題和技術(shù)問題[60]。采用深度學(xué)習(xí)算法研究中藥制藥過程變化規(guī)律，洞察引起藥品質(zhì)量波動的因素，并基于實(shí)時(shí)產(chǎn)生的工業(yè)大數(shù)據(jù)不斷地自我學(xué)習(xí)得到基于控制參數(shù)與產(chǎn)品質(zhì)量參數(shù)的預(yù)測控制模型，適時(shí)優(yōu)化調(diào)整中成藥生產(chǎn)制造方式，實(shí)現(xiàn)對制藥過程的預(yù)測和實(shí)時(shí)控制是中藥制藥過程質(zhì)量控制的新模式。

4.1 基于FPGA技術(shù)的干燥工藝參數(shù)預(yù)測

干燥過程作為制藥過程中的常見單元操作，具有多變量、非線性、強(qiáng)耦合的特征[61]。工業(yè)通常以合格的物料含水率、較高的能量利用率作為干燥工藝質(zhì)量輸出的核心需求和干燥過程中優(yōu)化的核心目標(biāo)。中藥真空帶式干燥工藝的生產(chǎn)效率受多個(gè)工藝參數(shù)的影響[62-63]，如傳送帶速度、給料質(zhì)量流量和加熱溫度等。其中，提升加熱溫度可以有效的維持產(chǎn)品出口含水率，在此種條件下，為了優(yōu)化能量消耗，就必須要提升傳送帶速度和給料速率，但是此時(shí)隨著物料增厚和系統(tǒng)停留時(shí)間的降低，出口含水率便會有增加的趨勢；與之相對的是，當(dāng)加熱溫度降低，就需要提升物料在系統(tǒng)中的停留時(shí)間，此時(shí)則會降低生產(chǎn)效率，與此同時(shí)，生產(chǎn)能耗也會隨著生產(chǎn)時(shí)間的推移而增加。因此，為了更好分析多因素間的耦合作用關(guān)系對干燥工藝的影響，本課題組采用深度學(xué)習(xí)的技術(shù)分析各個(gè)工藝間的作用關(guān)系，并基于FPGA的計(jì)算基礎(chǔ)實(shí)現(xiàn)中藥制藥干燥工藝參數(shù)的優(yōu)化預(yù)測。

首先，在FPGA模塊中部署真空帶式干燥仿真模擬數(shù)字孿生系統(tǒng)，以實(shí)現(xiàn)基于輸入的物性數(shù)據(jù)和設(shè)定的出口含水率，計(jì)算輸出符合要求的真空帶式干燥操作工藝，如進(jìn)料速度、多段加熱溫度和傳送帶速度等。其次，在上位機(jī)中部署基于深度強(qiáng)化學(xué)習(xí)算法開發(fā)的真空帶式干燥工藝的深度強(qiáng)化學(xué)習(xí)模型用于干燥工藝參數(shù)的自主決策。深度強(qiáng)化學(xué)習(xí)模型以最大化收益支出比為目標(biāo)，智能體對多種符合要求的工藝參數(shù)組合進(jìn)行篩選，進(jìn)而完成生產(chǎn)工藝的調(diào)優(yōu)。最后，將數(shù)字孿生系統(tǒng)與強(qiáng)化學(xué)習(xí)算法結(jié)合，數(shù)字孿生系統(tǒng)為強(qiáng)化學(xué)習(xí)模型提供數(shù)據(jù)支持，讀取設(shè)備實(shí)時(shí)工藝參數(shù)及產(chǎn)品質(zhì)量作為初始狀態(tài)，以初始狀態(tài)為優(yōu)化起點(diǎn)快速完成工藝參數(shù)的調(diào)優(yōu)并給出工藝決策建議。數(shù)字孿生模型每次運(yùn)算產(chǎn)生的數(shù)據(jù)將與實(shí)際生產(chǎn)進(jìn)行對比，通過數(shù)據(jù)積累不斷對誤差進(jìn)行修正，數(shù)字孿生模型將逐漸完善，與此同時(shí)工藝參數(shù)將不斷被優(yōu)化改進(jìn)。

基于FPGA的信號處理能力和系統(tǒng)運(yùn)算能力，可以把生產(chǎn)設(shè)備的工藝信息、操作信息和物料信息進(jìn)行在線采集，并結(jié)合自身的智能算法對于所采集的信息進(jìn)行分析計(jì)算，從而得到目標(biāo)生產(chǎn)設(shè)備的最優(yōu)操作工藝參數(shù)，以此來降低來源于中藥原料的批次質(zhì)量差異對于下游產(chǎn)品質(zhì)量的影響，實(shí)現(xiàn)最終產(chǎn)品質(zhì)量的相對一致性。

4.2 基于FPGA技術(shù)的生產(chǎn)線整體優(yōu)化工藝預(yù)測

依照單個(gè)工藝參數(shù)預(yù)測模型的構(gòu)建模式可以完成對生產(chǎn)線上多種單元工藝進(jìn)行建模。將多個(gè)單元工藝進(jìn)行組合排列即可構(gòu)建出生產(chǎn)線的數(shù)字孿生模型。中藥制藥生產(chǎn)線多智能體模型由若干個(gè)單元工藝單智能體模型組成。各個(gè)單智能體模型相互協(xié)作，在保證單元設(shè)備在較優(yōu)狀態(tài)先運(yùn)行的同時(shí)對生產(chǎn)線的整體目標(biāo)進(jìn)行優(yōu)化。此種方法避免了在組合生產(chǎn)工藝中產(chǎn)生的局部優(yōu)化問題。在整體工藝調(diào)優(yōu)的基礎(chǔ)上可以利用多智能體強(qiáng)化學(xué)習(xí)進(jìn)一步挖掘潛在知識，如各生產(chǎn)工藝之間的能源分配、物料轉(zhuǎn)運(yùn)和人員流轉(zhuǎn)等問題。

依靠FPGA自身攜帶的網(wǎng)絡(luò)通訊能力，可以實(shí)現(xiàn)多個(gè)邊緣計(jì)算系統(tǒng)的數(shù)據(jù)互通，以產(chǎn)品生產(chǎn)線的整體優(yōu)化為計(jì)算目標(biāo)，從上及下，從整體到個(gè)體進(jìn)行優(yōu)化計(jì)算，并根據(jù)現(xiàn)有的計(jì)算結(jié)果進(jìn)行實(shí)施部署，實(shí)現(xiàn)數(shù)據(jù)的高度互通。

因此，基于FPGA的數(shù)據(jù)高速處理能力，可以開發(fā)適用于中藥制藥工藝特定的邊緣計(jì)算系統(tǒng)，以此來解決中藥制藥生產(chǎn)過程中批次間差異的關(guān)鍵工藝問題，實(shí)現(xiàn)從數(shù)據(jù)源頭出發(fā)，融合歷史生產(chǎn)數(shù)據(jù)來提升未來產(chǎn)品質(zhì)量。

5 結(jié)語和展望

中藥工業(yè)是我國醫(yī)藥健康產(chǎn)業(yè)的重要組成部分，推動傳統(tǒng)中藥制造工業(yè)數(shù)字化、智能化的升級研究尚處于起步階段。面對新一輪工業(yè)革命的機(jī)遇與挑戰(zhàn)，如何引領(lǐng)我國中藥工業(yè)邁向智能化時(shí)代面臨的技術(shù)難題考驗(yàn)著業(yè)界有關(guān)人員的智慧和能力。中藥智能制造不是簡單的一個(gè)口號，而是切實(shí)解決在中藥制造過程中面對的具體問題。

FPGA技術(shù)自發(fā)明以來逐漸在各領(lǐng)域發(fā)揮著舉足輕重的作用，然而其在中藥制藥領(lǐng)域的應(yīng)用尚未見相關(guān)報(bào)道。針對中藥制藥過程中的參數(shù)混雜問題，創(chuàng)建先進(jìn)適用的實(shí)時(shí)檢測技術(shù)是實(shí)現(xiàn)參數(shù)可測性的關(guān)鍵手段，參考FPGA在其他領(lǐng)域信號采集的創(chuàng)新應(yīng)用，充分利用其多通道同步信號采集的技術(shù)優(yōu)勢，實(shí)現(xiàn)相應(yīng)數(shù)據(jù)的全面、精確獲取或?qū)⒊蔀榻鉀Q這項(xiàng)難題的對癥之藥。面對制藥過程產(chǎn)生的海量數(shù)據(jù)，快捷、低能耗的數(shù)據(jù)處理技術(shù)成為工廠的迫切需求，將FPGA運(yùn)用到中藥智能制造中是現(xiàn)實(shí)和形勢所需。生產(chǎn)運(yùn)行過程中，工業(yè)大數(shù)據(jù)連續(xù)產(chǎn)生。FPGA雖然優(yōu)勢明顯，歸根結(jié)底只是一種技術(shù)工具，針對中藥智能制造工藝中存在的各類錯綜復(fù)雜的信息變量，如何剔除無關(guān)變量，聚焦關(guān)鍵物料屬性變量與過程參數(shù)變量是今后需要解決的核心問題，從而切實(shí)提高中藥制藥產(chǎn)業(yè)整體質(zhì)量與效益。

總而言之，推動中藥制造工業(yè)升級轉(zhuǎn)型不是一蹴而就的事情，面對此過程的問題與挑戰(zhàn)，仍需相關(guān)科學(xué)技術(shù)人員對該領(lǐng)域進(jìn)行持續(xù)的關(guān)注及研究，廣泛借鑒新科技加強(qiáng)制藥工程技術(shù)創(chuàng)新研究，突破制藥技術(shù)發(fā)展瓶頸問題，激發(fā)中藥產(chǎn)業(yè)發(fā)展的新活力，逐步完成制藥過程升級改造，從而構(gòu)建中藥制藥的高質(zhì)量發(fā)展的新模式。

利益沖突 所有作者均聲明不存在利益沖突

[1] 董曉旭, 蔡夢如, 張志勤, 等. 論中藥制劑工藝參數(shù)與質(zhì)量參數(shù)的關(guān)聯(lián)性與協(xié)調(diào)性 [J]. 中國新藥雜志, 2022, 31(13): 1248-1253.

[2] 楊艷玲, 李花花, 黃嘉怡, 等. 基于質(zhì)量源于設(shè)計(jì) (QbD) 理念的經(jīng)典名方桃紅四物湯的提取工藝研究 [J]. 中草藥, 2022, 53(2): 403-412.

[3] 程翼宇, 瞿海斌, 張伯禮. 中藥工業(yè)4.0: 從數(shù)字制藥邁向智慧制藥 [J]. 中國中藥雜志, 2016, 41(1): 1-5.

[4] 錢丹丹, 周金海. 基于計(jì)算機(jī)視覺的中藥飲片檢測與分級研究 [J]. 時(shí)珍國醫(yī)國藥, 2019, 30(1): 203-205.

[5] 余亦婷, 趙乙萌, 袁曦, 等. Heracles Neo超快速氣相電子鼻對不同產(chǎn)地、生長年限及采收期黃芪藥材品質(zhì)評價(jià)研究 [J]. 中草藥, 2022, 53(5): 1328-1337.

[6] 李昱, 宮靜雯, 費(fèi)程浩, 等. 快速氣相電子鼻結(jié)合人工神經(jīng)網(wǎng)絡(luò)對3種五味子飲片快速識別及氣味差異標(biāo)志物研究 [J]. 中草藥, 2022, 53(5): 1303-1312.

[7] 朱廣飛, 王靜, 錢怡潔, 等. 基于Heracles Neo超快速氣相電子鼻對廣藿香飲片的快速鑒別及氣味指紋圖譜研究 [J]. 中草藥, 2022, 53(5): 1320-1327.

[8] 張娜, 徐冰, 賈帥蕓, 等. 丹參提取過程多源信息融合建模方法研究 [J]. 中草藥, 2018, 49(6): 1304-1310.

[9] 王鐾璇, 司夢蘭, 繆培琪, 等. 基于數(shù)據(jù)驅(qū)動的制藥干燥過程智能控制技術(shù)研究進(jìn)展 [J]. 天津中醫(yī)藥大學(xué)學(xué)報(bào), 2020, 39(6): 604-611.

[10] 金斌杰. 基于機(jī)器視覺的中藥滴丸過程控制方法研究與應(yīng)用 [D]. 杭州: 浙江大學(xué), 2021.

[11] 姚冠宇, 鐘芳松. 中藥口服液瓶可見異物移動檢測系統(tǒng)研究 [J]. 計(jì)算機(jī)測量與控制, 2017, 25(10): 15-18.

[12] Ohkawa T, Yamashina K, Kimura H,. FPGA components for integrating FPGAs into robot systems [J]., 2018, 101(2): 363-375.

[13] Guo Y, Yan W, Huang Y R, et al. Research progress of FPGA technology in biomedical imaging [J]., 2020, 47(6): 483-497.

[14] Sun X, Xue C J, Yu J H,. Accelerating data filtering for database using FPGA [J]., 2021, 114: 101908.

[15] da Costa A L X, Silva C A D, Torquato M F,. Parallel implementation of particle swarm optimization on FPGA [J]., 2019, 66(11): 1875-1879.

[16] 賀嘉誠, 張玉璽, 王俊, 等. 基于FPGA的多通道雷達(dá)數(shù)據(jù)采集系統(tǒng)[A] // 第十三屆全國DSP應(yīng)用技術(shù)學(xué)術(shù)會議論文集 [C]. 北京: 中國電子學(xué)會, 2021: 38-41.

[17] 鐘瑜, 吳明欽. 一種高性能并行計(jì)算架構(gòu)的FPGA實(shí)現(xiàn) [J]. 電訊技術(shù), 2019, 59(7): 829-835.

[18] 白圓. 并行硬件簡介 [J]. 中國新通信, 2016, 18(16): 44.

[19] 陽文敏. FPGA動態(tài)配置機(jī)制研究及應(yīng)用 [D]. 無錫: 江南大學(xué), 2014.

[20] 陳木. 淺談FPGA技術(shù)的優(yōu)勢及其應(yīng)用 [J]. 電子世界, 2015(13): 199-200.

[21] 鄧濤. FPGA芯片功能剖析及應(yīng)用優(yōu)勢 [J]. 數(shù)字通信世界, 2017(4): 157-158.

[22] 楊波. 基于FPGA的火箭飛控軟件測試平臺的設(shè)計(jì)與實(shí)現(xiàn) [D]. 北京: 中國科學(xué)院大學(xué), 2016.

[23] 韋智康, 梁嘉琳. FPGA技術(shù)應(yīng)用于核電領(lǐng)域的優(yōu)勢及缺陷分析 [J]. 儀器儀表用戶, 2013, 20(6): 90-93.

[24] 鄭志旺. 基于國產(chǎn)FPGA的數(shù)據(jù)采集存儲系統(tǒng)的研究與設(shè)計(jì) [D]. 太原: 中北大學(xué), 2021.

[25] 焦李成, 孫其功, 楊育婷, 等. 深度神經(jīng)網(wǎng)絡(luò)FPGA設(shè)計(jì)進(jìn)展、實(shí)現(xiàn)與展望 [J]. 計(jì)算機(jī)學(xué)報(bào), 2022, 45(3): 441-471.

[26] Rajpal R, Mandaliya H, Patel J,. Embedded multi-channel data acquisition system on FPGA for Aditya Tokamak [J]., 2016, 112: 964-968.

[27] 王旭東, 陳濤, 鄭磊. 基于FPGA的多通道數(shù)據(jù)采集系統(tǒng)設(shè)計(jì)應(yīng)用 [J]. 數(shù)字技術(shù)與應(yīng)用, 2021, 39(10): 190-192.

[28] 王瑩瑩, 牟軍, 周鵬. FPGA技術(shù)優(yōu)勢及編程實(shí)踐經(jīng)驗(yàn)總結(jié) [J]. 信息記錄材料, 2020, 21(9): 83-84.

[29] 李鑫, 閆雪梅, 高媛媛, 等. FPGA發(fā)展現(xiàn)狀和行業(yè)應(yīng)用分析 [J]. 信息通信技術(shù)與政策, 2022(7): 65-72.

[30] 王小強(qiáng), 李斌, 余永濤, 等. 高端芯片技術(shù)特點(diǎn)及測評難點(diǎn)分析 [J]. 電子產(chǎn)品可靠性與環(huán)境試驗(yàn), 2022, 40(3): 100-106.

[31] Chen R Q, Wu T Y, Zheng Y C,. MLoF: machine learning accelerators for the low-cost FPGA platforms [J]., 2021, 12(1): 89.

[32] 王瑩, 肖莉, 陳偉, 等. 中藥智能制造的發(fā)展與展望 [J]. 中醫(yī)藥導(dǎo)報(bào), 2022, 28(3): 37-39.

[33] 朱紫萌, 于洵, 王剛, 等. 一種多源多通道信號采集系統(tǒng)設(shè)計(jì) [J]. 電子設(shè)計(jì)工程, 2022, 30(2): 126-132.

[34] 楊棟, 江虹, 羅穎, 等. 基于FPGA的多路傳感信號采集系統(tǒng)設(shè)計(jì) [J]. 儀表技術(shù)與傳感器, 2022(6): 75-79.

[35] 霍道強(qiáng). 基于FPGA的多通道數(shù)據(jù)采集單元設(shè)計(jì)與實(shí)現(xiàn) [D]. 成都: 電子科技大學(xué), 2022.

[36] 滕琦, 劉慶閣. 基于自整定模糊PID算法的濃縮工藝溫度控制研究 [J]. 長春理工大學(xué)學(xué)報(bào): 自然科學(xué)版, 2021, 44(2): 80-85.

[37] 陳玉宣, 張居賓, 俞文光, 等. 中藥濃縮過程控制思路與方法 [J]. 世界中醫(yī)藥, 2021, 16(23): 3409-3413.

[38] Nikita S, Tiwari A, Sonawat D,. Reinforcement learning based optimization of process chromatography for continuous processing of biopharmaceuticals [J]., 2021, 230: 116171.

[39] Subraveti S G, Li Z K, Prasad V,. Can a computer “l(fā)earn” nonlinear chromatography: Physics-based deep neural networks for simulation and optimization of chromatographic processes [J]., 2022, 1672: 463037.

[40] 李航. 基于FPGA和千兆以太網(wǎng) (GigE) 的圖像處理系統(tǒng)設(shè)計(jì) [D]. 南京: 南京理工大學(xué), 2014.

[41] 何昌鴻. 基于FPGA的GigE高速圖像采集及處理系統(tǒng)的研究與應(yīng)用 [D]. 撫州: 東華理工大學(xué), 2019.

[42] 羅林. 基于FPGA的快速圖像處理算法的研究與實(shí)現(xiàn) [D]. 重慶: 重慶交通大學(xué), 2015.

[43] 姚丹. 基于FPGA的表面缺陷在線檢測系統(tǒng)應(yīng)用研究 [D]. 西安: 西安科技大學(xué), 2015.

[44] 繆培琪, 王鐾璇, 司夢蘭, 等. 機(jī)器視覺檢測技術(shù)及其在中藥智能制藥中的應(yīng)用展望 [J]. 天津中醫(yī)藥大學(xué)學(xué)報(bào), 2020, 39(4): 365-373.

[45] 馬博. 基于機(jī)器視覺的紅棗缺陷檢測及分選系統(tǒng)的研究 [D]. 阿拉爾: 塔里木大學(xué), 2021.

[46] 弋偉國. 基于機(jī)器視覺的枸杞分級分選機(jī)控制系統(tǒng)研究 [D]. 銀川: 寧夏大學(xué), 2016.

[47] 潘銀飛. 視覺檢測中特征提取的FPGA加速技術(shù)研究 [D]. 合肥: 合肥工業(yè)大學(xué), 2021.

[48] 郭常青. 基于FPGA的實(shí)時(shí)圖像預(yù)處理技術(shù)研究與實(shí)現(xiàn) [D]. 太原: 中北大學(xué), 2022.

[49] 梁添汾, 張南峰, 張艷喜, 等. 違禁品X光圖像檢測技術(shù)應(yīng)用研究進(jìn)展綜述 [J]. 計(jì)算機(jī)工程與應(yīng)用, 2021, 57(16): 74-82.

[50] Xue Q L, Miao P Q, Miao K H,. X-ray-based machine vision technique for detection of internal defects ofseeds [J]., 2022, 87(8): 3386-3395.

[51] 陳玲, 程國東, 徐建航, 等. 基于高光譜技術(shù)的水果新鮮度檢測可行性研究 [J]. 電子測試, 2021(24): 41-43.

[52] 蔚栓. 高光譜成像多特征信息在草莓品質(zhì)分析中的應(yīng)用 [D]. 合肥: 安徽大學(xué), 2020.

[53] 賈敏, 歐中華. 高光譜成像技術(shù)在果蔬品質(zhì)檢測中的應(yīng)用 [J]. 激光生物學(xué)報(bào), 2018, 27(2): 119-126.

[54] 胡翠英, 馬驥, 龐其昌, 等. 基于光譜成像技術(shù)的紅花快速鑒別與質(zhì)量評價(jià) [J]. 遼寧中醫(yī)藥大學(xué)學(xué)報(bào), 2013, 15(2): 57-59.

[55] 趙靜, 馬驥, 龐其昌, 等. 香加皮等5種皮類中藥的光譜成像技術(shù)比較鑒別與分析 [J]. 時(shí)珍國醫(yī)國藥, 2012, 23(1): 188-190.

[56] 吳文輝, 郭麗芬, 葉美顏, 等. 光譜成像指紋圖譜在藥用珍珠鑒定中的應(yīng)用研究 [J]. 藥物分析雜志, 2015, 35(6): 1087-1091.

[57] Wang C, Gong L, Yu Q,. DLAU: A scalable deep learning accelerator unit on FPGA [J]., 2017, 36(3): 513-517.

[58] Ponnusamy V, Marur D R, Dhanaskodi D,. Deep learning-based X-ray baggage hazardous object detection-an FPGA implementation [J].', 2021, 35(5): 431-435.

[59] 朱彬如. FPGA加速深度學(xué)習(xí)心律失常分類研究 [D]. 武漢: 湖北工業(yè)大學(xué), 2021.

[60] 程翼宇, 張伯禮, 方同華, 等. 智慧精益制藥工程理論及其中藥工業(yè)轉(zhuǎn)化研究 [J]. 中國中藥雜志, 2019, 44(23): 5017-5021.

[61] Xue Q L, Miao K H, Yu Y,. A novel method for vacuum belt drying process optimization of licorice [J]., 2022, 328: 111075.

[62] 王仁杰, 王凱玉, 何昕煒, 等. 烏梅浸膏真空帶式干燥工藝的優(yōu)化 [J]. 中成藥, 2021, 43(2): 468-471.

[63] 左斌, 孫輝, 胡鵬程. 膽寧片浸膏真空帶式干燥不同加熱溫度下粉體學(xué)研究 [J]. 上海醫(yī)藥, 2017, 38(15): 79-82.

Discussion on application of FPGA-based technologies in smart manufacturing for traditional Chinese medicine

LI Xiao-li1, 2, 3, XUE Qi-long1, 2, 3, MIAO Kun-hong1, 2, 3, ZHAO Qian1, 2, 3, YU Yang1, 2, 3, LI Zheng1, 2, 3

1. College of Pharmaceutical Engineering of Traditional Chinese Medicine, Tianjin University of Traditional Chinese Medicine, Tianjin 301617, China 2. State Key Laboratory of Component Traditional Chinese Medicine, Tianjin 301617, China 3. Haihe Laboratory of Modern Chinese Medicine, Tianjin 301617, China

Traditional Chinese medicine (TCM) manufacturing industry is constantly upgrading to digitization, informatization and intellectualization, which put forward higher requirements for intelligent hardware. Field programmable gate array (FPGA) has the advantages of multi-channel synchronous signal acquisition, fast data processing, high performance and low power consumption, and it has been widely used in many fields of social production. Composition and application advantages of FPGA were introduced in this paper. The application of FPGA technology in smart manufacturing for TCM including process signal acquisition, image processing and deep learning was discussed, combining the principle and domain knowledge of application scenario of TCM pharmaceutical industry, in order to provide technical support to TCM manufacturing industry and development of modern industry.

field-programmable gate array; smart manufacturing for traditional Chinese medicine; signal acquisition; image processing; deep learning

R28

A

0253 - 2670(2023)01 - 0283 - 09

10.7501/j.issn.0253-2670.2023.01.030

2022-09-08

天津市教委科研計(jì)劃項(xiàng)目（2018KJ006）

李小莉，碩士研究生，研究方向?yàn)橹兴幹扑幑こ?。E-mail: 1527328624@qq.com

通信作者：于 洋，助理研究員，研究方向?yàn)橹兴幹扑幑こ碳夹g(shù)研究與產(chǎn)業(yè)轉(zhuǎn)化。E-mail: yuyang@tjutcm.edu.cn

李 正，研究員，研究方向?yàn)橹兴幹扑幑こ碳夹g(shù)研究與產(chǎn)業(yè)轉(zhuǎn)化。E-mail: lizheng@tjutcm.edu.cn

[責(zé)任編輯 崔艷麗]