用于光谱量化的减少的误报识别制造技术

本公开涉及用于光谱量化的减少的误报识别。设备可以接收识别对未知样本执行的光谱测量的结果的信息。设备可以基于可配置参数确定用于量化模型的决策边界，使得量化模型的第一多个训练集样本在决策边界内，并且量化模型的第二多个训练集样本不在决策边界内。设备可以确定对未知样本执行的光谱测量相对于决策边界的距离度量。设备可以确定量化模型的第二多个训练集样本相对于决策边界的多个距离度量。设备可以提供指示对未知样本执行的光谱测量是否对应于量化模型的信息。是否对应于量化模型的信息。是否对应于量化模型的信息。

【技术实现步骤摘要】
用于光谱量化的减少的误报识别
[0001]本申请是申请日为2019年01月23日，申请号为201910063878.2，专利技术名称为“用于光谱量化的减少的误报识别”的申请的分案申请。
[0002]背景
[0003]原料识别可用于药物产品的质量控制。例如，可以对医用材料执行原料识别，以确定医用材料的组成成分是否对应于与医用材料相关联的包装标签。类似地，可以执行原料量化以确定特定样本中特定组分的浓度。例如，可以执行原料量化以确定药物中活性成分的浓度。与其他化学计量技术相比，光谱法可以有助于以减少的准备和数据采集时间进行原料的无损识别和/或量化。
[0004]概述
[0005]根据一些可能的实施方式，设备可以包括通信地耦合到一个或更多个处理器的一个或更多个存储器。一个或更多个存储器和一个或更多个处理器可以被配置为接收识别对未知样本执行的光谱测量的结果的信息。一个或更多个存储器和一个或更多个处理器可以被配置为基于可配置参数来确定用于量化模型的决策边界，使得量化模型的第一多个训练集样本在决策边界内，并且量化模型的第二多个训练集样本不在决策边界内。一个或更多个存储器和一个或更多个处理器可以被配置为确定对未知样本执行的光谱测量相对于决策边界的距离度量。一个或更多个存储器和一个或更多个处理器可以被配置为确定量化模型的第二多个训练集样本相对于决策边界的多个距离度量。一个或更多个存储器和一个或更多个处理器可以被配置为基于光谱测量的距离度量和第二多个训练集样本的多个距离度量来确定对未知样本执行的光谱测量是否对应于量化模型。一个或更多个存储器和一个或更多个处理器可以被配置为提供指示对未知样本执行的光谱测量是否对应于量化模型的信息。
[0006]根据一些可能的实施方式，非临时计算机可读介质可以存储一个或更多个指令。当由一个或更多个处理器执行时，一个或更多个指令可以使一个或更多个处理器获得与特定类型的感兴趣的材料相关的量化模型。量化模型可以被配置用于确定特定类型的感兴趣的材料的样本中的特定组分的浓度。当由一个或更多个处理器执行时，一个或更多个指令可以使一个或更多个处理器接收识别对未知样本执行的特定光谱测量的结果的信息。当由一个或更多个处理器执行时，一个或更多个指令可以使一个或更多个处理器将量化模型的训练集样本的其他光谱测量聚集到用于量化模型的单个类别中。当由一个或更多个处理器执行时，一个或更多个指令可以使一个或更多个处理器将训练集样本的其他光谱测量细分为第一组和第二组。第一组其他光谱测量可以在决策边界内。第二组其他光谱测量可以不在决策边界内。当由一个或更多个处理器执行时，一个或更多个指令可以使一个或更多个处理器确定对未知样本执行的特定光谱测量的度量相对于第二组其他光谱测量的相应的度量满足阈值。当由一个或更多个处理器执行时，一个或更多个指令可以使一个或更多个处理器提供指示未知样本不是特定类型的感兴趣的材料的信息。
[0007]根据一些可能的实施方式，方法可以包括由设备接收识别对未知样本执行的近红外(NIR)光谱测量的结果的信息。方法可以包括由设备确定用于量化模型的决策边界，其
中，决策边界将量化模型的单个类别划分为在决策边界内的量化模型的第一多个训练集样本以及不在决策边界内的量化模型的第二多个训练集样本。方法可以包括由设备确定对未知样本执行的NIR光谱测量的特定距离度量相对于第二多个训练集样本的其他距离度量满足阈值。方法可以包括基于确定对未知样本执行的NIR光谱测量的特定距离度量相对于第二多个训练集样本的其他距离度量满足阈值，由设备提供指示对未知样本执行的NIR光谱测量不对应于量化模型的信息。
[0008]1)一种设备，包括：
[0009]一个或更多个存储器；以及
[0010]一个或更多个处理器，所述一个或更多个处理器通信地耦合到所述一个或更多个存储器，所述一个或更多个处理器：
[0011]接收识别对未知样本执行的光谱测量的结果的信息；
[0012]基于可配置参数确定用于量化模型的决策边界，使得所述量化模型的第一多个训练集样本在所述决策边界内，并且所述量化模型的第二多个训练集样本不在所述决策边界内；
[0013]确定对所述未知样本执行的所述光谱测量相对于所述决策边界的距离度量；
[0014]确定所述量化模型的所述第二多个训练集样本相对于所述决策边界的多个距离度量；
[0015]基于用于所述光谱测量的所述距离度量和用于所述第二多个训练集样本的所述多个距离度量，确定对所述未知样本执行的所述光谱测量是否对应于所述量化模型；以及
[0016]提供指示对所述未知样本执行的所述光谱测量是否对应于所述量化模型的信息。
[0017]2)根据1)所述的设备，其中，所述一个或更多个处理器当确定对所述未知样本执行的所述光谱测量是否对应于所述量化模型时：
[0018]确定所述光谱测量不对应于所述量化模型；以及
[0019]其中，所述一个或更多个处理器当提供指示对所述未知样本执行的所述光谱测量是否对应于所述量化模型的信息时：
[0020]提供指示所述光谱测量不对应于所述量化模型的信息。
[0021]3)根据1)所述的设备，其中，所述一个或更多个处理器当确定对所述未知样本执行的所述光谱测量是否对应于所述量化模型时：
[0022]确定所述光谱测量对应于所述量化模型；以及
[0023]其中，所述一个或更多个处理器当提供指示对所述未知样本执行的所述光谱测量是否对应于所述量化模型的信息时：
[0024]提供指示所述光谱测量对应于所述量化模型的信息。
[0025]4)根据1)所述的设备，其中，所述一个或更多个处理器当确定对所述未知样本执行的所述光谱测量是否对应于所述量化模型时：
[0026]确定所述距离度量相对于所述多个距离度量的统计度量；以及
[0027]基于所述统计度量确定对所述未知样本执行的所述光谱测量是否对应于所述量化模型。
[0028]5)根据4)所述的设备，其中，所述统计度量是对数正态标准偏差；并且
[0029]其中，所述一个或更多个处理器当基于所述统计度量确定对所述未知样本执行的
所述光谱测量是否对应于所述量化模型时：
[0030]确定所述对数正态标准偏差满足阈值；以及
[0031]基于确定所述对数正态标准偏差满足所述阈值，确定对所述未知样本执行的所述光谱测量是否对应于所述量化模型。
[0032]6)根据1)所述的设备，其中，所述量化模型与单类支持向量机 (SC
‑
SVM)分类器相关联。
[0033]7)根据1)所述的设备，其中，所述一个或更多个处理器还：
[0034]接收与所述第一多个训练集样本和所述第二多个训练集样本相关的多个光谱测量；
[0035]基于所述多个光谱测量确定所述量化模型；
[0036]基于对多个验证集样本的另一多个光谱测量来验证所述量化模型；
[0037]存储所述量化模型；并且
[0038本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种方法，包括：由设备向光谱仪提供执行一个或更多个光谱测量的指令；基于提供执行所述一个或更多个光谱测量的指令，由所述设备从所述光谱仪接收多组光谱；由所述设备使用层次支持向量机SVM线性分类器和所述多组光谱中的第一组光谱训练全局分类模型；由所述设备使用所述层次SVM线性分类器和所述多组光谱中的第二组光谱验证所述全局分类模型；以及在验证所述全局分类模型之后，由所述设备提供一个或更多个量化模型。2.根据权利要求1所述的方法，其中，提供所述一个或更多个量化模型包括：将所述一个或更多个量化模型提供给与第一不同光谱仪相关联的第一不同设备和与第二不同光谱仪相关联的第二不同设备。3.根据权利要求1所述的方法，还包括：训练并验证与所述全局分类模型相关联的多个局部量化模型，其中，所述多个局部量化模型包括所述一个或更多个量化模型。4.根据权利要求1所述的方法，其中，所述一个或更多个量化模型包括：第一量化模型，其对应于所述全局分类模型的第一类别，以及第二量化模型，其对应于所述全局分类模型的第二类别。5.根据权利要求1所述的方法，其中，所述一个或更多个量化模型包括：第一量化模型，其对应于基于所述全局分类模型生成的局部分类模型的第一类别，以及第二量化模型，其对应于所述局部分类模型的第二类别。6.根据权利要求1所述的方法，其中，执行所述一个或更多个光谱测量的指令包括对训练集和验证集执行所述一个或更多个光谱测量的指令。7.根据权利要求1所述的方法，其中，所述一个或更多个量化模型包括：第一量化模型，其用于确定在使用原位局部建模所识别的肉的第一类型中特定蛋白质的浓度，以及第二量化模型，其用于确定在使用原位局部建模所识别的肉的第二类型中所述特定蛋白质的浓度。8.一种设备，包括：一个或更多个存储器；以及一个或更多个处理器，其耦合到所述一个或更多个存储器，所述处理器被配置成：从光谱仪接收与一个或更多个光谱测量相关联的多组光谱；使用层次支持向量机SVM线性分类器和所述多组光谱中的第一组光谱训练全局分类模型；使用所述层次SVM线性分类器和所述多组光谱中的第二组光谱验证所述全局分类模型；以及在验证所述全局分类模型之后，提供一个或更多个量化模型。9.根据权利要求8所述的设备，其中，用于提供所述一个或更多个量化模型的所述一个
或更多个处理器被配置成：将所述一个或更多个量化模型提供给与第一不同光谱仪相关联的第一不同设备和与第二不同光谱仪相关联的第二不同设备。10.根据权利要求8所述的设备，其中，所述一个或更多个处理器还被配置成：训练与所述全局分类模型相关联的多个局部量化模型，其中，所述多个局部量化模型包括所述一个或更多个量化模型。11.根据权利要求8所述的...

【专利技术属性】
技术研发人员：熊章民，
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：