CN107664532A - 使用稀疏转移集合转移校准模型 - Google Patents

使用稀疏转移集合转移校准模型 Download PDF

Info

Publication number
CN107664532A
CN107664532A CN201710637656.8A CN201710637656A CN107664532A CN 107664532 A CN107664532 A CN 107664532A CN 201710637656 A CN201710637656 A CN 201710637656A CN 107664532 A CN107664532 A CN 107664532A
Authority
CN
China
Prior art keywords
main
transfer
instrument
caliberator
calibration
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710637656.8A
Other languages
English (en)
Other versions
CN107664532B (zh
Inventor
C.熊
孙岚
C.G.佩德森
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Only Yahweh Solutions Ltd By Share Ltd
Viavi Solutions Inc
Original Assignee
Only Yahweh Solutions Ltd By Share Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Only Yahweh Solutions Ltd By Share Ltd filed Critical Only Yahweh Solutions Ltd By Share Ltd
Publication of CN107664532A publication Critical patent/CN107664532A/zh
Application granted granted Critical
Publication of CN107664532B publication Critical patent/CN107664532B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01JMEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28Investigating the spectrum
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01JMEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/02Details
    • G01J3/027Control of working procedures of a spectrometer; Failure detection; Bandwidth calculation
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01JMEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/02Details
    • G01J3/0297Constructional arrangements for removing other types of optical noise or for performing calibration
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • G01N21/274Calibration, base line adjustment, drift correction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/17Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01JMEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J2003/006Fundamentals or review articles
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01JMEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28Investigating the spectrum
    • G01J2003/2866Markers; Calibrating of scan
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01JMEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28Investigating the spectrum
    • G01J2003/2866Markers; Calibrating of scan
    • G01J2003/2873Storing reference spectrum
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00Features of devices classified in G01N21/00
    • G01N2201/12Circuits of general importance; Signal processing
    • G01N2201/127Calibration; base line adjustment; drift compensation

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Spectrometry And Color Measurement (AREA)
  • Architecture (AREA)

Abstract

设备可以获取与主仪器的主校准模型相关联的主校准集合,该主校准集合包括与样本的集合相关联的、由主仪器生成的光谱。所述设备可以基于主校准集合来识别主校准物的选定集合。所述设备可以获取目标校准物的选定集合,该目标校准物的选定集合包括与样本的集合的子集相关联的、由目标仪器生成的光谱。所述设备可以基于主校准物的选定集合和目标校准物的选定集合来创建转移集合。所述设备可以基于转移集合创建与主校准集合对应的目标校准集合。所述设备可以基于目标校准集合使用与转移集合相关联的优化技术以及支持向量回归建模技术为目标仪器生成转移的校准模型。

