申请/专利权人：伊耐斯克泰克-计算机科学与技术系统工程研究所

申请日：2019-07-31

公开（公告）日：2024-06-25

公开（公告）号：CN112513616B

主分类号：G01N21/27

分类号：G01N21/27;G01N21/71

优先权：["20180803 EP 18187384.5","20180731 PT 110894"]

专利状态码：有效-授权

法律状态：2024.06.25#授权;2021.05.18#实质审查的生效;2021.03.16#公开

摘要：本发明涉及机器学习领域，特别是用于分析高分辨率或超分辨率光谱数据的机器学习，分析所述数据通常包括分析高度复杂的样本物质的混合物和或具有低分辨率的数据，例如激光诱导击穿光谱技术LIBS。本发明的一个目的是一种用于根据样本的电磁光谱信息表征这种样本中的一种或多种成分的计算自学习方法，所述方法通过以下方式改变与现有技术方法相关联的范例：仅使用亚光光谱信息，即获得所述光谱信息的分辨率，并由此能够从这种光谱信息提取光谱线—从而确定光谱线位置，因此避免与基于像素的方法相关联的所有不确定性。本发明的又一目的是一种被配置来实现这种方法的计算设备。

主权项：1.一种用于根据物理样本的电磁光谱信息表征这种物理样本中的一种或多种成分的方法，每种成分由化学元素、化学元素的同位素、分子及其构象、分子及其状态中的一者或其组合组成，所述方法包括以下步骤：●获得对应于所述物理样本的电磁光谱信息的分辨率，其中所述电磁光谱信息是根据等离子体诱导光谱方法获得的，●在对应于所述电磁光谱信息的光谱分辨率是亚光光谱分辨率的情况下，从所述电磁光谱信息提取一条或多条光谱线，●将所述光谱线投影到确定性特征空间的样本点中，这种确定性特征空间由多维向量空间组成，所述多维向量空间包括具有预先确定的向量基的多条光谱线，这种具有预先确定的向量基的多条光谱线：○存储在数据库中并且已经通过亚光光谱分辨率提取获得，并且○对应于多种已知成分，其中所述多维向量空间的每个维度都是所述电磁光谱信息所对应于的所述物理样本中的所述一种或多种成分的预测特征，这种预测特征提供对所述物理样本中的一种或多种成分的量的确定、分类和或识别，所述方法还包括以下步骤：●在所述确定性特征空间内选择对应于已知成分量的最少量的相邻样本点，使得所投影样本点使与所述对应的最少量的相邻点的协方差最大化，●根据所述最少量的相邻点选择：i专有光谱线：仅属于特定离子元素或分子的光谱线，ii干扰光谱线：叠加且不能用亚光提取解析的光谱线，和iii独特光谱线：仅属于特定成分等离子体动态的光谱线，从而得到所述相邻样本点内的局部特征空间，以及●通过考虑将要量化的所述物理样本的投影到所选择相邻样本点的协方差特征空间中的光谱线来关联来自所述局部特征空间的所述已知成分，来预测来自将要量化的所述物理样本的所述成分的量化，其中所述方法还包括以下步骤：●通过确定所投影样本点是否在所述确定性特征空间的预先确定的区域内，在所述确定性特征空间内选择最少量的相邻样本点，使得此类相邻样本点属于特定类别，这种区域由非线性逻辑边界界定，以及●针对定界在所述区域内部的所述最少量的相邻样本点，选择专有光谱线、干扰光谱线和独特光谱线以得到局部特征空间，从而在所述相邻样本点和所述样本点内提供匹配，并且其中所提及的非线性逻辑边界是根据以下方式得到的：●使用成分的能从所述数据库获得的所有现有光谱线作为变量来将所述确定性特征空间声明为矩阵；●对先前矩阵执行分解，这种分解使得其提供搜索并且使所述成分的协方差最大化，从而确定产生所述确定性特征空间的多维向量空间；●将光谱信息投影到所述多维向量基、即所述确定性特征空间的样本点中；●在所述确定性特征空间中限定多个搜索方向；●限定包含在所述特征空间内的多个定向搜索体积，每个定向搜索体积被限定为所述特征空间的包括所述所投影样本点的区域，所述区域沿着搜索方向延伸搜索长度，其中所述搜索方向由逻辑函数限定；●使用对应于所选择方向的所选择定向搜索体积内的所投影样本点作为所选择的最小量的相邻样本点来选择对应预测模型具有对将要分类的成分的分类或识别的最大可预测性的所述搜索方向；●确定与所述预测模型的距离并且限定维持所述非线性逻辑边界的支持辨别样本；●确定极端支持辨别样本，并使用对应于所选择方向的所选择定向搜索体积内的所投影样本点作为所选择的最小量的相邻样本点来选择对应预测模型具有对将要分类的成分的分类或识别的最大可预测性的所述搜索方向；●递归地执行先前操作，直到针对特定类别确定全部所述非线性逻辑边界为止。

全文数据：

权利要求：

百度查询： 伊耐斯克泰克-计算机科学与技术系统工程研究所 用于根据电磁光谱信息表征物理样本中成分的方法和设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD