用于分析观测对象的类别的方法和装置制造方法及图纸

本发明专利技术的示例性实施例涉及用于分析观测对象的类别的方法和装置。一种用于分析观测对象的类别的方法可以包括：获取一个或多个观测对象的特征信息；根据所述一个或多个观测对象的特征信息，利用基于神经网络的分类策略来实施对所述一个或多个观测对象的分类预测；以及至少部分地基于所述分类预测的结果，确定所述一个或多个观测对象的相应类别。

Method and apparatus for analyzing categories of observation objects

An exemplary embodiment of the present invention relates to a method and apparatus for analyzing the categories of an observed object. One can include methods for observation and analysis of object categories: feature information to obtain one or more observation object; according to the characteristic information of the one or more observation object, using the classification method based on neural network to implement the classification and prediction of the one or more observation objects and results; based at least in part on the classification, determine the corresponding categories of the one or more observation objects.

【技术实现步骤摘要】
用于分析观测对象的类别的方法和装置
本专利技术的示例性实施例一般地涉及数据分析和处理技术，并且特别涉及用于分析观测对象的类别的方法和装置。
技术介绍
颗粒分析在众多行业和领域(例如包括汽车业、化工业、矿业、林业、农业、营养业、制药业、能源业、综合产业等)中都具有相当的重要性。以汽车业为例，可以针对从汽车的组件或零部件上落下的颗粒来进行计数，也可以测量这些颗粒的大小。举例来说，可以使用显微镜(诸如扫描型电子显微镜)来获取有关这些颗粒的数量和大小的信息。如果颗粒的尺寸过大，那么可以认为该组件或零部件的质量不好。另外，还可以根据颗粒的大小来对这些颗粒进行分类。但是，仅根据颗粒的大小无法跟踪颗粒的来源，也不知道颗粒是从什么组件落下来的。因此，提供一种能够对诸如颗粒这样的观测对象进行分类的有效方案是值得期待的。
技术实现思路
根据本专利技术示例性实施例的第一方面，一种用于分析观测对象的类别的方法可以包括：获取一个或多个观测对象的特征信息；根据所述一个或多个观测对象的特征信息，利用基于神经网络的分类策略来实施对所述一个或多个观测对象的分类预测；以及至少部分地基于所述分类预测的结果，确定所述一个或多个观测对象的相应类别。根据本专利技术示例性实施例的第二方面，一种用于分析观测对象的类别的装置可以包括：信息获取模块，用于获取一个或多个观测对象的特征信息；分类预测模块，用于根据所述一个或多个观测对象的特征信息，利用基于神经网络的分类策略来实施对所述一个或多个观测对象的分类预测；以及类别确定模块，用于至少部分地基于所述分类预测的结果，确定所述一个或多个观测对象的相应类别。根据本专利技术示例性实施例的第三方面，一种用于分析观测对象的类别的装置可以包括：至少一个处理器和存储了计算机程序代码的至少一个存储器。所述至少一个存储器和所述计算机程序代码可被配置为与所述至少一个处理器一起促使所述装置至少实施以下操作：获取一个或多个观测对象的特征信息；根据所述一个或多个观测对象的特征信息，利用基于神经网络的分类策略来实施对所述一个或多个观测对象的分类预测；以及至少部分地基于所述分类预测的结果，确定所述一个或多个观测对象的相应类别。根据本专利技术示例性实施例的前述任意方面，所述一个或多个观测对象的特征信息可以包括所述一个或多个观测对象的能谱信息。举例来说，所述能谱信息可以是归一化的能谱信息。在示例性实施例中，所述能谱信息可以是能量色散谱仪(EnergyDispersiveSpectrometer，EDS)能谱信息。