Description

使用稀疏转移集合转移校准模型
背景技术
光谱仪可以配置有用于校准由光谱仪执行的光谱测量的校准模型。校准模型通常是基于与已知样本对应的参考光谱和与已知样本对应的、由光谱仪测得的光谱而生成。
发明内容
根据一些可以的实施方式,设备可以包括一个或多个处理器,以:获取与主仪器的主校准模型相关联的主校准集合,其中该主校准集合可以包括与样本的集合相关联的、由主仪器生成的光谱;基于主校准集合识别主校准物的选定集合,其中该主校准物的选定集合可以包括与样本的集合的子集相关联的光谱;获取与目标仪器相关联的目标校准物的选定集合,其中该目标校准物的选定集合可以包括与样本的集合的子集相关联的、由目标仪器生成的光谱;基于主校准物的选定集合和目标校准物的选定集合创建转移集合,其中该转移集合可以与样本的集合的子集相关联;基于转移集合创建与主校准集合对应的目标校准集合;以及基于支持向量回归建模技术、基于目标校准集合生成与目标仪器相关联的转移的校准模型,其中该转移的校准模型可以使用与转移集合相关联的优化技术来生成。
根据一些可以的实施方式,非暂态计算机可读介质可以存储指令,当该指令由一个或多个处理器执行时,使得一个或多个处理器:获取与主仪器的主校准模型相关联的主校准集合,主校准集合包括与样本的集合相关联的光谱,其中该光谱由主仪器基于扫描样本的所述集合而生成;基于主校准集合识别主校准物的选定集合;获取与目标仪器相关联的、与主校准物的选定集合对应的目标校准物的选定集合;基于主校准物的选定集合和目标校准物的选定集合创建稀疏转移集合,其中该稀疏转移集合与样本的集合的五个或更少样本相关联;基于稀疏转移集合生成转移矩阵;使用转移矩阵创建与主校准集合对应的目标校准集合;以及基于目标校准集合生成与目标仪器相关联的转移的校准模型,其中该转移的校准模型是使用与稀疏转移集合相关联的优化技术来生成
根据一些可以的实施方式,一种方法可以包括:由设备获取与第一仪器的第一校准模型相关联的第一校准集合,第一校准集合包括与样本的集合相关联的、基于第一仪器对样本的集合的扫描而生成的光谱;由设备识别第一校准集合的校准物的第一选定集合,其中该校准物的第一选定集合与样本的集合的包括五个或更少样本的子集对应;由设备获取与第二仪器相关联的校准物的第二选定集合,其中该校准物的第二选定集合包括与样本的子集相关联的、基于由第二仪器对样本的子集的扫描而生成的光谱;由设备基于校准物的第一选定集合和校准物的第二选定集合来创建转移集合,其中该转移集合与样本的子集对应;由设备基于转移集合创建与第一校准集合对应的第二校准集合;以及由设备并且基于第二校准集合,生成与第二仪器相关联的第二校准模型,其中该第二校准模型是基于支持向量回归建模技术来生成,并且其中该第二校准模型是使用与转移集合相关联的优化技术来生成。
附图说明
图1A和1B是本文描述的示例实施方式的概述的图;
图2是其中可以实施本文描述的系统和/或方法的示例环境的图;
图3是图2的一个或多个设备的示例组件的图;
图4是使用稀疏转移集合将主校准模型从主仪器转移到目标仪器的示例处理的流程图;以及
图5A-5C是示出建模设备可以执行移位网格插值以便增强与转移主校准模型相关联的主校准集合的方式的图。
具体实施方式
以下示例实施方式的详细描述参考附图。不同附图中的相同标号可以标识相同或相似的元件。
主光谱仪(本文称为主仪器)可以配置有用来校准主仪器的光谱测量的主校准模型。在一些情况下,用户可能希望将主校准模型从主仪器转移到目标光谱仪(本文称为目标仪器),使得目标仪器可以配置有与主校准模型对应的校准模型。作为示例,用户可能希望将由高分辨率主仪器存储的先前生成的主校准模型转移到低分辨率目标仪器。
但是,由于主校准模型可以是具体地为主仪器生成的,并且主仪器可以与目标仪器不同(例如,设计用于桌面使用的高分辨率仪器相对于设计用于手持和/或移动使用的低分辨率目标仪器),因此,与主校准模型相比,转移的校准模型的性能(例如,预测准确度)可能恶化。在一些情况下,当与将主校准模型转移到目标仪器相关联的转移集合中包含有增加数量的校准物(calibrant)(例如,用于校准的样本)时,这种恶化可以减少。
在这种情况下,基于更大量的数据生成转移的校准模型(例如,由于增加数量的校准物,更多的光谱数据可能会被用来生成转移的校准模型),与基于与较少校准物相关联的光谱数据生成的转移的校准模型相比,这会产生转移的校准模型的改进的性能。但是,(例如,由于需要收集更多的光谱数据)获取额外校准物的光谱增加了目标仪器和/或主仪器的资源消耗(例如,处理能力、存储器、电池使用等),并且,为了生成额外校准物的光谱,还增加了目标仪器和/或主仪器的用户的负担。
本文所述的实施方式提供了用于从主仪器到目标仪器的改进的主校准模型的转移的技术,同时允许使用包括与少量(例如,五个或更少)校准物相关联的光谱的稀疏转移集合将主校准模型转移到目标仪器。本文所述的实施方式还允许具有改进的模型性能的校准模型的转移(例如,与典型的校准模型转移相比)。
如本文所述,主校准模型的转移改进了目标仪器的性能,减少了由目标仪器的资源消耗,和/或减少了目标仪器的用户的负担(与转移主校准模型的典型方式相比)。例如,使用本文所述的技术,主校准模型的转移可以允许将改进的和/或更新的(例如,新生成的和/或当前的)主校准模型高效且有效地传播(disseminated)到多个目标仪器,由此以比转移主校准模型的典型方式更低的资源成本(例如,电池电量、处理资源、存储器、网络资源、工时等)来改进目标仪器的预测准确度。
而且,如本文所述,主校准模型的转移允许对目标仪器校准,而不需要目标仪器获取大量校准物(例如,超过五个)的光谱数据,由此节省目标仪器资源(例如,电池电量、处理资源、存储器等)的使用,同时还减少目标仪器的用户的负担(例如,由于需要收集较少的光谱数据以生成转移的校准模型)。
此外,如本文所述,主校准模型的转移允许目标仪器在例如目标仪器经历硬件错误(例如,像素缺陷)、光谱数据收集问题(例如,意外的光谱峰)等时被有效地修复和/或重新校准,由此在这种错误出现时减少目标仪器的停机时间。
图1A和1B是本文所述的示例实施方式100的概述的图。为了示例实施方式100的目的,假设主仪器存储了与校准主仪器的光谱测量相关联的主校准模型。另外,假设主校准模型要被转移到目标仪器,使得可以对目标仪器的光谱测量校准。
如图1A中所示,并且通过标号105,与生成转移的校准模型相关联的建模设备可以从主仪器获取与主仪器相关联的主校准集合。主校准集合可以包括由主仪器生成的、与样本的集合相关联的光谱的集合(例如,基于由主仪器收集的、与样本的集合相关联的光谱数据)。在一些实施方式中,主校准集合可以是创建主校准模型的基础。如图1A中所指示的,在一些情况下,主校准集合可以包括由主仪器生成的高分辨率光谱。
如图1A中进一步所示,并且通过标号110,建模设备可以增强主校准集合,以创建增强的主校准集合。增强的主校准集合可以包括已经被修改为包括与主校准集合相关联的针对一个或多个样本的额外光谱的主校准集合。在一些实施方式中,建模设备可以增强主校准集合,以便生成与包含在主校准集合中的光谱对应的额外(例如,低分辨率)光谱。在一些实施方式中,建模设备可以使用移位网格插值技术来增强主校准集合,其允许建模设备生成额外光谱。如图1A中所指示的,移位网格插值技术可以被称为填充的低分辨率(populated low-resolution,PoLR)技术。在一些实施方式中,如下所述,主校准集合的增强可以减少与转移的校准模型相关联的偏差。
如图1A中进一步所示,并且通过标号115,建模设备可以选择主校准物的集合(例如,从增强的主校准集合、从与主校准集合中所包含的相同类型或相同群体的校准物的集合选择)。主校准物的选定集合可以包括与包含在主校准集合中的样本的集合对应的、将被包含在与将主校准模型从主仪器转移到目标仪器相关联的转移集合中的光谱的集合。这里,主校准物的选定集合可以包括主校准集合中所包含的校准物的子集。例如,主校准物的选定集合可以包括少量校准物(例如,五个或更少)。在一些实施方式中,主校准物的选定集合将要包含在与对主校准模型进行转移相关联的转移集合中。
在一些实施方式中,建模设备可以基于Kennard-Stone(KS)算法来选择主校准物的集合。与基于以典型方式选择的主校准物的集合所生成的转移的校准模型相比,使用KS方法来选择主校准物的集合可以导致具有改进的性能的转移的校准模型,如下所述。
如图1A中进一步所示,并且通过标号120,建模设备可以从目标仪器获取目标校准物的选定集合。目标校准物的选定集合可以包括基于由目标仪器收集的光谱数据生成的、与主校准物的选定集合相关联的样本对应的光谱的集合。换句话说,目标校准物的选定集合可以包括针对与包含在主校准物的选定集合中的光谱相同的样本的集合所测量的光谱。在一些实施方式中,目标校准物的选定集合将被包含在与对主校准模型进行转移相关联的转移集合中。
如图1B中所示,并且通过标号125,建模设备可以基于主校准物的选定集合和目标校准物的选定集合来创建转移集合。转移集合是包括了目标校准物的选定集合和主校准物的选定集合在内的校准物集合。换句话说,转移集合可以包括与主校准物的选定集合和目标校准物的选定集合二者相关联的样本对应的光谱(即,由主仪器和目标仪器测得的光谱的组合)。
在一些实施方式中,转移集合可以被用来生成转移矩阵,该转移矩阵将要应用于增强的主校准集合以创建目标校准集合。在一些实施方式中,建模设备可以将转移矩阵应用于主校准集合(例如,当建模设备不增强主校准集合时)。在一些实施方式中,建模设备可以基于目标校准物的选定集合和主校准物的选定集合来创建转移集合。例如,对于给定的样本,建模设备可以将由目标仪器生成的光谱匹配到由主仪器生成的光谱。在一些实施方式中,转移集合可以是稀疏转移集合(即,与五个或更少的校准物相关联的转移集合)。这里,稀疏转移集合的使用可以用来减少目标仪器资源的消耗和/或用户负担(例如,由于目标仪器需要生成更少的光谱),如下所述。
