JP2019179023A - 誤検知を減少させた分光学的分類のための識別 - Google Patents
誤検知を減少させた分光学的分類のための識別 Download PDFInfo
- Publication number
- JP2019179023A JP2019179023A JP2019007899A JP2019007899A JP2019179023A JP 2019179023 A JP2019179023 A JP 2019179023A JP 2019007899 A JP2019007899 A JP 2019007899A JP 2019007899 A JP2019007899 A JP 2019007899A JP 2019179023 A JP2019179023 A JP 2019179023A
- Authority
- JP
- Japan
- Prior art keywords
- classification model
- class
- spectroscopic
- classification
- unknown sample
- 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
Links
- 238000013145 classification model Methods 0.000 claims abstract description 254
- 238000005259 measurement Methods 0.000 claims abstract description 191
- 239000000463 material Substances 0.000 claims abstract description 68
- 238000012549 training Methods 0.000 claims abstract description 42
- 238000010200 validation analysis Methods 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims description 89
- 239000013077 target material Substances 0.000 claims description 46
- 238000012706 support-vector machine Methods 0.000 claims description 28
- 230000015654 memory Effects 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 23
- 238000011065 in-situ storage Methods 0.000 claims description 17
- 238000005286 illumination Methods 0.000 claims description 5
- 230000004931 aggregating effect Effects 0.000 claims description 2
- 238000001228 spectrum Methods 0.000 description 80
- 238000011002 quantification Methods 0.000 description 22
- 238000003860 storage Methods 0.000 description 17
- 238000012795 verification Methods 0.000 description 17
- 238000004611 spectroscopical analysis Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 12
- 238000001514 detection method Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 239000002994 raw material Substances 0.000 description 7
- 239000000126 substance Substances 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 150000002894 organic compounds Chemical class 0.000 description 4
- 239000000825 pharmaceutical preparation Substances 0.000 description 4
- 229940127557 pharmaceutical product Drugs 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 3
- 239000012567 medical material Substances 0.000 description 3
- RZVAJINKPMORJF-UHFFFAOYSA-N Acetaminophen Chemical compound CC(=O)NC1=CC=C(O)C=C1 RZVAJINKPMORJF-UHFFFAOYSA-N 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 2
- 239000005715 Fructose Substances 0.000 description 2
- 229930091371 Fructose Natural products 0.000 description 2
- RFSUNEUAIZKAJO-ARQDHWQXSA-N Fructose Chemical compound OC[C@H]1O[C@](O)(CO)[C@@H](O)[C@@H]1O RFSUNEUAIZKAJO-ARQDHWQXSA-N 0.000 description 2
- GUBGYTABKSRVRQ-QKKXKWKRSA-N Lactose Natural products OC[C@H]1O[C@@H](O[C@H]2[C@H](O)[C@@H](O)C(O)O[C@@H]2CO)[C@H](O)[C@@H](O)[C@H]1O GUBGYTABKSRVRQ-QKKXKWKRSA-N 0.000 description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 2
- 239000012773 agricultural material Substances 0.000 description 2
- 239000012620 biological material Substances 0.000 description 2
- RYYVLZVUVIJVGH-UHFFFAOYSA-N caffeine Chemical compound CN1C(=O)N(C)C(=O)C2=C1N=CN2C RYYVLZVUVIJVGH-UHFFFAOYSA-N 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 239000008101 lactose Substances 0.000 description 2
- 238000004476 mid-IR spectroscopy Methods 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000002460 vibrational spectroscopy Methods 0.000 description 2