根据本专利技术示例性实施例的前述任意方面，所述获取一个或多个观测对象的特征信息可以包括：收集所述一个或多个观测对象的位置信息，其中，所述位置信息指示了所述一个或多个观测对象的位置；以及根据所述位置信息来提取所述一个或多个观测对象的特征信息。根据本专利技术示例性实施例的前述任意方面，所述一个或多个观测对象的相应类别可以指示以下至少一项：所述一个或多个观测对象的来源、所述一个或多个观测对象的材质、所述一个或多个观测对象的大小，以及所述一个或多个观测对象的组成部分。根据本专利技术示例性实施例的前述任意方面，所述基于神经网络的分类策略可以包括基于支持向量机(SupportVectorMachine,SVM)的算法。根据本专利技术示例性实施例的前述任意方面，所述基于神经网络的分类策略可以通过网络训练过程来定义特征信息与对象类别之间的映射关系。根据本专利技术示例性实施例的前述任意方面，所述网络训练过程可以包括：获取一个或多个训练对象的特征信息，其中，所述一个或多个训练对象的相应类别是已知的；至少部分地基于所述一个或多个训练对象的特征信息和相应类别，计算与所述映射关系相关联的训练网络的一个或多个参数；以及将具有所计算出的一个或多个参数的所述训练网络确定为所述神经网络，用于预测所述一个或多个观测对象的分类结果。根据本专利技术示例性实施例的前述任意方面，可以至少部分地基于序列最小优化(SequentialMinimumOptimization,SMO)原理来计算所述一个或多个参数。举例来说，可以通过显微镜的至少一部分(诸如显微镜的一个或多个部件)来实施根据本专利技术示例性实施例的第一方面的方法。类似地，根据本专利技术示例性实施例的第二和/或第三方面的装置可以是显微镜的至少一部分或者可以在通信上耦合于所述显微镜。所述显微镜可以是带电粒子显微镜或电子显微镜(诸如扫描型电子显微镜)。通过采用依照本专利技术示例性实施例所提供的方法和装置，能够以便捷、高效和准确的方式来实现对诸如颗粒等的观测对象的自动分类。附图说明为了更清楚地说明本专利技术示例性实施例的技术方案，下面将对示例性实施例的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是示例性和说明性，而不意味着对本专利技术进行任何限制。对于本领域普通技术人员来讲，还可以根据这些附图获得其它附图。当结合附图阅读时，通过参照以下对说明性实施例的详细描述，将更好地理解本专利技术示例性实施例的各个方面及其进一步的目的和优点，在附图中：图1依照本专利技术的示例性实施例示出了用于分析观测对象的类别的方法的流程图；图2依照本专利技术的示例性实施例示出了神经网络训练过程；图3依照本专利技术的示例性实施例示出了神经网络预测过程；图4依照本专利技术的一示例性实施例示出了用于分析观测对象的类别的装置的示意图；以及图5依照本专利技术的另一示例性实施例示出了用于分析观测对象的类别的装置的示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将参照附图来详细描述本专利技术的实施例。显然，所描述的实施例仅是本专利技术的一部分实施例，而不是全部的实施例。贯穿本说明书全文，谈及特征、优点或类似的措辞并非意味着可以利用本专利技术而实现的所有特征与优点应当在或者是在本专利技术的任何单个的实施例中。相反，要理解涉及特征与优点的措辞意味着结合实施例所描述的具体特征、优点或特性包括在本专利技术的至少一个实施例中。因而，贯穿本说明书全文，对特征和优点的讨论以及类似的措辞可以指同一实施例，但却不一定指同一实施例。此外，所描述的本专利技术的特征、优点以及特性可以用任何合适的方式合并在一个或多个实施例中。相关领域的技术人员将会认识到，可以在没有特定实施例的一个或多个具体特征或优点的情况下实践本专利技术。在其它的示例中，可以在某些实施例中实现附加的特征和优点，其不一定出现于本专利技术的所有实施例之中。根据本专利技术的示例性实施例，术语“样本”、“样品”、“待测物”和类似术语可互换地用于表示依照本专利技术示例性实施例而提出的技术方案适用的对象。进一步地，当在文中进行描述时，各种信息、数据、图像、消息或其它通信可以被从一个部件或装置发送或传送到另一部件或装置。应当理解，传送信息、数据、图像、消息或其它通信可以不仅包括对所述信息、数据、图像、消息或其它通信的传送，而且还可以包括对所述信息、数据、图像、消息或其它通信的准备。因此，对任何此类术语的使用都不应认为是限制本专利技术实施例的精神和范围。通过颗粒分析可以获知颗粒的成分，对颗粒进行分类，追溯颗粒的来源，并且由此判断相关部件或产品的质量和性能。举例来说，可以利用光学显微镜技术和电子显微镜技术来进行颗粒分析。在使用光学显微镜的情形中，通过比较明场、偏光下颗粒图像的不同，并且结合颗粒的形状，可以将颗粒分为金属颗粒、非金属本文档来自技高网...

【技术保护点】
一种用于分析观测对象的类别的方法，其包括：获取一个或多个观测对象的特征信息；根据所述一个或多个观测对象的特征信息，利用基于神经网络的分类策略来实施对所述一个或多个观测对象的分类预测；以及至少部分地基于所述分类预测的结果，确定所述一个或多个观测对象的相应类别。

【技术特征摘要】
1.一种用于分析观测对象的类别的方法，其包括：获取一个或多个观测对象的特征信息；根据所述一个或多个观测对象的特征信息，利用基于神经网络的分类策略来实施对所述一个或多个观测对象的分类预测；以及至少部分地基于所述分类预测的结果，确定所述一个或多个观测对象的相应类别。2.根据权利要求1所述的方法，其中，所述基于神经网络的分类策略包括基于支持向量机的算法。3.根据权利要求1或2所述的方法，其中，所述一个或多个观测对象的特征信息包括所述一个或多个观测对象的能谱信息。4.根据权利要求1或2所述的方法，其中，所述一个或多个观测对象的相应类别指示了以下至少一项：所述一个或多个观测对象的来源、所述一个或多个观测对象的材质、所述一个或多个观测对象的大小，以及所述一个或多个观测对象的组成部分。5.根据权利要求1或2所述的方法，其中，所述获取一个或多个观测对象的特征信息包括：收集所述一个或多个观测对象的位置信息，其中，所述位置信息指示了所述一个或多个观测对象的位置；以及根据所述位置信息来提取所述一个或多个观测对象的特征信息。6.根据权利要求1或2所述的方法，其中，所述基于神经网络的分类策略通过网络训练过程来定义特征信息与对象类别之间的映射关系。7.根据权利要求6所述的方法，其中，所述网络训练过程包括：获取一个或多个训练对象的特征信息，其中，所述一个或多个训练对象的相应类别是已知的；至少部分地基于所述一个或多个训练对象的特征信息和相应类别，计算与所述映射关系相关联的训练网络的一个或多个参数；以及将具有所计算出的一个或多个参数的所述训练网络确定为所述神经网络，用于预测所述一个或多个观测对象的分类结果。8.根据权利要求7所述的方法，其中，至少部分地基于序列最小优化原理来计算所述一个或多个参数。9.根据权利要求1或2所述的方法，其中，通过显微镜的至少一部分来实施所述方法。10.一种用于分析观测对象的类别的装置，其包括：信息获取模块，用于获取一个或多个观测对象的特征信息；分类预测模块，用于根据所述一个或多个观测对象的特征信息，利用基于神经网络的分类策略来实施对所述一个或多个观测对象的分类预测；以及类别确定模块，用于至少部分地基于所述分类预测的结果，确定所述一个或多个观测对象的相应类别。11.根据权利要求10所述的装置，其中，所述基于神经网络的分类策略包括基于支持向量机的算法。12.根据权利要求10或11所述的装置，其中，所述一个或多个观测对象的特征信息包括所述一个或多个观测对象的能谱信息。13.根据权利要求10或11所述的装置，其中，所述一个或多个观测对象的相应类别指示了以下至少一项：所述一个或多个观测对象的来源、所述一个或多个观测对象的材质、所述一个或多个观测对象的大小，以及所述一个或多个观测对象的组成部分。14.根据权利要求10或11所述的装置，其中，所述获取一个或多个观测对象的特征信息包括：收集所述一个或多个观测对象的位置信息，其中，所述位置信息指示了所述一个或多个观测对象的位置；以及根据所述位置信...

【专利技术属性】
技术研发人员：墨恺，戴华，
申请(专利权)人：卡尔蔡司上海管理有限公司，
类型：发明
国别省市：上海,31