如图1B中进一步所示,并且通过标号130,建模设备可以基于转移集合生成转移矩阵。转移矩阵可以包括识别与包含在主校准集合中的样本相关联的光谱可以被操纵以便生成目标校准集合的方式的信息,基于该目标校准集合可以创建转移的校准模型。换句话说,转移矩阵可以包括与对增强的主校准集合(或者在不执行增强时的主校准集合)映射以创建目标校准集合相关联的矩阵。在一些实施方式中,建模设备可以基于转移集合来创建转移矩阵。
在一些实施方式中,建模设备可以在将转移方案应用于转移集合之后生成转移矩阵。例如,建模设备可以将广义最小二乘法(generalized least squares,GLS)方案应用于转移集合,并且可以在将GLS方案应用于转移集合之后生成转移矩阵。
如图1B中进一步所示,并且通过标号135,建模设备可以将转移矩阵应用于增强的主校准集合,以便创建目标校准集合。目标校准集合可以包括与增强的主校准集合相关联的样本对应的光谱的集合,可以从其生成转移的校准模型。换句话说,目标校准集合可以包括与目标仪器相关联的、基于转移矩阵从与包含在主校准集合中的样本对应的光谱的集合映射来的光谱集合。
如图1B中进一步所示,并且通过标号140,建模设备可以基于目标校准集合来生成转移的校准模型。如上所述,转移的校准模型可以包括要用来校准由目标仪器获取的测量的、基于与主仪器相关联的主校准模型生成的模型。
如图1B中所示,在一些实施方式中,建模设备可以基于将支持向量回归(supportvector regression,SVR)建模技术(即,用于回归的支持向量机(support vectormachine,SVM))应用于目标校准集合来生成转移的模型。与使用典型建模技术(诸如部分最小二乘法(partial least squares,PLS)建模技术)生成的转移的模型相比,SVR建模技术的使用可以导致具有改进性能的转移的校准模型,如下所述。
在一些实施方式中,建模设备可以基于使用KS方法(在图1中标注为使用具有XS-KSN的SVR)所选择的转移集合,来确定与转移的校准模型相关联的模型参数(例如,与SVR建模技术相关联的C参数)的值。与以典型的方式(诸如通过使用交叉验证技术)为其识别模型参数的转移的模型相比,基于KS选择的转移集合来确定模型参数可以导致具有改进性能的转移的校准模型,如下所述。
如图1B进一步所示,并且通过标号145,建模设备可以将转移的校准模型提供给目标仪器。这里,目标仪器可以存储转移的校准模型,以用于校准由目标仪器收集的光谱测量。
以这种方式,可以改进对主校准模型从主仪器到目标仪器的转移,同时允许使用包括与少量校准物(例如,五个或更少)相关联的光谱的稀疏转移集合将主校准模型转移到目标仪器。另外,与典型的校准模型转移技术相比,转移的校准模型可以具有改进的模型性能。
如上面所指示的,图1A和1B仅作为示例提供。其它示例是可以的并且可以不同于关于图1A和1B所描述的。
图2是其中可以实施本文所述的系统和/或方法的示例环境200的图。如图2中所示,环境200可以包括主仪器205、目标仪器210、建模设备215和网络220。环境200的设备可以经由有线连接、无线连接或者有线和无线连接的组合来互连。
主仪器205包括配置有主校准模型的、能够对样本执行光谱测量的设备。例如,主仪器205可以包括执行光谱学(例如,振动光谱学,诸如近红外(near infrared,NIR)光谱学、中红外(mid-infrared,mid-IR)光谱学、Raman光谱学,等等)的台式(即,非手持式)光谱仪设备。在一些实施方式中,主仪器205可以能够以比目标仪器210获取的光谱测量更高的分辨率来获取光谱测量(即,主仪器205可以是高分辨率设备,而目标仪器210可以是低分辨率设备)。在一些实施方式中,主仪器205可以配置有用于校准由主仪器205获取的光谱测量的主校准模型。在一些实施方式中,主仪器205可以从环境200中的另一个设备接收信息和/或将信息发送到另一个设备(诸如建模设备215)。
目标仪器210包括能够基于目标校准模型对样本执行光谱测量的设备,其中目标校准模型可以基于与主仪器205相关联的主校准模型来生成。例如,目标仪器210可以包括执行光谱学的移动光谱仪设备或手持式光谱仪设备。在一些实施方式中,目标仪器210可以能够以比由主仪器205获取的光谱测量更低的分辨率来获取光谱测量。在一些实施方式中,目标仪器210可以从环境200中的另一个设备接收信息和/或将信息发送到另一个设备(诸如建模设备215)。
建模设备215包括能够基于相关联于与主仪器205相关联的主校准模型的信息,为目标仪器210生成目标校准模型的设备。换句话说,建模设备215可以能够使用稀疏转移集合将主校准模型从主仪器205转移到目标仪器210。例如,建模设备215可以包括服务器、一组服务器、计算机、云计算设备等。在一些实施方式中,建模设备215可以从环境200中的另一个设备接收信息和/或将信息发送到另一个设备(诸如主仪器205和/或目标仪器210)。
网络220包括一个或多个有线和/或无线网络。例如,网络220可以包括蜂窝网络(例如,长期演进(long-term evolution,LTE)网络、3G网络、码分多址(code divisionmultiple access,CDMA)网络,等)、公共陆地移动网络(public land mobile network,PLMN)、局域网(local area network,LAN)、广域网(wide area network,WAN)、城域网(metropolitan area network,MAN)、电话网络(例如,公共交换电话网络(publicswitched telephone network,PSTN))、专用网络、自组织网络、内联网、互联网、基于光纤的网络、云计算网络等,和/或这些或其它类型的网络的组合。
图2中所示的设备和网络的数量和布置是作为示例提供的。在实践中,可以存在额外的设备和/或网络、更少的设备和/或网络、不同的设备和/或网络,或者与图2中所示的那些不同布置的设备和/或网络。
此外,图2中所示的两个或更多个设备可以在单个设备中实施,或者图2中所示的单个设备可以被实施为多个分布式设备。例如,虽然主仪器205和建模设备215被描述为两个单独的设备,但是主仪器205和建模设备215可以在单个设备内实施。作为另一个示例,目标仪器210和建模设备215可以在单个设备内实施。此外,或替代地,环境200的设备的集合(例如,一个或多个设备)可以执行被描述为由环境200的另一个设备集合执行的一个或多个功能。
图3是设备300的示例组件的图。设备300可以与主仪器205、目标仪器210和/或建模设备215对应。在一些实施方式中,主仪器205、目标仪器210和/或建模设备215可以包括一个或多个设备300和/或设备300的一个或多个组件。如图3中所示,设备300可以包括总线310、处理器320、存储器330、存储组件340、输入组件350、输出组件360和通信接口370。
总线310包括允许设备300的组件之间进行通信的组件。处理器320在硬件、固件或硬件和软件的组合中实施。处理器320包括解释和/或执行指令的处理器(例如,中央处理单元(central processing unit,CPU)、图形处理单元(graphics processing unit,GPU)和/或加速处理单元(accelerated processing unit,APU))、微处理器、微控制器和/或任何处理组件(例如,现场可编程门阵列(field-programmable gate array,FPGA)和/或专用集合成电路(application-specific integrated circuit,ASIC))。在一些实施方式中,处理器320包括能够被编程以执行功能的一个或多个处理器。存储器330包括存储用于由处理器320使用的信息和/或指令的随机存取存储器(random access memory,RAM)、只读存储器(read only memory,ROM)和/或其它类型的动态或静态存储设备(例如,闪存、磁存储器和/或光学存储器)。
存储组件340存储与设备300的操作和使用相关的信息和/或软件。例如,存储组件340可以包括硬盘(例如,磁盘、光盘、磁光盘,和/或固态盘)、光盘(compact disc,CD)、数字通用盘(digital versatile disc,DVD)、软盘、盒式磁盘、磁带和/或其它类型的非暂态计算机可读介质,连同对应的驱动器。
输入组件350包括允许设备300接收信息的组件,诸如经由用户输入(例如,触摸屏显示器、键盘、小键盘、鼠标、按钮、开关和/或麦克风)的信息。此外,或替代地,输入组件350可以包括用于感测信息的传感器(例如,全球定位系统(global positioning system,GPS)组件、加速度计、陀螺仪和/或致动器)。输出组件360包括从设备300提供输出信息的组件(例如,显示器、扬声器和/或一个或多个发光二极管(light-emitting diodes,LED))。
通信接口370包括使得设备300能够与其它设备通信(诸如经由有线连接、无线连接或有线和无线连接的组合)的类收发器组件(例如,收发器和/或单独的接收器和发送器)。通信接口370可以允许设备300从另一个设备接收信息和/或向另一个设备提供信息。例如,通信接口370可以包括以太网接口、光学接口、同轴接口、红外接口、射频(radiofrequency,RF)接口、通用串行总线(universal serial bus,USB)接口、Wi-Fi接口、蜂窝网络接口,等等。
设备300可以执行本文所描述的一个或多个处理。响应于处理器320执行由非暂态计算机可读介质(诸如存储器330和/或存储组件340)存储的软件指令,设备300可以执行这些处理。计算机可读介质在本文被定义为非暂态存储器设备。存储器设备包括单个物理存储设备内的存储器空间或者跨多个物理存储设备分布的存储器空间。
软件指令可以经由通信接口370从另一个计算机可读介质或从另一个设备被读取到存储器330和/或存储组件340中。当被执行时,存储在存储器330和/或存储组件340中的软件指令可以使得处理器320执行本文所述的一个或多个处理。此外,或可替代地,硬连线电路系统可以代替软件指令或与其组合,以执行本文所述的一个或多个处理。因此,本文所述的实施方式不限于硬件电路系统和软件的任何具体组合。
图3中所示的组件的数量和布置是作为示例提供的。在实践中,设备300可以包括除图3所示那些之外的额外的组件、更少的组件、不同的组件或者不同布置的组件。此外,或可替代地,设备300的组件的集合(例如,一个或多个组件)可以执行被描述为由设备300的组件的另一个集合执行的一个或多个功能。
图4是用于使用稀疏转移集合将主校准模型从主仪器205转移到目标仪器210的示例处理400的流程图。换句话说,图4是用于基于与主仪器205相关联的主校准模型来生成与目标仪器210相关联的优化的转移的校准模型(在本文中被称为转移的校准模型)的示例处理400的流程图。在一些实施方式中,图4的一个或多个处理方框可以由建模设备215执行。在一些实施方式中,图4的一个或多个处理方框可以由与建模设备215分离或包括建模设备215的另一个设备或一组设备(诸如主仪器205和/或目标仪器210)执行。
如图4中所示,处理400可以包括获取与主仪器的主校准模型相关联的主校准集合(方框405)。例如,建模设备215可以获取与主仪器205的主校准模型相关联的主校准集合。在一些实施方式中,当主仪器205提供主校准集合时,建模设备215可以获取主校准集合。此外,或可替代地,当建模设备215接收到主校准模型将被转移到目标仪器210(即,要由目标仪器使用的优化的转移的校准模型将基于主校准模型来生成)的指示时,建模设备215可以获取主校准集合。
主校准集合可以包括与样本的集合相关联的、由主仪器205生成(例如,基于由主仪器205收集的光谱数据)的校准光谱。在主校准集合内,一个或多个校准光谱可以与给定的样本对应。换句话说,主校准集合可以包括基于由主仪器205收集的测量生成的光谱的集合,其中光谱的每个集合与样本的集合(例如,其特点、特性和/或分类是已知的一个或多个样本)中的一个样本相关联。在一些实施方式中,主校准集合可以是创建由主仪器205存储的主校准模型(例如,使得可以使用主校准模型来校准主仪器205的光谱测量)的基础。
在一些实施方式中,与包含在主校准集合中的样本相关联的光谱的集合可以包括单个光谱。例如,该光谱的集合可以包括与该样本相关联的一个光谱(例如,基于由主仪器205在样本的一次扫描期间收集的光谱数据生成的单个光谱)。
此外或替代地,与包含在主校准集合中的样本相关联的光谱的集合可以包括多个光谱。例如,该光谱的集合可以包括与该样本相关联的多个光谱(例如,基于在主仪器205对样本的多次扫描期间收集的光谱数据生成的多个光谱)。在一些实施方式中,主校准集合可以包括第一光谱集合(其包括与第一样本相关联的单个光谱)以及第二光谱集合(其包括与第二样本相关联的多个光谱)。
在一些实施方式中,建模设备215可以从主仪器205获取主校准集合。例如,主仪器205可以对一个或多个样本执行一次或多次扫描,可以基于在一次或多次扫描期间收集的光谱数据生成与每个样本相关联的光谱,可以基于生成的光谱创建主校准集合,并且可以将主校准集合提供给建模设备215。在一些实施方式中,建模设备215可以自动接收主校准集合。例如,主仪器205可以被配置为在创建主校准集合之后自动地将主校准集合提供给建模设备215。此外,或可替代地,建模设备215可以基于向主仪器205发送提供主校准集合的请求来获取主校准集合。此外,或可替代地,建模设备215可以基于由主仪器205和/或建模设备215接收的用户输入来获取主校准集合。
如图4中进一步所示,处理400可以包括增强主校准集合,以创建增强的主校准集合(方框410)。例如,建模设备215可以增强主校准集合,以创建增强的主校准集合。在一些实施方式中,当建模设备215从主仪器205获取主校准集合时,建模设备215可以增强主校准集合,以创建增强的主校准集合。
增强的主校准集合可以包括已经被修改为包括与包含在主校准集合中的样本相关联的额外光谱的主校准集合。在一些实施方式中,可以从增强的主校准集合中选择与对主校准模型进行转移相关联的主校准物的集合,如下所述。
在一些实施方式中,当针对包含在主校准集合中的样本生成的多个光谱满足阈值(例如,包括单个光谱、包括两个或更少的光谱、包括三个或更少的光谱、包括比目标仪器210收集的光谱更少的光谱,等等)时,建模设备215可以增强主校准集合。例如,对于高分辨率主仪器205,主仪器205可以执行对一个或多个样本的单次高分辨率扫描。另外,如下所述,对于低分辨率目标仪器210,目标仪器210可以对相同的一个或多个样本执行多次低分辨率扫描。在这种情况下,基于与单次高分辨率扫描相关联的光谱和与低分辨率扫描相关联的多个光谱来转移主校准模型会导致转移的校准模型的偏差(bias),由此不利地影响转移的校准模型的预测准确度(例如,由于转移的校准模型是基于由目标仪器210提供的比由主仪器205提供的更多光谱生成的)。这里,对主校准集合的增强可以减少转移的校准模型的偏差,由此提高转移的校准模型的预测准确度。
此外,建模设备215可以增强主校准集合,以便确保可以包含在与对主校准模型进行转移相关联的转移集合中的、每个样本的光谱的数量对于主仪器205和目标仪器210是相同的。否则,在一些实施方式中,建模设备215可能不能够用来将主校准模型转移到目标仪器210(例如,当使用与样本相关联的、由主仪器205生成的单个光谱和与该样本相关联的、由目标仪器210生成的多个光谱时)。
在一些实施方式中,建模设备215可以使用移位网格插值技术来增强主校准集合。移位网格插值技术可以允许建模设备215基于与样本相关联的、由主仪器205提供的光谱来生成额外光谱(在本文中称为副本(replicate))。在一些实施方式中,移位网格插值技术可以被称为作为PoLR技术。
图5A-5C是示出建模设备215可以执行移位网格插值以便增强主校准集合的方式的图。为了图5A-5C的目的,假设建模设备215已经接收到主校准集合,对于特定样本,该主校准集合包括单个高分辨率光谱(例如,基于在该特定样本的单次扫描期间收集的光谱数据而生成的)。主仪器205的高分辨率在图5A-5C中由浅灰色网格线表示,并且该单个光谱在图5A-5C中由包括位于光谱的每个可测量波长处的黑点的实线表示。目标仪器210的低分辨率在图5A-5C中由实线黑色方框(黑色实线方框)表示。这里,在图5A-5C中,主仪器205的分辨率在是目标仪器210的分辨率的六倍。
如图5A中所示,建模设备215可以基于高分辨率光谱的第一数据点、高分辨率光谱的第七数据点、高分辨率光谱的第十三数据点和高分辨率光谱的第十九数据点来生成第一副本。如图5A中的虚线所示,这些点可以被连接,并且第一副本可以基于连接的数据点和与目标仪器210相关联的低分辨率可测量波长相交(即,虚线与实线黑色方框相交)的点而形成。这里,第一副本的数据点在图5A中被示为黑色菱形。
如图5B中所示,建模设备215可以基于高分辨率光谱的第二数据点、高分辨率光谱的第八数据点、高分辨率光谱的第十四数据点和高分辨率光谱的第二十数据点来生成第二副本。如图5B中的虚线所示,这些点可以被连接,并且第二副本可以基于连接的数据点和与目标仪器210相关联的低分辨率可测量波长相交(即,点线与实线黑色方框相交)的点而形成。这里,第二副本的数据点在图5B中被示为黑色菱形。
如图5C中所示,建模设备215可以基于高分辨率光谱的第三数据点、高分辨率光谱的第九数据点、高分辨率光谱的第十五数据点和高分辨率光谱的第二十一数据点来生成第三副本。如图5C中的虚线和点线所示,这些点可以被连接,并且第二副本可以基于连接的数据点和与目标仪器210相关联的低分辨率可测量波长相交(即,虚线和点线与实线黑色方框相交)的点而形成。这里,第三副本的数据点在图5C中被示为黑色菱形。
值得注意的是,第一副本、第二副本和第三副本的分辨率与目标仪器210的分辨率匹配(例如,由于每六个数据点被用来创建副本)。在这个示例中,建模设备215已经从单个高分辨率扫描生成了三个低分辨率副本。这里,建模设备215可以通过包括三个副本作为与该特定样本对应的光谱来增强主校准集合。
如上面所指示的,图5A-5C仅作为与移位网格插值技术相关联的示例提供。其它示例是可以的并且可以不同于关于图5A-5C所描述的示例。例如,在一些实施方式中,建模设备215可以生成比图5A-5C中所示的更多副本、更少副本、具有不同分辨率的副本,等等。换句话说,图5A-5C仅作为建模设备215可以执行移位网格插值以便增强主校准集合的方式的说明性示例提供。在一些实施方式中,建模设备215可以使用除移位网格插值技术之外的技术来生成副本,以便增强主校准集合。
返回到图4的方框410,在一些实施方式中,建模设备215可以通过基于与主校准集合中包含的一个或多个样本对应的一个或多个光谱生成副本,来增强主校准集合。例如,建模设备215可以为主校准集合中针对其包括单个光谱的每个样本生成副本。
在一些实施方式中,增强主校准集合可以导致转移的校准模型的改进的预测准确度。例如,与在不增强主校准集合的情况下生成的转移的校准的均方根误差(root-mean-square error,RMSE)相比,基于增强的主校准集合生成的转移的校准模型的RMSE可以减少。当将转移方案应用于与生成转移的校准模型相关联的转移集合时,可以实现这种改进,其细节在下面描述。类似地,即使当转移方案不应用于转移集合时,也可以实现这种改进。
在一些实施方式中,对主校准集合的增强可以允许将特定转移方案(例如,广义最小二乘法(GLS)方案)应用于基于增强的主校准集合创建的转移集合。例如,在该特定转移方案不能应用于包括具有单个光谱的校准物的转移集合的情况下(即,当需要与该校准物相关联的多个光谱以应用转移方案时),主校准集合的增强允许了应用该特定转移方案(例如,由于经由增强创建了额外的副本)。因此,尽管在主校准集合中包括具有单个光谱的校准物,也可以实现由该特定转移方案的应用而产生的对转移的校准模型的改进。关于转移集合的额外细节以及转移方案对转移集合的应用将在下面描述。