- BSYNRYMUTXBXSQ-UHFFFAOYSA-N Aspirin Chemical compound CC(=O)OC1=CC=CC=C1C(O)=O BSYNRYMUTXBXSQ-UHFFFAOYSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- HEFNNWSXXWATRW-UHFFFAOYSA-N Ibuprofen Chemical compound CC(C)CC1=CC=C(C(C)C(O)=O)C=C1 HEFNNWSXXWATRW-UHFFFAOYSA-N 0.000 description 1
- LPHGQDQBBGAPDZ-UHFFFAOYSA-N Isocaffeine Natural products CN1C(=O)N(C)C(=O)C2=C1N(C)C=N2 LPHGQDQBBGAPDZ-UHFFFAOYSA-N 0.000 description 1
- 238000004497 NIR spectroscopy Methods 0.000 description 1
- 238000001069 Raman spectroscopy Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 229960001138 acetylsalicylic acid Drugs 0.000 description 1
- WQZGKKKJIJFFOK-PHYPRBDBSA-N alpha-D-galactose Chemical compound OC[C@H]1O[C@H](O)[C@H](O)[C@@H](O)[C@H]1O WQZGKKKJIJFFOK-PHYPRBDBSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 235000015278 beef Nutrition 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 1
- 229960001948 caffeine Drugs 0.000 description 1
- VJEONQKOZGKCAK-UHFFFAOYSA-N caffeine Natural products CN1C(=O)N(C)C(=O)C2=C1C=CN2C VJEONQKOZGKCAK-UHFFFAOYSA-N 0.000 description 1
- 239000001913 cellulose Substances 0.000 description 1
- 229920002678 cellulose Polymers 0.000 description 1
- 238000001311 chemical methods and process Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 229930182830 galactose Natural products 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 229960001680 ibuprofen Drugs 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229960005489 paracetamol Drugs 0.000 description 1
- 239000000546 pharmaceutical excipient Substances 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000363 spectroscopic quantification Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/02—Details
- G01J3/10—Arrangements of light sources specially adapted for spectrometry or colorimetry
- G01J3/108—Arrangements of light sources specially adapted for spectrometry or colorimetry for measurement in the infrared range
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/251—Colorimeters; Construction thereof
- G01N21/253—Colorimeters; Construction thereof for batch operation, i.e. multisample apparatus
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/698—Matching; Classification
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Data Mining & Analysis (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Evolutionary Biology (AREA)
- Medical Informatics (AREA)
- Crystallography & Structural Chemistry (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Spectrometry And Color Measurement (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
Description
[請求項1]
一以上のメモリと、
前記一以上のメモリに通信可能に結合された一以上のプロセッサと、
を含み、
既知試料の訓練セットと既知試料の検証セットとの一組の分光測定の結果を識別する情報を受信し、
前記一組の分光測定の結果を識別する情報に基づいて分類モデルを生成し、
前記分類モデルは、分光学的判定のための対象材料に関連する少なくとも1つのクラスを含み、
前記分類モデルは、非対象である少なくとも1つの材料のうちの少なくとも1つまたは基準となる分光測定に関連する非適合クラスを含み、
未知試料の特定の分光測定の特定の結果を識別する情報を受信し、
前記分類モデルを使用して、前記未知試料が前記非適合クラスに含まれるか否かを判定し、
前記未知試料が前記非適合クラスに含まれるか否かを示す出力を提供する、装置。
[請求項2]
前記一以上のプロセッサは、前記未知試料が前記非適合クラスに含まれるか否かを判定するとき、
前記分類モデルに基づいて、前記未知試料が前記非適合クラスに含まれると判定し、
前記一以上のプロセッサは、前記未知試料が前記非適合クラスに含まれるか否かを示す出力を提供するとき、
前記未知試料が前記非適合クラスに含まれることを示す出力を提供する、請求項1に記載の装置。
[請求項3]
前記一以上のプロセッサは、前記未知試料が前記非適合クラスに含まれるか否かを判定するとき、
前記分類モデルに基づいて、前記未知試料が前記非適合クラスに含まれないと判定し、
前記分類モデルを使用して、前記未知試料が前記非適合クラスに含まれないという判定に基づいて、前記未知試料の分類を判定し、
前記一以上のプロセッサは、前記未知試料が前記非適合クラスに含まれるか否かを示す出力を提供するとき、
前記未知試料の分類を識別する出力を提供する、請求項1に記載の装置。
[請求項4]
前記一以上のプロセッサは、前記一組の分光測定の結果を識別する情報を受信するとき、
一組の基準となる分光測定を識別する情報を受信し、
前記一以上のプロセッサは、前記分類モデルを生成するとき、
前記一組の基準となる分光測定に基づいて、前記分類モデルのための非適合クラスを訓練する、請求項1に記載の装置。
[請求項5]
前記一組の基準となる分光測定は、
不正確な測定距離を使用して実行された測定、
不正確な測定背景を使用して実行された測定、
不正確な測定照明を使用して実行された測定、または
試料の存在なしに実行された測定、
の少なくとも一つと関連する、請求項4に記載の装置。
[請求項6]
前記一以上のプロセッサは、前記一組の分光測定の結果を識別する情報を受信するとき、
非対象である少なくとも1つの材料を識別する情報を受信し、
前記一以上のプロセッサは、前記分類モデルを生成するとき、
前記非対象である少なくとも1つの材料を識別する情報に基づいて、前記分類モデルに対する非適合クラスを訓練する、請求項1に記載の装置。
[請求項7]
前記一以上のプロセッサは、前記分類モデルを使用して、前記未知試料が前記非適合クラスに含まれるか否かを判定するとき、
信頼メトリックに基づくサポートベクトルマシンを使用して、前記未知試料が前記非適合クラスに含まれるか否かを判定する、請求項1に記載の装置。
[請求項8]
前記信頼メトリックは、
確立推定値、または
決定値、
の少なくとも一方である、請求項7に記載の装置。
[請求項9]
前記分類モデルが第1の分類モデルであって、
前記一以上のプロセッサは、前記未知試料が前記非適合クラスに含まれるか否かを判定するとき、
前記第1の分類モデルを使用して、前記特定の分光測定のための第1の分類を実行して、前記第1の分類モデルの一組のローカルクラスを識別し、
前記一組のローカルクラスに基づいて、第2の分類モデルを生成し、
前記第2の分類モデルは前記非適合クラスを含み、
第2の分類を実行して、前記未知試料が前記非適合クラスに含まれるか否かを判定する、
請求項1に記載の装置。
[請求項10]
命令を格納する非一時的なコンピュータ可読媒体であって、前記命令は、
一以上のプロセッサにより実行されるとき、前記一以上のプロセッサに、
未知試料に対して実行された分光測定の結果を識別する情報を受信させ、
分類モデルのうちの複数のクラスを集約させて、統合分類モデルを生成させ、
前記分光測定が前記統合分類モデルを使用して正確に実施されたことを判定させ、
前記分光測定が正確に実施されたという判定および前記分類モデルの使用に基づいて、前記未知試料が前記分類モデルの非適合クラスに含まれないことを判定させ、
非適合クラスは、非対象の材料または基準となる分光測定に関連しており、
前記未知試料が前記非適合クラスに含まれないという判定に基づいて、前記未知試料の分光学的分類を実行させ、
前記未知試料の分光学的分類の実施に基づいて、前記未知試料を識別する情報を提供させる、
一以上の命令を含む、非一時的なコンピュータ可読媒体。
[請求項11]
前記一以上のプロセッサに、前記未知試料が前記非適合クラスに含まれないことを判定させる前記一以上の命令は、前記一以上のプロセッサに、
閾値を満足する前記分類モデルに関連する信頼メトリックに基づいて、前記未知試料が前記非適合クラスに含まれないことを判定させる、請求項10に記載の非一時的なコンピュータ可読媒体。
[請求項12]
前記一以上の命令は、前記一以上のプロセッサによって実行されるとき、更に、前記一以上のプロセッサに、
one−versus−all法またはall−pairs法を使用して、前記分類モデルを複数のサブモデルに分割することに基づいて前記信頼メトリックを判定させる、請求項11に記載の非一時的なコンピュータ可読媒体。
[請求項13]
前記分類モデルは、クラスの閾量よりも高い分類モデルを含んでおり、
前記一以上のプロセッサに前記分光学的分類を実行させる前記一以上の命令は、前記一以上のプロセッサに、
前記分類モデルに基づいて前記未知試料の第1の分光学的分類を実行させ、
前記第1の分光学的分類の実行に基づいて、前記分類モデルのクラスのサブセットを使用して別の分類モデルを生成させ、
前記別の分類モデルに基づいて、前記未知試料が前記非適合クラスに含まれないと判定させ、
第2の分類を実行して、前記未知試料を識別させる、
請求項11に記載の非一時的なコンピュータ可読媒体。
[請求項14]
装置によって、一組の分光測定の結果を取得するステップと、
前記装置によって、前記一組の分光測定の結果に基づいてサポートベクトルマシン(SVM)ベースの分類モデルを生成するステップと、
前記分類モデルは、分類のために複数の対象材料に対応する複数のクラスを含み、
前記一組の分光測定は、前記複数の対象材料の試料の閾量の測定値を含み、
前記分類モデルは、分類のために複数の対象材料に対応しない特定のクラスを含み、
前記一組の分光測定は、前記特定のクラスに関連する試料の閾量未満の測定値を含み、
前記装置によって、前記分類モデルを使用して、特定の試料の特定の分光測定を前記特定のクラスに分類するステップと、
前記装置によって、前記特定の分光測定の分類に基づいて、前記特定の試料が前記特定のクラスに割り当てられることを示す情報を提供するステップと、
を含む、方法。
[請求項15]
前記特定の分光測定を分類するステップは、
前記分類モデルを複数のサブモデルに分割するステップと、
前記複数のサブモデルのうちの各サブモデルは、前記分類モデルの対応するクラスと、前記分類モデルの他の各クラスとの間の比較に対応しており、
前記複数のサブモデルに対応する複数の決定値を決定するステップと、
前記複数の決定値に基づいて、前記特定の試料のための前記特定のクラスを選択するステップと、
を含む、請求項14に記載の方法。
[請求項16]
前記特定の分光測定を分類するステップは、
前記分類モデルを複数のサブモデルに分割するステップと、
前記複数のサブモデルは、前記分類モデルの各クラスの間の比較に対応しており、
前記複数のサブモデルに対応する複数の決定値を判定するステップと、
前記複数の決定値に基づいて前記特定の試料のための前記特定のクラスを選択するステップと、
を含む、請求項14に記載の方法。
[請求項17]
前記特定の分光測定を分類するステップは、
ラジアル基底関数型のカーネル関数または線形カーネル型のカーネル関数を使用して特定の分光測定を分類するステップを含む、請求項14に記載の方法。
[請求項18]
前記一組の分光測定は、基準となる分光測定および非対象材料の分光測定を含み、
前記基準となる分光測定および前記非対象材料の分光測定は、前記特定のクラスに分類される、請求項14に記載の方法。
[請求項19]
前記特定の分光測定を分類するステップは、
前記分類モデルに基づいて生成されたインサイチュローカル分類モデルにおいて使用する前記特定の分光測定を分類するステップを含む、請求項14に記載の方法。
[請求項20]
前記特定の分光測定を分類するステップは、
前記分類モデルのクラスを単一のクラスに集約するステップと、
前記単一のクラスに基づいて前記特定の分光測定を分類するステップと、
を含む、請求項14に記載の方法。
Claims (20)
- 一以上のメモリと、
前記一以上のメモリに通信可能に結合された一以上のプロセッサと、
を含み、
既知試料の訓練セットと既知試料の検証セットとの一組の分光測定の結果を識別する情報を受信し、
前記一組の分光測定の結果を識別する情報に基づいて分類モデルを生成し、
前記分類モデルは、分光学的判定のための対象材料に関連する少なくとも1つのクラスを含み、
前記分類モデルは、非対象である少なくとも1つの材料のうちの少なくとも1つまたは基準となる分光測定に関連する非適合クラスを含み、
未知試料の特定の分光測定の特定の結果を識別する情報を受信し、
前記分類モデルを使用して、前記未知試料が前記非適合クラスに含まれるか否かを判定し、
前記未知試料が前記非適合クラスに含まれるか否かを示す出力を提供する、装置。 - 前記一以上のプロセッサは、前記未知試料が前記非適合クラスに含まれるか否かを判定するとき、
前記分類モデルに基づいて、前記未知試料が前記非適合クラスに含まれると判定し、
前記一以上のプロセッサは、前記未知試料が前記非適合クラスに含まれるか否かを示す出力を提供するとき、
前記未知試料が前記非適合クラスに含まれることを示す出力を提供する、請求項1に記載の装置。 - 前記一以上のプロセッサは、前記未知試料が前記非適合クラスに含まれるか否かを判定するとき、
前記分類モデルに基づいて、前記未知試料が前記非適合クラスに含まれないと判定し、
前記分類モデルを使用して、前記未知試料が前記非適合クラスに含まれないという判定に基づいて、前記未知試料の分類を判定し、
前記一以上のプロセッサは、前記未知試料が前記非適合クラスに含まれるか否かを示す出力を提供するとき、
前記未知試料の分類を識別する出力を提供する、請求項1に記載の装置。 - 前記一以上のプロセッサは、前記一組の分光測定の結果を識別する情報を受信するとき、
一組の基準となる分光測定を識別する情報を受信し、
前記一以上のプロセッサは、前記分類モデルを生成するとき、
前記一組の基準となる分光測定に基づいて、前記分類モデルのための非適合クラスを訓練する、請求項1に記載の装置。 - 前記一組の基準となる分光測定は、
不正確な測定距離を使用して実行された測定、
不正確な測定背景を使用して実行された測定、
不正確な測定照明を使用して実行された測定、または
試料の存在なしに実行された測定、
の少なくとも一つと関連する、請求項4に記載の装置。 - 前記一以上のプロセッサは、前記一組の分光測定の結果を識別する情報を受信するとき、
非対象である少なくとも1つの材料を識別する情報を受信し、
前記一以上のプロセッサは、前記分類モデルを生成するとき、
前記非対象である少なくとも1つの材料を識別する情報に基づいて、前記分類モデルに対する非適合クラスを訓練する、請求項1に記載の装置。 - 前記一以上のプロセッサは、前記分類モデルを使用して、前記未知試料が前記非適合クラスに含まれるか否かを判定するとき、
信頼メトリックに基づくサポートベクトルマシンを使用して、前記未知試料が前記非適合クラスに含まれるか否かを判定する、請求項1に記載の装置。 - 前記信頼メトリックは、
確立推定値、または
決定値、
の少なくとも一方である、請求項7に記載の装置。 - 前記分類モデルが第1の分類モデルであって、
前記一以上のプロセッサは、前記未知試料が前記非適合クラスに含まれるか否かを判定するとき、
前記第1の分類モデルを使用して、前記特定の分光測定のための第1の分類を実行して、前記第1の分類モデルの一組のローカルクラスを識別し、
前記一組のローカルクラスに基づいて、第2の分類モデルを生成し、
前記第2の分類モデルは前記非適合クラスを含み、
第2の分類を実行して、前記未知試料が前記非適合クラスに含まれるか否かを判定する、
請求項1に記載の装置。 - 命令を格納する非一時的なコンピュータ可読媒体であって、前記命令は、
一以上のプロセッサにより実行されるとき、前記一以上のプロセッサに、
未知試料に対して実行された分光測定の結果を識別する情報を受信させ、
分類モデルのうちの複数のクラスを集約させて、統合分類モデルを生成させ、
前記分光測定が前記統合分類モデルを使用して正確に実施されたことを判定させ、
前記分光測定が正確に実施されたという判定および前記分類モデルの使用に基づいて、前記未知試料が前記分類モデルの非適合クラスに含まれないことを判定させ、
非適合クラスは、非対象の材料または基準となる分光測定に関連しており、
前記未知試料が前記非適合クラスに含まれないという判定に基づいて、前記未知試料の分光学的分類を実行させ、
前記未知試料の分光学的分類の実施に基づいて、前記未知試料を識別する情報を提供させる、
一以上の命令を含む、非一時的なコンピュータ可読媒体。 - 前記一以上のプロセッサに、前記未知試料が前記非適合クラスに含まれないことを判定させる前記一以上の命令は、前記一以上のプロセッサに、
閾値を満足する前記分類モデルに関連する信頼メトリックに基づいて、前記未知試料が前記非適合クラスに含まれないことを判定させる、請求項10に記載の非一時的なコンピュータ可読媒体。 - 前記一以上の命令は、前記一以上のプロセッサによって実行されるとき、更に、前記一以上のプロセッサに、
one−versus−all法またはall−pairs法を使用して、前記分類モデルを複数のサブモデルに分割することに基づいて前記信頼メトリックを判定させる、請求項11に記載の非一時的なコンピュータ可読媒体。 - 前記分類モデルは、クラスの閾量よりも高い分類モデルを含んでおり、
前記一以上のプロセッサに前記分光学的分類を実行させる前記一以上の命令は、前記一以上のプロセッサに、
前記分類モデルに基づいて前記未知試料の第1の分光学的分類を実行させ、
前記第1の分光学的分類の実行に基づいて、前記分類モデルのクラスのサブセットを使用して別の分類モデルを生成させ、
前記別の分類モデルに基づいて、前記未知試料が前記非適合クラスに含まれないと判定させ、
第2の分類を実行して、前記未知試料を識別させる、
請求項11に記載の非一時的なコンピュータ可読媒体。 - 装置によって、一組の分光測定の結果を取得するステップと、
前記装置によって、前記一組の分光測定の結果に基づいてサポートベクトルマシン(SVM)ベースの分類モデルを生成するステップと、
前記分類モデルは、分類のために複数の対象材料に対応する複数のクラスを含み、
前記一組の分光測定は、前記複数の対象材料の試料の閾量の測定値を含み、
前記分類モデルは、分類のために複数の対象材料に対応しない特定のクラスを含み、
前記一組の分光測定は、前記特定のクラスに関連する試料の閾量未満の測定値を含み、
前記装置によって、前記分類モデルを使用して、特定の試料の特定の分光測定を前記特定のクラスに分類するステップと、
前記装置によって、前記特定の分光測定の分類に基づいて、前記特定の試料が前記特定のクラスに割り当てられることを示す情報を提供するステップと、
を含む、方法。 - 前記特定の分光測定を分類するステップは、
前記分類モデルを複数のサブモデルに分割するステップと、
前記複数のサブモデルのうちの各サブモデルは、前記分類モデルの対応するクラスと、前記分類モデルの他の各クラスとの間の比較に対応しており、
前記複数のサブモデルに対応する複数の決定値を決定するステップと、
前記複数の決定値に基づいて、前記特定の試料のための前記特定のクラスを選択するステップと、
を含む、請求項14に記載の方法。 - 前記特定の分光測定を分類するステップは、
前記分類モデルを複数のサブモデルに分割するステップと、
前記複数のサブモデルは、前記分類モデルの各クラスの間の比較に対応しており、
前記複数のサブモデルに対応する複数の決定値を判定するステップと、
前記複数の決定値に基づいて前記特定の試料のための前記特定のクラスを選択するステップと、
を含む、請求項14に記載の方法。 - 前記特定の分光測定を分類するステップは、
ラジアル基底関数型のカーネル関数または線形カーネル型のカーネル関数を使用して特定の分光測定を分類するステップを含む、請求項14に記載の方法。 - 前記一組の分光測定は、基準となる分光測定および非対象材料の分光測定を含み、
前記基準となる分光測定および前記非対象材料の分光測定は、前記特定のクラスに分類される、請求項14に記載の方法。 - 前記特定の分光測定を分類するステップは、
前記分類モデルに基づいて生成されたインサイチュローカル分類モデルにおいて使用する前記特定の分光測定を分類するステップを含む、請求項14に記載の方法。 - 前記特定の分光測定を分類するステップは、
前記分類モデルのクラスを単一のクラスに集約するステップと、
前記単一のクラスに基づいて前記特定の分光測定を分類するステップと、
を含む、請求項14に記載の方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021146267A JP7238056B2 (ja) | 2018-01-26 | 2021-09-08 | 誤検知を減少させた分光学的分類のための識別 |
