计算机视觉在制药结晶过程中的应用
原位图像跟踪结晶尺寸、形状和多晶型转化动力学
活动概述
- 加速结晶过程研发
- 加深对结晶过程的理解
有人提出了基于深度学习的图像分割和分类，用于原位测量微晶的尺寸和形状，这显示出作为过程分析技术（PAT）扩展到化学多相流过程的巨大潜力。
在本讲座中，我们建立了一个开放式化学微颗粒图像数据库（open-CMD），其中包含各种化学多相流场景中的颗粒团聚（A）、气泡（B）、结晶（C）和液滴（D）。高级神经网络 Mask R-CNN 与 2,500 张包含 50,000 多个标记颗粒的 open-CMD 标记图像相结合，进行了目标颗粒分割和分类能力的训练。
训练结果表明，数据增强策略可显著提高训练模型的准确性，根据是否使用增强数据进行训练，模型分别被命名为 MicropNet+ 和 MicropNet。基于 MicropNet+ 的卓越能力，提取了多维粒子描述符，并进一步定义和量化了团聚程度和团聚分布。然后，利用 MicropNet+ 模型分析了结晶和乳化这两个经典的多相流过程，其中定量分析了不同操作条件下琥珀酸晶体的团聚程度和分布（Cin A）以及液滴的相对数量和直径（Deq）。
结果表明，训练有素的 MicropNet+ 模型在微颗粒分割和分类方面具有较高的准确性和效率。最后，将介绍正在进行的计算机视觉辅助高通量筛选和高密度浆液情景分析研究。
演讲者
Zhenguo Gao, Ph.D.,
天津大学化学工程与技术学院副教授
高振国博士现任天津大学化学工程与技术学院副教授。在加入天津大学之前，他曾在西安大略大学（UWO）担任研究助理。振国于2019年获得加拿大西安大略大学和中国天津大学双博士学位，随后加入天津大学工业结晶技术国家工程研究中心。振国的研究方向包括：①结晶过程设计与控制，特别是连续结晶强化与控制、新型结晶器设计等；②熔融结晶，包括层结晶和悬浮结晶，特别是超纯湿电子化学品；③智能过程分析技术，例如基于人工智能的过程成像分析等。他在顶级国际会议和期刊上发表了 60 多篇论文，包括《化学工程学报》、《化学工程科学》、《结晶生长与设计》、《工程学》、《CrystEngComm》、《工业与工程化学研究》、《分离与纯化技术》、《超声声化学》等。他曾担任《结晶》杂志的客座编辑，以及多个国际期刊的审稿人，如《IECR》、《晶体生长与设计》、《Org.Process.Res.Dev.