如图4中进一步所示,处理400可以包括选择主校准物的集合(方框415)。例如,建模设备215可以选择主校准物的集合。在一些实施方式中,主仪器205可以在建模设备215创建增强的主校准集合之后选择主校准物的集合。此外,或可替代地,建模设备215可以在建模设备215获取主校准集合之后选择主校准物的集合。
主校准物的选定集合可以包括与包含在主校准集合中的样本的集合对应的、将要包含在与将主校准模型从主仪器205转移到目标仪器210相关联的转移集合中的光谱的集合。换句话说,与主校准物的选定集合对应的光谱可以与将主校准模型从主仪器205转移到目标仪器210相关联地使用。转移集合可以包括主校准物的选定集合以及相对应的目标校准物的选定集合,并且可以用来基于主校准集合来创建目标校准集合。关于转移集合的额外细节如下所述。
在一些实施方式中,主校准物的集合可以包括增强的主校准集合中所包含的校准物的子集。例如,主校准物的选定集合可以包括针对增强的主校准集合的48个校准物中的四个校准物的光谱。此外,或可替代地,主校准物的集合可以包括主校准集合中所包含的校准物的子集(例如,在建模设备215不增强主校准集合的一部分的情况下)。
此外,或可替代地,主校准物的集合可以包括与增强的主校准集合中所包含的相同类型的样本。例如,在特定样本随时间恶化的情况下,并且建模设备215确定该特定样本将要包含在主校准物的选定集合中,则建模设备可以识别与该特定样本具有相同类型的替换样本,用于包含在主校准物的选定集合中。
在一些实现实施中,建模设备215可以使用Kennard-Stone(KS)算法来选择主校准物的集合。KS算法可以使得建模设备215选择增强的主校准集合中提供对主校准集合的均匀覆盖并且包括在增强的主校准集合的边界上的校准物的主校准物的集合。(KS算法可以使得的建模设备215选择增强的主校准集合的主校准物的集合,该增强的主校准集合提供对主校准集合的均匀覆盖并且包括在增强的主校准集合的边界上的校准物。)
在一些实施方式中,建模设备215可以应用KS算法,使得建模设备215基于包含在增强的主校准集合中的校准光谱的矩阵(即,基于具有不同波长处的读数的多变量数据)来选择主校准物的集合。这种方法可以被称为KS-X选择。
此外,或可替代地,建模设备215可以应用KS算法,使得建模设备215基于与增强的主校准物的集合对应的参考值(例如,测得的化合物的量)来选择主校准物的集合。这种方法可以被称为KS-Y选择。
此外,或可替代地,建模设备215可以应用KS算法,使得建模设备215使用KS-X选择和KS-Y选择两者来选择主校准物的集合。换句话说,建模设备215可以使用KS-X选择和KS-Y选择两者的结果,以便选择主校准物的集合。这种方法可以被称为KS-XY选择。作为示例,假设建模设备215将要选择五个主校准物的集合。这里,当应用KS-XY选择方法时,建模设备215可以使用KS-X方法选择三个主校准物,并且可以使用KS-Y选择方法选择两个主校准物。
在一些实施方式中,与基于使用典型方法(例如,杠杆方法、杠杆-模型反向方法等)选择的转移集合生成的转移的校准模型相比,使用KS方法(例如,KS-X选择、KS-Y选择或KS-XY选择)对主校准物的集合的选择可以使得生成实现改进性能的转移的校准模型。例如,与基于包括使用典型技术选择的校准物的转移集合生成的转移的校准模型相比,基于包括使用KS选择方法选择的校准物的转移集合生成的转移的校准模型的预测的均方根误差(root-mean-square error of prediction,RMSEP)可以减少。作为另一个示例,与基于包括使用典型技术选择的校准物的转移集合生成的转移的校准模型相比,基于包括使用KS选择方法选择的校准物的转移集合生成的转移的校准模型的确定系数(R2)可以增加。
在一些实施方式中,建模设备215可以为用在转移集合中的少量校准物(例如,两个、三个、五个或更少)选择光谱。包括与少量校准物相关联的光谱的转移集合可以被称为稀疏转移集合。在一些实施方式中,使用稀疏转移集合来生成转移的校准模型可以减少目标仪器210的资源消耗和/或减少目标仪器210的用户的负担,如下面进一步详细描述的。
如图4中进一步所示,处理400可以包括获取与目标仪器相关联的、与主校准物的选定集合对应的目标校准物的选定集合(方框420)。例如,建模设备215可以获取与目标仪器210相关联的、与主校准物的选定集合对应的目标校准物的选定集合。在一些实现方式中,建模设备215可以在建模设备215选择主校准物的集合之后获取目标校准物的选定集合。此外,或可替代地,建模设备215可以在目标仪器210提供目标校准物的选定集合时获取目标校准物的选定集合。
目标校准的选定集合可以包括基于由目标仪器210收集的光谱数据生成的、与主校准物的选定集合相关联的样本对应的光谱集合。换句话说,目标校准物的选定集合可以包括针对与包含在主校准物的选定集合中的光谱相同的样本的集合(即,由主仪器205扫描的一个或多个相同的实际样本、与由主仪器扫描的相同类型的一个或多个替换样本205,等等)所测得的光谱。在一些实施方式中,目标校准物的选定集合将被包含在与将主校准模型从主仪器205转移到目标仪器210相关联的转移集合中。下面描述关于转移集合的额外细节。
在一些实施方式中,与目标校准的选定集合相关联的给定样本所对应的光谱的集合可以包括一个或多个光谱。在一些实施方式中,包含在目标校准物的选定集合中的光谱可以具有比包含在主校准物集合中的光谱的分辨率更低的分辨率(例如,由于目标仪器210可以是低分辨率设备并且主仪器205可以是高分辨率设备)。
在一些实施方式中,建模设备215可以从目标仪器210获取目标校准物的选定集合。例如,建模设备215可以如上所述地选择主校准物的集合。这里,建模设备215可以向目标仪器210发送识别与主校准物的选定集合相关联的样本(即,主校准物的选定集合中对其包含了光谱的样本)的信息。在这个示例中,目标仪器210可以收集与该样本相关联的光谱数据,并且可以生成与识别出的样本相关联的光谱并将其提供给建模设备215。这里,目标仪器210可以需要收集用于仅与主校准物的选定集合相关联的样本的光谱数据。以这种方式,可以减少资源使用和/或用户的负担(例如,由于目标仪器210不需要为与增强的主校准集合相关联的每个样本生成光谱)。
此外,或可替代地,建模设备215可以基于向目标仪器210发送提供目标校准物的选定集合的请求,来获取目标校准物的选定集合。此外,或可替代地,建模设备215可以基于经由目标仪器210和/或建模设备215提供的用户输入,来获取目标校准物的选定集合。
如图4中进一步所示,处理400可以包括创建包括目标校准物的选定集合和主校准物的选定集合的转移集合(方框425)。例如,建模设备215可以创建包括目标校准物的选定集合和主校准物的选定集合的转移集合。在一些实施方式中,建模设备215可以在建模设备215接收到目标校准物的选定集合之后创建转移集合。
转移集合是包括与目标校准物的选定集合和主校准物的选定集合相关联的光谱的校准物的集合。在一些实施方式中,转移集合可以被用来生成要应用于增强的主校准集合以创建目标校准集合的转移矩阵,如下所述。
在一些实施方式中,建模设备215可以基于目标校准物的选定集合和主校准物的选定集合来创建转移集合。例如,建模设备215可以创建由目标仪器210为特定样本生成的一个或多个光谱与由主仪器205为该特定样本生成的一个或多个光谱之间的关联。换句话说,对于给定的样本,建模设备215可以将由目标仪器210生成的光谱匹配到由主仪器205生成的光谱。在一些实施方式中,建模设备215可以为与主校准物的选定集合相关联的每个样本创建这种关联,以便创建转移集合。
在一些实施方式中,如上所述,转移集合可以是稀疏转移集合。换句话说,在一些实施方式中,转移集合可以包括与少量样本(例如,少于5个)相关联的光谱。在一些实施方式中,稀疏转移集合的使用可以减少目标仪器210的资源消耗和/或减少目标仪器210的用户的负担(例如,由于仅需要少量的扫描),而不会不利地影响转移的校准模型的性能。
此外,或可替代地,转移集合可以包括通用校准物的集合。通用校准物的集合可以包括独立于应用的一个或多个校准物(例如,包含在转移集合中的校准物通常可以包括特定于应用的校准物,诸如与识别药物化合物相关联的校准物)。例如,通用校准物的集合可以包括与波长校准标准相关联的校准物的集合、与光度测定校准标准相关联的校准物的集合、包括与波长校准标准和光度测定校准标准相关联的组合校准物的校准物的集合,等等。在一些实施方式中,可以使用通用校准物的集合将与第一应用相关联的主校准模型转移到与第二(即,不同)应用相关联的目标仪器210。
在一些实施方式中,通用校准物的使用可以减少和/或消除与将主校准模型转移到目标仪器210相关联的资源使用和/或用户负担。例如,作为目标仪器210的制造处理的一部分,可以生成与通用校准物的集合相关联的光谱(例如,使得不需要在稍后的时间为了将主校准模型转移到目标仪器210而收集光谱数据)。在一些实施方式中,通用校准物的集合可以被单独使用(即,不需要主校准物的选定集合和目标校准物的选定集合)来生成转移的校准模型。此外,或可替代地,除了主校准物的选定集合和目标校准物的选定集合,还可以使用通用校准物的集合。
如图4中进一步所示,处理400可以包括基于转移集合生成转移矩阵(方框430)。例如,建模设备215可以基于转移集合生成转移矩阵。在一些实施方式中,建模设备215可以在建模设备215创建转移集合之后生成转移矩阵。
转移矩阵可以包括与转移集合对应的、与对增强的主校准集合进行映射以生成目标校准集合相关联的矩阵,可以从该目标校准集合生成转移的校准模型。换句话说,转移矩阵可以包括识别与包含在主校准集合中的样本相关联的光谱,可以被操纵以便生成目标校准集合的方式的信息,基于该目标校准集合可以创建转移的校准模型。在一些实施方式中,建模设备215可以基于转移集合来创建转移矩阵。