JP2023031287A JP2023088913A (ja) | 2018-01-26 | 2023-03-01 | 誤検知を減少させた分光学的分類のための識別 |
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862622637P | 2018-01-26 | 2018-01-26 | |
US62/622,637 | 2018-01-26 | ||
US16/130,732 | 2018-09-13 | ||
US16/130,732 US10810408B2 (en) | 2018-01-26 | 2018-09-13 | Reduced false positive identification for spectroscopic classification |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021146267A Division JP7238056B2 (ja) | 2018-01-26 | 2021-09-08 | 誤検知を減少させた分光学的分類のための識別 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019179023A true JP2019179023A (ja) | 2019-10-17 |
JP6942741B2 JP6942741B2 (ja) | 2021-09-29 |
Family
ID=64949198
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019007899A Active JP6942741B2 (ja) | 2018-01-26 | 2019-01-21 | 誤検知を減少させた分光学的分類のための識別 |
JP2021146267A Active JP7238056B2 (ja) | 2018-01-26 | 2021-09-08 | 誤検知を減少させた分光学的分類のための識別 |
JP2023031287A Pending JP2023088913A (ja) | 2018-01-26 | 2023-03-01 | 誤検知を減少させた分光学的分類のための識別 |
Family Applications After (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021146267A Active JP7238056B2 (ja) | 2018-01-26 | 2021-09-08 | 誤検知を減少させた分光学的分類のための識別 |
JP2023031287A Pending JP2023088913A (ja) | 2018-01-26 | 2023-03-01 | 誤検知を減少させた分光学的分類のための識別 |
Country Status (8)
Country | Link |
---|---|
US (3) | US10810408B2 (ja) |
EP (2) | EP3518147A1 (ja) |
JP (3) | JP6942741B2 (ja) |
KR (3) | KR102338904B1 (ja) |
CN (2) | CN113989603A (ja) |
CA (1) | CA3029507A1 (ja) |
MX (2) | MX2022008349A (ja) |
TW (3) | TW202343352A (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019213986A (ja) * | 2019-09-30 | 2019-12-19 | 株式会社三洋物産 | 遊技機 |
JP2021095275A (ja) * | 2019-12-19 | 2021-06-24 | キヤノン株式会社 | 識別装置、処理装置、処理方法、およびプログラム |
JP7418200B2 (ja) | 2019-12-19 | 2024-01-19 | キヤノン株式会社 | 識別装置、処理装置、処理方法、およびプログラム |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11009452B2 (en) | 2018-01-26 | 2021-05-18 | Viavi Solutions Inc. | Reduced false positive identification for spectroscopic quantification |
US11656174B2 (en) | 2018-01-26 | 2023-05-23 | Viavi Solutions Inc. | Outlier detection for spectroscopic classification |
US10810408B2 (en) | 2018-01-26 | 2020-10-20 | Viavi Solutions Inc. | Reduced false positive identification for spectroscopic classification |
US11223638B2 (en) * | 2018-12-27 | 2022-01-11 | Rapid7, Inc. | Stable network user account classifier |
JP7353940B2 (ja) * | 2019-11-26 | 2023-10-02 | 株式会社日立製作所 | 転移可能性判定装置、転移可能性判定方法、及び転移可能性判定プログラム |
CN113093967A (zh) * | 2020-01-08 | 2021-07-09 | 富泰华工业(深圳)有限公司 | 数据生成方法、装置、计算机装置及存储介质 |
WO2021168611A1 (en) * | 2020-02-24 | 2021-09-02 | Yangtze Memory Technologies Co., Ltd. | Systems and methods for semiconductor chip surface topography metrology |
WO2021168613A1 (en) | 2020-02-24 | 2021-09-02 | Yangtze Memory Technologies Co., Ltd. | Systems and methods for semiconductor chip surface topography metrology |
WO2021168612A1 (en) | 2020-02-24 | 2021-09-02 | Yangtze Memory Technologies Co., Ltd. | Systems and methods for semiconductor chip surface topography metrology |
US11727089B2 (en) * | 2020-09-08 | 2023-08-15 | Nasdaq, Inc. | Modular machine learning systems and methods |
EP4033419A1 (en) * | 2021-01-20 | 2022-07-27 | Viavi Solutions Inc. | Outlier detection for spectroscopic classification |
TWI760206B (zh) * | 2021-05-04 | 2022-04-01 | 行政院農業委員會農業藥物毒物試驗所 | 基於光譜圖辨識提供風險值的光學量測方法、光學量測系統、伺服端電腦裝置與客戶端電腦裝置 |
US20230038984A1 (en) * | 2021-07-30 | 2023-02-09 | Viavi Solutions Inc. | Utilizing prediction thresholds to facilitate spectroscopic classification |
CN114692719B (zh) * | 2022-02-24 | 2023-04-07 | 电子科技大学 | 一种基于svm-Tradboost模型迁移的XRF小样本元素分类方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010527017A (ja) * | 2007-05-16 | 2010-08-05 | ナショナル ユニバーシティー オブ アイルランド, ゴールウェイ | 分光学的データを使用し、材料または化学物質の分類および混合物中の材料または化学物質の特性を定量化するカーネル型方法および装置 |
US20100211329A1 (en) * | 2007-10-12 | 2010-08-19 | Stuart Farquharson | Method and apparatus for determining properties of fuels |
US20100217537A1 (en) * | 2007-01-16 | 2010-08-26 | Chemlmage Corporation | Method and Apparatus for Multimodal Detection |
Family Cites Families (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2566543B1 (fr) | 1984-06-20 | 1988-02-26 | Commissariat Energie Atomique | Dispositif optique a rendement de collection eleve et cytofluorimetre en faisant application |
JP2922110B2 (ja) | 1994-02-22 | 1999-07-19 | 株式会社エヌ・ティ・ティ・データ | 物品同定システム |
US7133710B2 (en) | 2002-03-08 | 2006-11-07 | Sensys Medical, Inc. | Compact apparatus for noninvasive measurement of glucose through near-infrared spectroscopy |
US6785638B2 (en) * | 2001-08-06 | 2004-08-31 | Timbre Technologies, Inc. | Method and system of dynamic learning through a regression-based library generation process |
AU2003258062A1 (en) | 2002-08-05 | 2004-02-23 | Infraredx, Inc. | Near-infrared spectroscopic analysis of blood vessel walls |
US7218395B2 (en) * | 2003-04-16 | 2007-05-15 | Optopo Inc. | Rapid pharmaceutical identification and verification system |
AU2005309338A1 (en) * | 2004-11-29 | 2006-06-01 | Scientific Analytics Systems Pty Ltd | Modelling a phenomenon that has spectral data |
EP1836600A4 (en) * | 2004-11-29 | 2009-03-04 | Scient Analytics Systems Pty L | MODELING A PHENOMENON THAT HAS SPECTRAL DATA |
WO2006135806A2 (en) * | 2005-06-09 | 2006-12-21 | Chemimage Corporation | Forensic integrated search technology |
WO2007105150A2 (en) | 2006-03-10 | 2007-09-20 | Koninklijke Philips Electronics, N.V. | Methods and systems for identification of dna patterns through spectral analysis |
US20110237446A1 (en) * | 2006-06-09 | 2011-09-29 | Chemlmage Corporation | Detection of Pathogenic Microorganisms Using Fused Raman, SWIR and LIBS Sensor Data |
CN101504363A (zh) | 2009-03-18 | 2009-08-12 | 哈尔滨商业大学 | 一种基于近红外光谱分析的食用油脂酸价检测方法 |
WO2011077765A1 (ja) | 2009-12-25 | 2011-06-30 | 古河電気工業株式会社 | 検体識別分取装置および検体識別分取方法 |
US8859969B2 (en) | 2012-03-27 | 2014-10-14 | Innovative Science Tools, Inc. | Optical analyzer for identification of materials using reflectance spectroscopy |
EP2648133A1 (fr) * | 2012-04-04 | 2013-10-09 | Biomerieux | Identification de microorganismes par spectrometrie et classification structurée |
NL2009015C2 (en) * | 2012-04-10 | 2013-10-15 | Biosparq B V | Method for classification of a sample on the basis of spectral data, method for creating a database and method for using this database, and corresponding computer program, data storage medium and system. |
CN103364359A (zh) | 2012-04-11 | 2013-10-23 | 天士力制药集团股份有限公司 | Simca模式识别法在近红外光谱识别大黄药材中的应用 |
US10043264B2 (en) * | 2012-04-19 | 2018-08-07 | Applied Materials Israel Ltd. | Integration of automatic and manual defect classification |
US20130311136A1 (en) * | 2012-05-18 | 2013-11-21 | Mustard Tree Instruments, Llc | Rule-Based Sample Verification and Chemical Monitoring Methodology |
WO2014165331A1 (en) | 2013-03-21 | 2014-10-09 | Jds Uniphase Corporation | Spectroscopic characterization of seafood |
AU2014318499B2 (en) * | 2013-09-16 | 2019-05-16 | Biodesix, Inc | Classifier generation method using combination of mini-classifiers with regularization and uses thereof |
WO2015080001A1 (ja) | 2013-11-27 | 2015-06-04 | 大日本印刷株式会社 | 培地情報登録システム、コロニー検出装置、プログラム及び衛生管理システム |
CA2932399A1 (en) * | 2013-12-02 | 2015-06-11 | Qbase, LLC | Method for disambiguating features in unstructured text |
JP2017500577A (ja) * | 2013-12-23 | 2017-01-05 | サーモ サイエンティフィック ポータブル アナリティカル インスツルメンツ インコーポレイテッド | フィールド使用分光装置の適応 |
WO2016054031A1 (en) | 2014-10-02 | 2016-04-07 | Biodesix, Inc. | Predictive test for aggressiveness or indolence of prostate cancer from mass spectrometry of blood-based sample |
JP6547275B2 (ja) * | 2014-10-29 | 2019-07-24 | 株式会社リコー | 情報処理システム、情報処理装置、情報処理方法、及びプログラム |
US9824434B2 (en) | 2015-08-18 | 2017-11-21 | Industrial Technology Research Institute | System and method for object recognition |
EP3822977A1 (en) | 2015-08-26 | 2021-05-19 | Viavi Solutions Inc. | Identification using spectroscopy |
RU2018127709A (ru) | 2016-01-22 | 2020-02-25 | Отрэйсис, Инк. | Системы и способы улучшения диагностики заболеваний |
WO2017174580A1 (en) | 2016-04-04 | 2017-10-12 | Boehringer Ingelheim Rcv Gmbh & Co Kg | Real time monitoring of product purification |
EP3258285B1 (en) | 2016-06-14 | 2020-10-21 | Bruker BioSpin GmbH | Method for predicting chemical shift values of nmr spin systems in a sample of a fluid class, in particular in a sample of a biofluid |
US10444213B2 (en) * | 2016-08-25 | 2019-10-15 | Viavi Solutions Inc. | Spectroscopic classification of conformance with dietary restrictions |
CN106772417B (zh) * | 2016-12-31 | 2017-11-14 | 华中科技大学 | 一种动目标多维度多尺度红外光谱特征测量方法及系统 |
US10936921B2 (en) | 2017-06-15 | 2021-03-02 | Spynsite Llc | Machine learning and/or image processing for spectral object classification |
CN107480690A (zh) * | 2017-07-04 | 2017-12-15 | 中国科学院计算技术研究所 | 一种基于支持向量机的包含未知类别的多分类方法 |
CN107561024B (zh) | 2017-07-17 | 2020-03-17 | 核工业北京地质研究院 | 一种适用于盐湖富铀水体的高光谱遥感识别方法 |
US10810408B2 (en) | 2018-01-26 | 2020-10-20 | Viavi Solutions Inc. | Reduced false positive identification for spectroscopic classification |
US11656174B2 (en) | 2018-01-26 | 2023-05-23 | Viavi Solutions Inc. | Outlier detection for spectroscopic classification |
US11009452B2 (en) | 2018-01-26 | 2021-05-18 | Viavi Solutions Inc. | Reduced false positive identification for spectroscopic quantification |
-
2018
- 2018-09-13 US US16/130,732 patent/US10810408B2/en active Active
-
2019
- 2019-01-03 EP EP19150264.0A patent/EP3518147A1/en not_active Ceased
- 2019-01-03 EP EP23157642.2A patent/EP4206653A1/en active Pending
- 2019-01-09 TW TW112124935A patent/TW202343352A/zh unknown
- 2019-01-09 CA CA3029507A patent/CA3029507A1/en active Pending
- 2019-01-09 TW TW111129742A patent/TWI810013B/zh active
- 2019-01-09 TW TW108100900A patent/TWI776010B/zh active
- 2019-01-10 MX MX2022008349A patent/MX2022008349A/es unknown
- 2019-01-10 MX MX2019000411A patent/MX2019000411A/es unknown
- 2019-01-21 JP JP2019007899A patent/JP6942741B2/ja active Active
- 2019-01-21 CN CN202111346296.9A patent/CN113989603A/zh active Pending
- 2019-01-21 CN CN201910054785.3A patent/CN110084261B/zh active Active
- 2019-01-23 KR KR1020190008936A patent/KR102338904B1/ko active IP Right Grant
-
2020
- 2020-10-16 US US17/072,437 patent/US11656175B2/en active Active
-
2021
- 2021-09-08 JP JP2021146267A patent/JP7238056B2/ja active Active
- 2021-12-08 KR KR1020210174941A patent/KR102569560B1/ko active IP Right Grant
-
2023
- 2023-03-01 JP JP2023031287A patent/JP2023088913A/ja active Pending
- 2023-05-04 US US18/312,241 patent/US20230273122A1/en active Pending
- 2023-08-17 KR KR1020230107648A patent/KR20230124871A/ko not_active Application Discontinuation
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100217537A1 (en) * | 2007-01-16 | 2010-08-26 | Chemlmage Corporation | Method and Apparatus for Multimodal Detection |
JP2010527017A (ja) * | 2007-05-16 | 2010-08-05 | ナショナル ユニバーシティー オブ アイルランド, ゴールウェイ | 分光学的データを使用し、材料または化学物質の分類および混合物中の材料または化学物質の特性を定量化するカーネル型方法および装置 |
US20100211329A1 (en) * | 2007-10-12 | 2010-08-19 | Stuart Farquharson | Method and apparatus for determining properties of fuels |
Non-Patent Citations (1)
Title |
---|
SUN, L ET AL.: "Pharmaceutical Raw Material Identification Using Miniature Near-Infrared (MicroNIR) Spectroscopy and", APPLIED SPECTROSCOPY, vol. 70, no. 5, JPN6021014256, 30 March 2016 (2016-03-30), pages 816 - 825, XP055429869, ISSN: 0004489210, DOI: 10.1177/0003702816638281 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019213986A (ja) * | 2019-09-30 | 2019-12-19 | 株式会社三洋物産 | 遊技機 |
JP2021095275A (ja) * | 2019-12-19 | 2021-06-24 | キヤノン株式会社 | 識別装置、処理装置、処理方法、およびプログラム |
WO2021124715A1 (ja) * | 2019-12-19 | 2021-06-24 | キヤノン株式会社 | 識別装置、処理装置、処理方法、およびプログラム |
JP7361594B2 (ja) | 2019-12-19 | 2023-10-16 | キヤノン株式会社 | 識別装置、処理装置、処理方法、およびプログラム |
JP7418200B2 (ja) | 2019-12-19 | 2024-01-19 | キヤノン株式会社 | 識別装置、処理装置、処理方法、およびプログラム |
US11930142B2 (en) | 2019-12-19 | 2024-03-12 | Canon Kabushiki Kaisha | Identification apparatus, processing apparatus, processing method, and storage medium |
Also Published As
Publication number | Publication date |
---|---|
TWI810013B (zh) | 2023-07-21 |
CN113989603A (zh) | 2022-01-28 |
JP2023088913A (ja) | 2023-06-27 |
KR20230124871A (ko) | 2023-08-28 |
TW202343352A (zh) | 2023-11-01 |
TW202244826A (zh) | 2022-11-16 |
CA3029507A1 (en) | 2019-07-26 |
US20190236333A1 (en) | 2019-08-01 |
US20230273122A1 (en) | 2023-08-31 |
MX2019000411A (es) | 2019-09-10 |
KR102338904B1 (ko) | 2021-12-13 |
JP6942741B2 (ja) | 2021-09-29 |
EP3518147A1 (en) | 2019-07-31 |
TWI776010B (zh) | 2022-09-01 |
US10810408B2 (en) | 2020-10-20 |
MX2022008349A (es) | 2022-08-08 |
US11656175B2 (en) | 2023-05-23 |
EP4206653A1 (en) | 2023-07-05 |
KR20210153579A (ko) | 2021-12-17 |
US20210034838A1 (en) | 2021-02-04 |
CN110084261A (zh) | 2019-08-02 |
KR102569560B1 (ko) | 2023-08-22 |
JP2021192051A (ja) | 2021-12-16 |
TW201933261A (zh) | 2019-08-16 |
CN110084261B (zh) | 2021-11-02 |
KR20190091205A (ko) | 2019-08-05 |
JP7238056B2 (ja) | 2023-03-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7238056B2 (ja) | 誤検知を減少させた分光学的分類のための識別 | |
JP7242311B2 (ja) | 誤検知を減少させた分光学的定量化のための装置、非一時的コンピュータ可読媒体及び方法 | |
JP6605415B2 (ja) | 分光法を用いる識別 | |
US20230273121A1 (en) | Outlier detection for spectroscopic classification | |
EP4033419A1 (en) | Outlier detection for spectroscopic classification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210219 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210219 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20210311 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210420 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210716 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210810 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210908 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6942741 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |