使用光谱学的识别制造技术

本申请公开了使用光谱学的识别。设备可接收识别未知样品的光谱测量的结果的信息。设备可基于光谱测量的结果和全局分类模型来执行未知样品的第一分类。设备可基于第一分类来生成局部分类模型。设备可基于光谱测量的结果和局部分类模型来执行未知样品的第二分类。设备可基于执行第二分类来提供识别与未知样品相关的类别的信息。

【技术实现步骤摘要】
使用光谱学的识别本申请是申请日为2016年8月26日，申请号为201610739767.5，专利技术名称为“使用光谱学的识别”的申请的分案申请。背景原材料识别可用于药物产品的质量控制。例如，可对医学化合物执行原材料识别以确定医学化合物的组成成分是否相应于与医学化合物相关的包装标签。光谱学可利用相对于其它化学技术的减少的制备和数据获取时间来便于非破坏性原材料识别。概述根据一些可能的实现方式，设备可包括一个或多个处理器。一个或多个处理器可接收识别未知样品的光谱测量的结果的信息。一个或多个处理器可基于光谱测量的结果和全局分类模型来执行未知样品的第一分类。全局分类模型可利用支持向量机(SVM)分类器技术。全局分类模型可包括类别的全局组。一个或多个处理器可基于第一分类来生成局部分类模型。局部分类模型可利用SVM分类器技术。局部分类模型可包括类别的全局组的类别的子集。一个或多个处理器可基于光谱测量的结果和局部分类模型来执行未知样品的第二分类。一个或多个处理器可基于执行第二分类来提供识别类别的子集中的与未知样品相关的类别的信息。根据一些可能的实现方式，计算机可读介质可存储指令，指令当由一个或多个处理器执行时可使一个或多个处理器接收识别未知组的一组光谱测量的结果的信息。未知组可包括一组未知样品。一个或多个指令当由一个或多个处理器执行时可使一个或多个处理器基于该组光谱测量的结果和全局分类模型来执行该组未知样品的第一分类。全局分类模型可利用支持向量机(SVM)线性分类器技术。一个或多个指令当由一个或多个处理器执行时可使一个或多个处理器基于第一分类来生成对于该组未知样品的一组局部分类模型。该组局部分类模型可利用SVM线性分类器技术。一个或多个指令当由一个或多个处理器执行时可使一个或多个处理器基于该组光谱测量的结果和该组局部分类模型来执行该组未知样品的第二分类。一个或多个指令当由一个或多个处理器执行时可使一个或多个处理器基于执行第二分类来提供识别该组未知样品的分类的信息。根据一些可能的实现方式，方法可包括由设备接收识别由第一分光计执行的未知样品的光谱测量的结果的信息。该方法可包括基于光谱测量的结果和全局分类模型由设备来执行未知样品的第一分类。全局分类模型可通过利用支持向量机(SVM)分类器技术和由第二分光计执行的一组光谱测量来生成。该方法可包括基于第一分类由设备来生成局部分类模型。局部分类模型可利用SVM分类器技术。局部分类模型可包括全局分类模型的一组类别中的类别的子集。该方法可包括基于光谱测量的结果和局部分类模型由设备来执行未知样品的第二分类。该方法可包括基于执行第二分类由设备来提供识别类别的子集中的与未知样品相关的类别的信息。(1)本申请涉及一种设备，包括：一个或多个处理器，其用于：接收识别未知样品的光谱测量的结果的信息；基于光谱测量的结果和全局分类模型来执行未知样品的第一分类，基于第一分类来生成局部分类模型，基于光谱测量的结果和局部分类模型来执行未知样品的第二分类；以及基于执行第二分类来提供识别与未知样品相关的类别的信息。(2)如(1)所述的设备，其中一个或多个处理器还用于：确定与全局分类模型的一组类别相关的一组相应的概率，一组相应的概率中的特定概率指示未知样品与一组类别中的特定类别相关的可能性，基于一组相应的概率来选择一组类别的子集；以及其中一个或多个处理器在生成局部分类模型时用于：基于一组类别的子集来生成局部分类模型。(3)如(1)所述的设备，其中一个或多个处理器还用于：执行自动按比例缩放预处理过程；以及基于执行自动按比例缩放预处理过程来执行第一分类或第二分类中的至少一个。(4)如(1)所述的设备，其中一个或多个处理器还用于：接收来自与第一分光计相关的控制设备的全局分类模型，全局分类模型由控制设备使用由第一分光计执行的一个或多个光谱测量来生成；使光谱测量将由第二分光计执行，第二分光计不同于第一分光计；以及其中一个或多个处理器在执行未知样品的第一分类时用于：基于使用由第一分光计执行的一个或多个光谱测量生成的全局分类模型并基于由第二分光计执行的光谱测量的结果来执行未知样品的第一分类。(5)如(1)所述的设备，其中全局分类模型的一组类别相应于一组化合物，且类别被包括在该一组类别中；以及其中一个或多个处理器在提供识别类别的信息时用于：提供识别一组化合物中的相应于类别的化合物的信息。(6)如(1)所述的设备，其中一个或多个处理器在执行第二分类时用于：确定与未知样品相关的光谱与类别相关，光谱由执行光谱测量的结果识别；以及其中一个或多个处理器在提供识别类别的信息时用于：基于确定与未知样品相关的光谱与类别相关来提供识别类别的信息。(7)如(1)所述的设备，其中支持向量机(SVM)分类器技术用于生成全局分类模型或局部分类模型中的至少一个；以及其中SVM分类器技术与下列项中的至少一个相关：径向基函数类型的核函数，线性函数类型的核函数，S型函数类型的核函数，多项式函数类型的核函数，或指数函数类型的核函数。(8)如(1)所述的设备，其中一个或多个处理器在执行第二分类时用于：基于下列项中的至少一个将未知样品分配到类别：概率值，或决策值。(9)本申请提供了一种存储指令的计算机可读介质，该指令包括：当由一个或多个处理器执行时可使一个或多个处理器执行下列操作的一个或多个指令：接收识别未知组的一组光谱测量的结果的信息，该未知组包括多个未知样品；基于一组光谱测量的结果和全局分类模型来执行多个未知样品的第一分类，该全局分类模型利用支持向量机(SVM)线性分类器技术，基于第一分类来生成用于多个未知样品的一组局部分类模型，该一组局部分类模型利用SVM线性分类器技术；基于所述一组光谱测量的所述结果和所述一组局部分类模型来执行所述多个未知样品的第二分类；以及基于执行所述第二分类来提供识别所述多个未知样品的分类的信息。(10)如(9)所述的计算机可读介质，其中全局分类模型基于由第一分光计执行的一个或多个光谱测量来生成；以及其中使一个或多个处理器接收识别一组光谱测量的结果的信息的一个或多个指令使一个或多个处理器：从第二分光计接收识别一组光谱测量的结果的信息，第二分光计不同于第一分光计；以及其中使一个或多个处理器执行第一分类的一个或多个指令使一个或多个处理器：使用从第二分光计接收的一组光谱测量的结果和基于由第一分光计执行的一个或多个光谱测量而生成的全局分类模型来执行第一分类。(11)如(9)所述的计算机可读介质，其中使一个或多个处理器接收识别一组光谱测量的结果的信息的一个或多个指令使一个或多个处理器：接收相应于多个未知样品的多个本文档来自技高网...

【技术保护点】
1.一种方法，包括：/n由第一设备生成全局分类模型；/n由所述第一设备确定所述全局分类模型满足验证阈值；/n由所述第一设备并基于确定所述全局分类模型满足所述验证阈值，将所述全局分类模型提供至与第一分光计相关的第二设备；以及/n由所述第一设备并基于确定所述全局分类模型满足所述验证阈值，将所述全局分类模型提供至与第二分光计相关的第三设备。/n

【技术特征摘要】
20150826 US 62/210,1981.一种方法，包括：
由第一设备生成全局分类模型；
由所述第一设备确定所述全局分类模型满足验证阈值；
由所述第一设备并基于确定所述全局分类模型满足所述验证阈值，将所述全局分类模型提供至与第一分光计相关的第二设备；以及
由所述第一设备并基于确定所述全局分类模型满足所述验证阈值，将所述全局分类模型提供至与第二分光计相关的第三设备。


2.如权利要求1所述的方法，还包括：
选择用于生成所述全局分类模型的hier-支持向量机(SVM)线性分类器。


3.如权利要求2所述的方法，还包括：
对照一个或多个其它分类器来测试所述hier-SVM线性分类器，
其中，选择所述hier-SVM线性分类器包括：
基于对照所述一个或多个其它分类器来测试所述hier-SVM线性分类器，选择所述hier-SVM线性分类器。


4.如权利要求1所述的方法，其中，确定所述全局分类模型满足所述验证阈值包括：
确定所述全局分类模型具有超过所述验证阈值的准确度。


5.如权利要求1所述的方法，其中，在对由所述第一分光计执行的光谱测量执行原材料识别(RMID)时利用所述全局分类模型。


6.如权利要求1所述的方法，还包括：
接收识别一组光谱测量的结果的信息，
其中，生成所述全局分类模型包括：
基于识别所述一组光谱测量的所述结果的所述信息来生成所述全局分类模型。


7.如权利要求6所述的方法，其中，从多个分光计接收识别所述一组光谱测量的所述结果的所述信息。


8.第一设备，包括：
一个或多个存储器；以及
通信地耦合至所述一个或多个存储器的一个或多个处理器，所述一个或多个处理器配置成：
生成全局分类模型；
确定所述全局分类模型满足验证阈值；
基于确定所述全局分类模型满足所述验证阈值，将所述全局分类模型提供至与第一分光计相关的第二设备；以及
基于确定所述全局分类模型满足所述验证阈值，将所述全局分类模型提供至与第二分光计相关的第三设备。


9.如权利要求8所述的第一设备，其中，所述一个或多个处理器还配置成：
选择用于生成所述全局分类模型的hier-支持向量机(SVM)线性分类器。


10.如权利要求9所述的第一设备，其中，所述一个或多个处理器还配置成：
对照一个或多个其它分类器来测试所述hier-SVM线性分类器，
其中，选择所述hier-SVM线性分类器包括：
基于对照所述一个或多个其它分类器来测试所述hier-SVM线性分类器，选择所述hier-SVM线性分类器。


11.如权利要求8所述的第一设备，其中，当确...

【专利技术属性】
技术研发人员：熊章民，克里斯多佛·G·佩德森，邹鹏，孙岚，
申请(专利权)人：唯亚威通讯技术有限公司，
类型：发明
国别省市：美国;US