在一些实施方式中,建模设备215可以在将转移方案应用于转移集合之后生成转移矩阵。例如,建模设备215可以将广义最小二乘法(GLS)方案应用于转移集合。GLS方案可以使用包含在转移集合中的光谱来运行,以估计与光谱数据相关联的协方差结构中由于仪器差异引起的偏移和移位。这里,GLS方案可以除去与转移集合中包含的光谱相关联的光谱数据的对于主仪器205和目标仪器210二者并非共有的变化。将GLS应用于转移集合的结果可以是转移矩阵,其导致改进的转移的校准模型(例如,与不应用转移方案生成的转移矩阵相比)。在一些实施方式中,建模设备215可以将另一种类型的转移方案应用于转移集合,诸如分段直接标准化(piecewise direct standardization,PDS)转移方案。
如图4中进一步所示,处理400可以包括将转移矩阵应用于增强的主校准集合,以创建目标校准集合(方框435)。例如,建模设备215可以将转移矩阵应用于增强的主校准集合。在一些实施方式中,建模设备215可以在建模设备215生成转移矩阵之后将转移矩阵应用于增强的主校准集合。
目标校准集合可以包括与增强的主校准集合相关联的样本所对应的光谱的集合,可以从该增强的主校准集合生成转移的校准模型。换句话说,目标校准集合可以包括与目标仪器210相关联的光谱的集合,它们是从与包含在增强的主校准集合中的样本对应的光谱的集合映射来的。这里,可以基于将转移矩阵应用于包含在增强的主校准集合中的光谱的集合,来映射出包含在目标校准集合中的光谱集合。
在一些实施方式中,建模设备215可以基于将转移矩阵应用于增强的主校准集合来创建目标校准集合。例如,建模设备215可以将转移矩阵应用于与包含在增强的主校准集合中的每个样本相关联的光谱数据(即,与主仪器205相关联的光谱数据),其中应用转移矩阵的结果是将光谱数据与目标仪器210相关联。以这种方式,可以获取用于目标仪器210的光谱数据,而不需要目标仪器210扫描与增强的主校准集合相关联的每个样本。相反,如上所述,目标仪器210仅需要收集与稀疏转移集合相关联的那些采样的光谱数据。以这种方式,可以通过减少目标仪器210的资源消耗和/或用户负担来获取目标校准集合。
如图4中进一步所示,处理400可以包括基于目标校准集合,生成与目标仪器相关联的优化的转移校准模型(方框440)。例如,建模设备215可以基于目标校准集合,生成与目标仪器210相关联的转移的校准模型。在一些实施方式中,建模设备215可以在建模设备215创建目标校准集合之后生成转移的模型。
如本文其它地方所描述的,转移的校准模型可以包括用来校准由目标仪器210获取的测量的模型,该模型是基于与主仪器205相关联的主校准模型生成的。换句话说,转移的校准模型可以包括从主仪器205转移到目标仪器210的模型,同时考虑主仪器205与目标仪器210之间的差异,诸如分辨率能力差异、硬件差异、光程差,等等。在一些实施方式中,建模设备215可以使用与转移集合相关联的优化技术来优化生成的校准模型,如下所述(即,建模设备215可以生成优化的转移的校准模型)。
在一些实施方式中,建模设备215可以基于将支持向量回归(SVR)建模技术(即,用于回归的支持向量机(SVM))应用于目标校准集合,来生成转移的模型。SVR建模技术通过最小化成本函数来估计与转移的校准模型相关联的回归方程的系数。根据SVR建模技术,用于建立转移的校准模型的成本函数忽略了包含在转移集合中的光谱数据的在转移的校准模型的预测的阈值内的值(即,为了生成回归方程,具有满足阈值的成本的样本的光谱被忽略)。因此,与回归方程相关联的成本函数是基于包含在目标校准集合中的光谱的子集(例如,由于与一个或多个样本相关联的光谱数据可以被成本函数忽略)。在一些实施方式中,与使用典型建模技术(诸如部分最小二乘法(PLS)回归建模技术)生成的转移的校准模型的性能相比,使用SVR建模技术生成的转移的校准模型的性能得以改进。
在一些实施方式中,建模设备215可以使用与优化所生成的转移的校准模型相关联的优化技术,来生成转移的校准模型。例如,在一些实施方式中,建模设备215可以基于使用KS选择方法(例如,KS-X选择、KS-Y选择、KS-XY方法)选择的转移集合(例如,目标校准物的选定集合、主校准物的选定集合),来确定与转移的校准模型相关联的模型参数(例如,与SVR建模技术相关联的C参数、与PLS回归建模技术相关联的PLS因子)的值。这种技术可以被称为XS-KS优化技术。
使用XS-KS优化技术,建模设备215可以通过对包含在转移集合中的、与目标仪器210相关联的光谱运行预测,来确定主校准模型的模型参数的值。这里,对于主校准模型,可以将导致满足了阈值或者是最小RMSE的RMSE的模型参数的值识别为模型参数的最优值,并且可以将模型参数的最优值应用于与目标仪器210相关联的转移的校准模型。
在一些实施方式中,与用于确定转移的校准模型的模型参数的值的典型技术相比,使用XS-KS优化技术来确定模型参数的值可以导致改进的模型性能。例如,确定转移的校准模型的模型参数的值的典型方式使用光谱的训练集合(即,与主仪器205相关联)来运行交叉验证,以便确定与主校准模型相关联的模型参数的值。这里,识别出的模型参数被应用于转移的校准模型。但是,使用光谱训练集合来运行交叉验证以便确定模型参数的值可能不会导致最优模型参数的选择(即,与模型参数的一个或多个其它可能值相比,当模型参数被应用于转移的校准模型时,可能会导致更高的RMSE),从而对转移的校准模型的性能产生不利的影响。这里,与使用交叉验证技术确定的模型参数的值相比,使用XS-KS优化技术来确定模型参数的值可以致使对导致转移的校准模型的改进性能的模型参数的值的选择。
在一些实施方式中,建模设备215可以将XS-KS优化技术应用于使用SVR建模技术生成的转移的校准模型。此外,或可替代地,建模设备215可以将XS-KS优化技术应用于使用另一种建模技术(诸如PLS回归建模技术)生成的转移的校准。例如,在使用PLS回归建模技术生成的转移的模型的情况下,可以通过XS-KS技术来改进模型性能(例如,与结合PLS回归技术使用交叉验证技术相比)。
在一些实施方式中,建模设备215可以将转移的校准模型提供给目标仪器210。这里,目标仪器210可以接收并存储转移的校准模型,使得目标仪器210可以在之后的时间使用该转移的校准模型对由目标仪器210收集的测量校准。
虽然图4示出了处理400的示例方框,但是,在一些实施方式中,处理400可以包括除图4中所绘出的方框之外的额外方框、更少方框、不同的方框或不同布置的方框。例如,在一些实施方式中,建模设备215可以不增强主校准集合(即,方框410可以是可选的)。在这种情况下,可以基于主校准集合(例如,而不是增强的主校准集合)来执行处理400的其它步骤。此外,或可替代地,可以并行地执行处理400的两个或更多个方框。
本文所描述的实施方式提供了用于改进主校准模型从主仪器到目标仪器的转移的技术,同时允许使用稀疏转移集合将主校准模型转移到目标仪器,该稀疏转移集合包括与少量校准物相关联的光谱(例如,五个或更少)。
值得注意的是,当将主校准模型从主仪器205转移到目标仪器210时,本文所述的实施方式使用“正向”方法。如上所述,主校准集合被映射到目标仪器210,以便获取目标校准集合并生成转移的校准模型。这种方法与典型的校准模型转移处理不同,在典型的校准模型转移处理中,由目标仪器生成的目标光谱映射到主仪器,并且主校准模型被直接用来预测由目标仪器扫描的样本的属性(所谓的“反向”方法)。
使用正向方法的一个优点是这种方法允许转移的校准模型的周期性和/或持续更新。例如,执行模型转移的一个原因是利用在主仪器上开发的现有模型,使得转移的模型可以被目标仪器210用于将来的测量。这里,由于这种将来的测量将由目标仪器210执行,因此目标仪器210可以(例如,在将来)收集可以包含在转移的校准模型中的额外光谱数据(例如,为了进一步改进或更新转移的校准模型,以便使转移的校准模型更好地适合将来的条件,等等)。使用“正向”方法可以提供重复地更新转移的校准模型的灵活性。
前述公开内容提供了说明和描述,但并不意在是穷尽性的或将实施方式限制为所公开的精确形式。修改和变化鉴于上述公开内容是可以的,或者可以从实施方式的实践中得到。
如本文所使用的,术语“组件”意在被广泛地解释为硬件、固件和/或硬件和软件的组合。
很明显,本文描述的系统和/或方法可以以不同形式的硬件、固件或硬件和软件的组合来实现。用来实施这些系统和/或方法的实际专用控制硬件或软件代码并非实施方式的限制。因此,本文描述了系统和/或方法的操作和行为,而不参考具体的软件代码——要理解的是,软件和硬件可以被设计为基于本文的描述来实施系统和/或方法。
本文结合阈值描述了一些实施方式。如本文所使用的,满足阈值可以指的是值大于阈值、多于阈值、高于阈值、大于或等于阈值、小于阈值、少于阈值、低于阈值、小于或等于阈值、等于阈值,等等。
即使特征的特定组合在权利要求书中阐述和/或在说明书中公开,这些组合也不意在限制可能的实施方式的公开。事实上,这些特征中的许多特征可以以权利要求书中未具体阐述和/或说明书中未公开的方式组合。虽然下面列出的每个从属权利要求可以直接依赖于仅一项权利要求,但是可能的实施方式的公开包括与权利要求集合中的每项其它权利要求组合的每个从属权利要求。
除非明确描述,否则本文所使用的元件、动作或指令不应当被解释为关键或必不可少的。而且,如本文所使用的,冠词“一个”意在包括一个或多个项,并且可以与“一个或多个”互换使用。此外,如本文所使用的,术语“集合”意在包括一个或多个项(例如,相关项、不相关项、相关项和不相关项的组合,等),并且可以与“一个或多个”互换使用。如果预期仅一个项,那么使用术语“一个”或类似的语言。而且,如本文所使用的,术语“具有”等意在是开放式术语。另外,除非另有明确说明,否则短语“基于”意在指“至少部分地基于”。

Claims (20)

1.一种设备,包括:
用于获取与主仪器的主校准模型相关联的主校准集合的部件,
所述主校准集合包括与样本的集合相关联的、由所述主仪器生成的光谱;
用于基于所述主校准集合来识别主校准物的选定集合的部件,
所述主校准物的选定集合包括与所述样本的集合的子集相关联的光谱;
用于获取与目标仪器相关联的目标校准物的选定集合的部件,
所述目标校准物的选定集合包括与所述样本的集合的子集相关联的、由所述目标仪器生成的光谱;
用于基于所述主校准物的选定集合和所述目标校准物的选定集合来来创建转移集合的部件,
所述转移集合与所述样本的集合的子集相关联;
用于基于所述转移集合来创建与所述主校准集合对应的目标校准集合的部件;以及
用于基于支持向量回归建模技术、基于所述目标校准集合来生成与所述目标仪器相关联的转移的校准模型的部件,
所述转移的校准模型是使用与所述转移集合相关联的优化技术来生成。
2.如权利要求1所述的设备,其中所述主校准物的选定集合与五个或更少的校准物相关联。
3.如权利要求1所述的设备,还包括:
用于使用移位网格插值技术来增强所述主校准集合以创建增强的主校准集合的部件;并且
其中所述用于创建所述目标校准集合的部件包括:
用于基于所述增强的主校准集合来创建所述目标校准集合的部件。
4.如权利要求1所述的设备,其中所述用于识别所述主校准物的选定集合的部件包括:
用于基于Kennard-Stone(KS)选择方法来识别所述主校准物的选定集合的部件。
5.如权利要求1所述的设备,还包括:
用于使用所述目标校准物的选定集合来确定与所述转移的校准模型相关联的模型参数的部件;并且
其中所述用于生成所述转移的校准模型的部件包括:
用于基于所确定的模型参数来生成所述转移的校准模型的部件。
6.如权利要求1所述的设备,其中所述主校准物的选定集合与独立于应用的通用校准物的集合相关联。
7.如权利要求1所述的设备,还包括:
用于基于所述转移集合生成转移矩阵的部件;并且
其中所述用于创建所述目标校准集合的部件包括:
用于通过将所述转移矩阵应用于所述主校准集合来创建所述目标校准集合的部件。
8.一种存储指令的非暂态计算机可读介质,所述指令包括:
一条或多条指令,当所述一条或多条指令由一个或多个处理器执行时,使得所述一个或多个处理器:
获取与主仪器的主校准模型相关联的主校准集合,所述主校准集合包括与样本的集合相关联的光谱,
所述光谱由所述主仪器基于扫描所述样本的集合而生成;
基于所述主校准集合识别主校准物的选定集合;
获取与目标仪器相关联的、与所述主校准物的选定集合对应的目标校准物的选定集合;
基于所述主校准物的选定集合和所述目标校准物的选定集合创建稀疏转移集合,
所述稀疏转移集合与所述样本的集合的五个或更少样本相关联;
基于所述稀疏转移集合生成转移矩阵;
使用所述转移矩阵创建与所述主校准集合对应的目标校准集合;以及
基于所述目标校准集合生成与所述目标仪器相关联的转移的校准模型,
所述转移的校准模型是使用与所述稀疏转移集合相关联的优化技术来生成。
9.如权利要求8所述的非暂态计算机可读介质,其中使得所述一个或多个处理器生成所述转移的校准模型的所述一条或多条指令,使得所述一个或多个处理器:
使用支持向量回归建模技术来生成所述转移的校准模型。
10.如权利要求8所述的非暂态计算机可读介质,其中所述一条或多条指令在由所述一个或多个处理器执行时,还使得所述一个或多个处理器:
增强所述主校准集合,以创建增强的主校准集合;并且
其中使得所述一个或多个处理器创建所述目标校准集合的所述一条或多条指令,使得所述一个或多个处理器:
基于将所述转移矩阵应用于所述增强的主校准集合来创建所述目标校准集合。
11.如权利要求8所述的非暂态计算机可读介质,其中使得所述一个或多个处理器识别所述主校准物的选定集合的所述一条或多条指令,使得所述一个或多个处理器:
基于Kennard-Stone(KS)选择方法识别所述主校准物的选定集合。
12.如权利要求8所述的非暂时性计算机可读介质,其中所述一条或多条指令在由所述一个或多个处理器执行时,还使得所述一个或多个处理器:
使用所述目标校准物的选定集合来确定与所述转移的校准模型相关联的模型参数;并且
其中使得所述一个或多个处理器生成所述转移的校准模型的所述一条或多条指令,使得所述一个或多个处理器:
基于所确定的模型参数生成所述转移的校准模型。
13.如权利要求8所述的非暂态计算机可读介质,其中所述主校准集合与通用校准物的集合相关联。
14.如权利要求8所述的非暂态计算机可读介质,其中所述一条或多条指令在由所述一个或多个处理器执行时,还使得所述一个或多个处理器:
将转移方案应用于所述稀疏转移集合;并且
其中使得所述一个或多个处理器生成所述转移矩阵的所述一条或多条指令,使得所述一个或多个处理器:
在将所述转移方案应用于所述稀疏转移集合之后生成所述转移矩阵。
15.一种方法,包括:
由设备获取与第一仪器的第一校准模型相关联的第一校准集合,
所述第一校准集合包括与样本的集合相关联的、基于由所述第一仪器对所述样本的集合的扫描而生成的光谱;
由所述设备识别所述第一校准集合的校准物的第一选定集合,
所述校准物的第一选定集合与所述样本的集合的包括五个或更少样本的子集对应;
由所述设备获取与第二仪器相关联的校准物的第二选定集合,
所述校准物的第二选定集合包括与所述样本的子集相关联的、基于由所述第二仪器对所述样本的子集的扫描而生成的光谱;
由所述设备基于所述校准物的第一选定集合和所述校准物的第二选定集合来创建转移集合,
所述转移集合与所述样本的子集对应;
由所述设备基于所述转移集合,创建与所述第一校准集合对应的第二校准集合;以及
由所述设备并且基于所述第二校准集合,生成与所述第二仪器相关联的第二校准模型,
所述第二校准模型是基于支持向量回归建模技术来生成,并且
所述第二校准模型是使用与所述转移集合相关联的优化技术来生成。
16.如权利要求15所述的方法,还包括:
将所述第二校准模型提供给所述第二仪器。
17.如权利要求15所述的方法,还包括:
使用移位网格插值技术来增强所述第一校准集合,以创建增强的第一校准集合;并且
其中创建所述第二校准集合包括:
基于所述增强的第一校准集合创建所述第二校准集合。
18.如权利要求15所述的方法,其中识别所述校准物的第一选定集合包括:
基于Kennard-Stone(KS)选择方法识别所述校准物的第一选定集合。
19.如权利要求15所述的方法,还包括:
基于所述转移集合,确定与所述第二校准模型相关联的模型参数;并且
其中生成所述第二校准模型包括:
基于所确定的模型参数生成所述第二校准模型。
20.如权利要求15所述的方法,其中所述校准物的第一选定集合和所述校准物的第二选定集合与独立于应用的校准物的集合相关联。
CN201710637656.8A 2016-07-29 2017-07-31 使用稀疏转移集合转移校准模型 Active CN107664532B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201662368741P 2016-07-29 2016-07-29
US62/368,741 2016-07-29
US15/614,110 US10429240B2 (en) 2016-07-29 2017-06-05 Transfer of a calibration model using a sparse transfer set
US15/614,110 2017-06-05

Publications (2)

Publication Number Publication Date
CN107664532A true CN107664532A (zh) 2018-02-06
CN107664532B CN107664532B (zh) 2021-07-20

Family

ID=59501269

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710637656.8A Active CN107664532B (zh) 2016-07-29 2017-07-31 使用稀疏转移集合转移校准模型

Country Status (5)

Country Link
US (2) US10429240B2 (zh)
EP (1) EP3276333B1 (zh)
JP (3) JP6952526B2 (zh)
CN (1) CN107664532B (zh)
HK (2) HK1249181A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110715730A (zh) * 2018-07-11 2020-01-21 唯亚威通讯技术有限公司 多元校准模型维护的聚焦线性模型校正和线性模型校正

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10429240B2 (en) * 2016-07-29 2019-10-01 Viavi Solutions Inc. Transfer of a calibration model using a sparse transfer set
US10928309B2 (en) * 2018-06-29 2021-02-23 Viavi Solutions Inc. Cross-validation based calibration of a spectroscopic model
FR3094791B1 (fr) * 2019-04-04 2021-07-02 Greentropism Procédé pour configurer un dispositif de spectrométrie
CN112683816B (zh) * 2020-12-25 2021-08-06 中船重工安谱(湖北)仪器有限公司 一种光谱模型传递的光谱识别方法
US20230194423A1 (en) * 2021-12-22 2023-06-22 Deere & Company Methods and apparatus to generate calibration models in a cloud environment

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1361861A (zh) * 1999-05-21 2002-07-31 布克哈姆技术公共有限公司 与连续重新校准相结合的光谱数据的自适应判读方法和系统
US6441388B1 (en) * 1998-10-13 2002-08-27 Rio Grande Medical Technologies, Inc. Methods and apparatus for spectroscopic calibration model transfer
CN1483141A (zh) * 2000-09-18 2004-03-17 ����ҽѧ�ɷ����޹�˾ 表征频谱仪并提供定标模型的方法
CN104541153A (zh) * 2012-07-02 2015-04-22 新加坡国立大学 涉及利用光纤拉曼光谱的内窥镜进行实时癌症诊断的方法
CN105008898A (zh) * 2013-03-22 2015-10-28 福斯分析股份公司 用于组合的libs和ir吸收光谱法研究的系统和方法
CN105444888A (zh) * 2015-11-16 2016-03-30 青岛市光电工程技术研究院 一种高光谱成像系统的色差补偿方法
CN105588642A (zh) * 2014-11-11 2016-05-18 仪器系统光学测量科技有限公司 色度计的校准
US20160265971A1 (en) * 2014-07-28 2016-09-15 Halliburton Energy Services, Inc. Optical design techniques for multilayer thin film devices in compact optical systems

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7098037B2 (en) 1998-10-13 2006-08-29 Inlight Solutions, Inc. Accommodating subject and instrument variations in spectroscopic determinations
US7881892B2 (en) * 2005-01-21 2011-02-01 University Of Massachusetts Standardization methods for correcting spectral differences across multiple spectroscopic instruments
US20120296595A1 (en) 2011-05-16 2012-11-22 Xerox Corporation Compensating for spectral differences between two spectrophotometers for accurate color management
WO2014118601A1 (en) * 2013-01-31 2014-08-07 Universidade Do Minho Optical system for parameter characterization of an element of body fluid or tissue
JP5842849B2 (ja) 2013-03-27 2016-01-13 セイコーエプソン株式会社 光スペクトル変換方法、および光スペクトル変換装置
US20150160121A1 (en) * 2013-12-06 2015-06-11 Trent Daniel Ridder Calibration Transfer and Maintenance in Spectroscopic Measurements of Ethanol
US10429240B2 (en) * 2016-07-29 2019-10-01 Viavi Solutions Inc. Transfer of a calibration model using a sparse transfer set

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6441388B1 (en) * 1998-10-13 2002-08-27 Rio Grande Medical Technologies, Inc. Methods and apparatus for spectroscopic calibration model transfer
CN1361861A (zh) * 1999-05-21 2002-07-31 布克哈姆技术公共有限公司 与连续重新校准相结合的光谱数据的自适应判读方法和系统
CN1483141A (zh) * 2000-09-18 2004-03-17 ����ҽѧ�ɷ����޹�˾ 表征频谱仪并提供定标模型的方法
CN104541153A (zh) * 2012-07-02 2015-04-22 新加坡国立大学 涉及利用光纤拉曼光谱的内窥镜进行实时癌症诊断的方法
CN105008898A (zh) * 2013-03-22 2015-10-28 福斯分析股份公司 用于组合的libs和ir吸收光谱法研究的系统和方法
US20160265971A1 (en) * 2014-07-28 2016-09-15 Halliburton Energy Services, Inc. Optical design techniques for multilayer thin film devices in compact optical systems
CN105588642A (zh) * 2014-11-11 2016-05-18 仪器系统光学测量科技有限公司 色度计的校准
CN105444888A (zh) * 2015-11-16 2016-03-30 青岛市光电工程技术研究院 一种高光谱成像系统的色差补偿方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110715730A (zh) * 2018-07-11 2020-01-21 唯亚威通讯技术有限公司 多元校准模型维护的聚焦线性模型校正和线性模型校正
CN110715730B (zh) * 2018-07-11 2022-05-27 唯亚威通讯技术有限公司 多元校准模型维护的聚焦线性模型校正和线性模型校正
US11561166B2 (en) 2018-07-11 2023-01-24 Viavi Solutions Inc. Focusing linear model correction and linear model correction for multivariate calibration model maintenance

Also Published As

Publication number Publication date
US11378452B2 (en) 2022-07-05
HK1249181A1 (zh) 2018-10-26
HK1249773A1 (zh) 2018-11-09
EP3276333B1 (en) 2023-03-29
JP7377188B2 (ja) 2023-11-09
JP6952526B2 (ja) 2021-10-20
US10429240B2 (en) 2019-10-01
JP2023002694A (ja) 2023-01-10
CN107664532B (zh) 2021-07-20
JP2021047201A (ja) 2021-03-25
EP3276333A1 (en) 2018-01-31
JP2018059900A (ja) 2018-04-12
US20200018648A1 (en) 2020-01-16
US20180031421A1 (en) 2018-02-01

Similar Documents

Publication Publication Date Title
CN107664532A (zh) 使用稀疏转移集合转移校准模型
TWI776010B (zh) 用於減少光譜分類的誤報識別之設備和方法以及相關的非暫時性電腦可讀取媒體
JP7387832B2 (ja) 分光モデルのクロスバリデーションベース較正
JP7046875B2 (ja) 合焦線形モデル補正及び多変量キャリブレーションモデルメンテナンス用線形モデル補正
CN113959974A (zh) 一种普适性近红外光谱模型的传递方法
Camps-Valls et al. Physics-aware Gaussian processes for earth observation
Miles et al. Transferability of Deep Learning Models for Focus Quality Assessment in Digital Pathology
CN115700560A (zh) 利用预测阈值来便于光谱分类
Huai et al. EvoLP: Self-Evolving Latency Predictor for Model Compression in Real-Time Edge Systems

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
CB02 Change of applicant information

Address after: California, USA

Applicant after: Only Yahweh Communication Technology Co Ltd

Address before: California, USA

Applicant before: Only Yahweh solutions Limited by Share Ltd

CB02 Change of applicant information
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1249773

Country of ref document: HK

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant