一种基于多智能体的医药产品AI机器人监管方法及系统

本发明涉及电数字数据处理的领域，尤其是涉及一种基于多智能体的医药产品ai机器人监管方法及系统。

背景技术：

1、在现代中药生产中，药品质量控制的重要性日益增加，关键在于深入理解和控制生产过程，确保持续生产出符合质量标准的产品。尽管监管模式转变，但中药生产当前面临自动化和精细化质量数据采集的缺乏，以及全面分析和优化生产过程的智能技术不足。中药复方的复杂性使得传统的质量控制方法难以全面评估药品质量和疗效，例如在中药生产中，中药原料由于生长环境不同、生长周期不同、处理方式不同等原因，导致同一味中药的药性也存在不同，此时由于中药的配置依旧按照固定的比例进行配置的，也就导致了同一批次生产出中药，药性也存在明显差别。

技术实现思路

1、为了解决中药制备过程中，由于中药原料的差异导致的制成的中药存在明显药性差异的问题，本发明提供一种基于多智能体的医药产品ai机器人监管方法及系统。

2、本发明提供一种基于多智能体的医药产品ai机器人监管方法，采用如下的技术方案：

3、一种基于多智能体的医药产品ai机器人监管方法，其特征在于：包括如下步骤：

4、获取生产数据、流通数据和监管指令，存储在数据集中；

5、所述数据集中的所述监管指令编码为序列，将所述序列输入大语言模型，获取语义解释，将所述语义解释拆解为工作步骤，生成执行指令序列存储所述工作步骤；

6、调用特征提取模型从所述数据集中的所述流通数据中提取特征，将所述特征提取模型输出的结果融合，获得用于预测药品关键参数的融合特征，通过所述融合特征进行优化方案预测；

7、所述大语言模型解析所述优化方案后，向rpa智能体输出工作指令，使所述rpa智能体向执行智能体输出所述工作指令；

8、获取所述执行智能体回传的运行数据，将所述运行数据与所述优化方案比较，判断是否满足所述优化方案，若不满足，则将所述运行数据存储在所述数据集中，循环上述步骤直到所述运行数据满足所述优化方案。

9、在一个具体的可实施方案中，所述大语言模型获取所述序列前，通过微调技术对大语言模型进行优化。

10、在一个具体的可实施方案中，通过强化学习算法对全部步骤进行分析和预测，输出短期风险预警和长期风险预警。

11、本发明还提供一种基于多智能体的医药产品ai机器人监管系统，采用如下的技术方案：

12、一种基于多智能体的医药产品ai机器人监管系统，包括：

13、数据采集模块，用于获取生产数据和流通数据，以及通过用户接口输入的监管指令，将获取到的所述生产数据、所述流通数据和所述监管指令存储在数据集中；

14、语言模块，对数据库中的所述监管指令进行编码和解析，将所述监管指令拆解为工作步骤，生成执行指令序列；

15、多模态数据处理模块，调用特征提取模型对所述数据集中的所述流通数据进行特征提取，将所述特征提取模型输出的结果进行特征融合，获得融合特征，并通过所述融合特征进行优化方案预测，使所述优化方案被所述语言模块解析输出工作指令；

16、rpa模块，获取所述工作指令并向执行智能体输出。

17、在一个具体的可实施方案中，所述语言模块包括语义解析单元和任务拆解单元，所述语义解析单元获取所述数据集中的所述监管指令，通过大语言模型对所述监管指令进行解析和编码，所述任务拆解单元将完成编码的所述监管指令拆解为所述工作步骤，生成所述执行指令序列。

18、在一个具体的可实施方案中，所述语言模块还包括语料库训练单元，所述大语言模型对所述监管指令进行解析和编码前，通过微调技术对所述大语言模型进行优化。

19、在一个具体的可实施方案中，所述多模态数据处理模块包括数据分析单元和多模态融合单元，所述数据分析单元存储用于不同模态的所述特征提取模型，所述多模态融合单元解析所述执行指令序列中数据的模态，调用所述数据分析单元中的所述特征提取模型进行特征提取，通过图卷积网络对所述特征提取模型输出的结果进行特征融合，生成所述融合特征，通过所述融合特征生成所述优化方案供所述语言模块解析。

20、在一个具体的可实施方案中，所述rpa模块包括编排单元和执行监控单元，所述编排单元获取所述工作指令，并向所述执行智能体输出；所述执行监控单元获取所述加工设备输出的参数信号，将所述参数信号与所述工作指令比对，若不满足所述工作指令，则将所述参数信号向所述数据集输出。

21、在一个具体的可实施方案中，还包括多智能体智慧监管模块，获取所述数据采集模块、所述语言模块、所述多模态数据处理模块和所述rpa模块不同状态下的不同行为，构建整体状态集和行为向量集，过强化学习算法对所述整体状态集和所述行为向量集进行分析，输出短期风险预警和长期风险预警。

22、在一个具体的可实施方案中，所述多智能体智慧监管模块包括决策单元、可视化展示单元、智能报告生成单元和状态预测单元，所述决策单元构建所述整体状态集和所述行为向量集，所述状态预测单元通过所述强化学习算法对所述整体状态集和所述行为向量集进行分析，获得调用决策，对所述调用决策分析，输出所述短期风险预警，通过所述强化学习算法对所述融合特征进行分析，输出所述长期风险预警；所述智能报告生成单元获取所述短期风险预警和所述长期风险预警，生成预警报告；所述可视化展示单元将所述预警报告进行可视化输出。

23、综上所述，本发明包括以下至少一种有益技术效果：

24、1.通过对中药原料在生产加工过程中的监管，对中药原料制成的中药进行预测，提前对中药原料的加工工艺和加工参数进行调整，使得生产获得的中药质量趋于相同，使得获得的中药药性趋于相同。

25、2.通常的生产中，从中药原料到制成中药需要经过大量繁琐的工艺，而在这些工艺工，需要大量人工进行监管和人工操作，人工监管过程中，由于依赖经验，因此监管存在一定偏差。通过基于多智能体的医药产品ai机器人监管系统的自动监管，能够对中药原料的监管按照统一的标准进行，监管效率高，且监管准确性更高。

26、3.通常的生产中，即便通过人工监管发现了生产流程中存在的问题，也只能依靠监管人员的经验进行处理，倘若经验不足，则难以对发现的问题进行处理，难以形成闭环回路。通过基于多智能体的医药产品ai机器人监管系统能够针对监管中发现的问题，能够自动对目前的生产进行调整，从而形成中药质量监管的闭环回路。

技术特征：

1.一种基于多智能体的医药产品ai机器人监管方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的基于多智能体的医药产品ai机器人监管方法，其特征在于：所述大语言模型获取所述序列前，通过微调技术对大语言模型进行优化。

3.根据权利要求1所述的基于多智能体的医药产品ai机器人监管方法，其特征在于：通过强化学习算法对全部步骤进行分析和预测，输出短期风险预警和长期风险预警。

4.一种基于多智能体的医药产品ai机器人监管系统，其特征在于：包括：

5.根据权利要求4所述的基于多智能体的医药产品ai机器人监管方法，其特征在于：所述语言模块(2)包括语义解析单元(22)和任务拆解单元(23)，所述语义解析单元(22)获取所述数据集中的所述监管指令，通过大语言模型对所述监管指令进行解析和编码，所述任务拆解单元(23)将完成编码的所述监管指令拆解为所述工作步骤，生成所述执行指令序列。

6.根据权利要求5所述的基于多智能体的医药产品ai机器人监管方法，其特征在于：所述语言模块(2)还包括语料库训练单元(21)，所述大语言模型对所述监管指令进行解析和编码前，通过微调技术对所述大语言模型进行优化。

7.根据权利要求4所述的基于多智能体的医药产品ai机器人监管方法，其特征在于：所述多模态数据处理模块(3)包括数据分析单元(31)和多模态融合单元(32)，所述数据分析单元(31)存储用于不同模态的所述特征提取模型，所述多模态融合单元(32)解析所述执行指令序列中数据的模态，调用所述数据分析单元(31)中的所述特征提取模型进行特征提取，通过图卷积网络对所述特征提取模型输出的结果进行特征融合，生成所述融合特征，通过所述融合特征生成所述优化方案供所述语言模块(2)解析。

8.根据权利要求4所述的基于多智能体的医药产品ai机器人监管方法，其特征在于：所述rpa模块(4)包括编排单元(41)和执行监控单元(42)，所述编排单元(41)获取所述工作指令，并向所述执行智能体输出；所述执行监控单元(42)获取所述加工设备输出的参数信号，将所述参数信号与所述工作指令比对，若不满足所述工作指令，则将所述参数信号向所述数据集输出。

9.根据权利要求8所述的基于多智能体的医药产品ai机器人监管系统，其特征在于：还包括多智能体智慧监管模块(5)，获取所述数据采集模块(1)、所述语言模块(2)、所述多模态数据处理模块(3)和所述rpa模块(4)在不同状态下的不同行为，构建整体状态集和行为向量集，通过强化学习算法对所述整体状态集和所述行为向量集进行分析，输出短期风险预警和长期风险预警。

10.根据权利要求9所述的基于多智能体的医药产品ai机器人监管系统，其特征在于：所述多智能体智慧监管模块(5)包括决策单元(51)、可视化展示单元(54)、智能报告生成单元(53)和状态预测单元(52)，所述决策单元(51)构建所述整体状态集和所述行为向量集，所述状态预测单元(52)通过所述强化学习算法对所述整体状态集和所述行为向量集进行分析，获得调用决策，对所述调用决策分析，输出所述短期风险预警，通过所述强化学习算法对所述融合特征进行分析，输出所述长期风险预警；所述智能报告生成单元(53)获取所述短期风险预警和所述长期风险预警，生成预警报告；所述可视化展示单元(54)将所述预警报告进行可视化输出。

技术总结本发明涉及电数字数据处理的领域，尤其是涉及一种基于多智能体的医药产品AI机器人监管方法及系统，监管方法包括如下步骤：在数据集中存储生产数据、流通数据和监管指令；监管指令编码为序列输入大语言模型，将语义解释拆解为工作步骤，生成执行指令序列；调用特征提取模型从流通数据中提取特征，获得融合特征，通过融合特征进行优化方案预测；大语言模型解析优化方案后，向RPA智能体输出工作指令，使RPA智能体向执行智能体输出工作指令；获取执行智能体回传的运行数据，将运行数据与优化方案比较。本发明具有在中药制备过程中，对中药原料进行监控和监管，根据药性调整后续中药原料的处理方式，从而使得获得的中药药性趋近相同的效果。技术研发人员：李正,程翼宇受保护的技术使用者：天津中医药大学技术研发日：技术公布日：2024/12/2