JP2022520633A - 拡張粒子群帯域選択 - Google Patents
拡張粒子群帯域選択 Download PDFInfo
- Publication number
- JP2022520633A JP2022520633A JP2021547680A JP2021547680A JP2022520633A JP 2022520633 A JP2022520633 A JP 2022520633A JP 2021547680 A JP2021547680 A JP 2021547680A JP 2021547680 A JP2021547680 A JP 2021547680A JP 2022520633 A JP2022520633 A JP 2022520633A
- Authority
- JP
- Japan
- Prior art keywords
- particle
- approximately
- reward
- infrared
- compound
- 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.)
- Pending
Links
- 239000002245 particle Substances 0.000 title claims description 116
- 238000005457 optimization Methods 0.000 title description 4
- 238000000034 method Methods 0.000 claims abstract description 66
- 150000001875 compounds Chemical class 0.000 claims abstract description 57
- 239000002360 explosive Substances 0.000 claims abstract description 54
- 239000003814 drug Substances 0.000 claims abstract description 38
- 229940079593 drug Drugs 0.000 claims abstract description 37
- 239000000126 substance Substances 0.000 claims abstract description 27
- QGZKDVFQNNGYKY-UHFFFAOYSA-O Ammonium Chemical compound [NH4+] QGZKDVFQNNGYKY-UHFFFAOYSA-O 0.000 claims abstract description 19
- 238000004590 computer program Methods 0.000 claims abstract description 15
- 235000013334 alcoholic beverage Nutrition 0.000 claims abstract description 8
- 150000002484 inorganic compounds Chemical class 0.000 claims abstract description 8
- 229910010272 inorganic material Inorganic materials 0.000 claims abstract description 8
- 150000002894 organic compounds Chemical class 0.000 claims abstract description 8
- 231100000167 toxic agent Toxicity 0.000 claims abstract description 8
- ZPUCINDJVBIVPJ-LJISPDSOSA-N cocaine Chemical compound O([C@H]1C[C@@H]2CC[C@@H](N2C)[C@H]1C(=O)OC)C(=O)C1=CC=CC=C1 ZPUCINDJVBIVPJ-LJISPDSOSA-N 0.000 claims description 32
- 230000008569 process Effects 0.000 claims description 31
- 239000000463 material Substances 0.000 claims description 26
- 229960003920 cocaine Drugs 0.000 claims description 16
- SPSSULHKWOKEEL-UHFFFAOYSA-N 2,4,6-trinitrotoluene Chemical compound CC1=C([N+]([O-])=O)C=C([N+]([O-])=O)C=C1[N+]([O-])=O SPSSULHKWOKEEL-UHFFFAOYSA-N 0.000 claims description 15
- 239000000015 trinitrotoluene Substances 0.000 claims description 15
- RYYVLZVUVIJVGH-UHFFFAOYSA-N caffeine Chemical compound CN1C(=O)N(C)C(=O)C2=C1N=CN2C RYYVLZVUVIJVGH-UHFFFAOYSA-N 0.000 claims description 14
- BFNBIHQBYMNNAN-UHFFFAOYSA-N ammonium sulfate Chemical compound N.N.OS(O)(=O)=O BFNBIHQBYMNNAN-UHFFFAOYSA-N 0.000 claims description 9
- 229910052921 ammonium sulfate Inorganic materials 0.000 claims description 9
- 235000011130 ammonium sulphate Nutrition 0.000 claims description 9
- 230000005670 electromagnetic radiation Effects 0.000 claims description 8
- KWTSXDURSIMDCE-QMMMGPOBSA-N (S)-amphetamine Chemical compound C[C@H](N)CC1=CC=CC=C1 KWTSXDURSIMDCE-QMMMGPOBSA-N 0.000 claims description 7
- UPSVYNDQEVZTMB-UHFFFAOYSA-N 2-methyl-1,3,5-trinitrobenzene;1,3,5,7-tetranitro-1,3,5,7-tetrazocane Chemical compound CC1=C([N+]([O-])=O)C=C([N+]([O-])=O)C=C1[N+]([O-])=O.[O-][N+](=O)N1CN([N+]([O-])=O)CN([N+]([O-])=O)CN([N+]([O-])=O)C1 UPSVYNDQEVZTMB-UHFFFAOYSA-N 0.000 claims description 7
- MGTZNGICWXYDPR-ZJWHSJSFSA-N 3-[[(2r)-2-[[(2s)-2-(azepane-1-carbonylamino)-4-methylpentanoyl]amino]-3-(1h-indol-3-yl)propanoyl]amino]butanoic acid Chemical compound N([C@@H](CC(C)C)C(=O)N[C@H](CC=1C2=CC=CC=C2NC=1)C(=O)NC(C)CC(O)=O)C(=O)N1CCCCCC1 MGTZNGICWXYDPR-ZJWHSJSFSA-N 0.000 claims description 7
- USSIQXCVUWKGNF-UHFFFAOYSA-N 6-(dimethylamino)-4,4-diphenylheptan-3-one Chemical compound C=1C=CC=CC=1C(CC(C)N(C)C)(C(=O)CC)C1=CC=CC=C1 USSIQXCVUWKGNF-UHFFFAOYSA-N 0.000 claims description 7
- 241000218236 Cannabis Species 0.000 claims description 7
- GVGLGOZIDCSQPN-PVHGPHFFSA-N Heroin Chemical compound O([C@H]1[C@H](C=C[C@H]23)OC(C)=O)C4=C5[C@@]12CCN(C)[C@@H]3CC5=CC=C4OC(C)=O GVGLGOZIDCSQPN-PVHGPHFFSA-N 0.000 claims description 7
- LPHGQDQBBGAPDZ-UHFFFAOYSA-N Isocaffeine Natural products CN1C(=O)N(C)C(=O)C2=C1N(C)C=N2 LPHGQDQBBGAPDZ-UHFFFAOYSA-N 0.000 claims description 7
- YQEZLKZALYSWHR-UHFFFAOYSA-N Ketamine Chemical compound C=1C=CC=C(Cl)C=1C1(NC)CCCCC1=O YQEZLKZALYSWHR-UHFFFAOYSA-N 0.000 claims description 7
- NNJVILVZKWQKPM-UHFFFAOYSA-N Lidocaine Chemical compound CCN(CC)CC(=O)NC1=C(C)C=CC=C1C NNJVILVZKWQKPM-UHFFFAOYSA-N 0.000 claims description 7
- FYIUUQUPOKIKNI-UHFFFAOYSA-N acetylfentanyl Chemical group C=1C=CC=CC=1N(C(=O)C)C(CC1)CCN1CCC1=CC=CC=C1 FYIUUQUPOKIKNI-UHFFFAOYSA-N 0.000 claims description 7
- 229960001948 caffeine Drugs 0.000 claims description 7
- VJEONQKOZGKCAK-UHFFFAOYSA-N caffeine Natural products CN1C(=O)N(C)C(=O)C2=C1C=CN2C VJEONQKOZGKCAK-UHFFFAOYSA-N 0.000 claims description 7
- 229960000632 dexamfetamine Drugs 0.000 claims description 7
- 229960002069 diamorphine Drugs 0.000 claims description 7
- 229960004207 fentanyl citrate Drugs 0.000 claims description 7
- IVLVTNPOHDFFCJ-UHFFFAOYSA-N fentanyl citrate Chemical compound OC(=O)CC(O)(C(O)=O)CC(O)=O.C=1C=CC=CC=1N(C(=O)CC)C(CC1)CCN1CCC1=CC=CC=C1 IVLVTNPOHDFFCJ-UHFFFAOYSA-N 0.000 claims description 7
- 229960003299 ketamine Drugs 0.000 claims description 7
- 229960004194 lidocaine Drugs 0.000 claims description 7
- 229960001797 methadone Drugs 0.000 claims description 7
- JTJMJGYZQZDUJJ-UHFFFAOYSA-N phencyclidine Chemical compound C1CCCCN1C1(C=2C=CC=CC=2)CCCCC1 JTJMJGYZQZDUJJ-UHFFFAOYSA-N 0.000 claims description 7
- 229960001252 methamphetamine Drugs 0.000 claims description 6
- MYWUZJCMWCOHBA-VIFPVBQESA-N methamphetamine Chemical compound CN[C@@H](C)CC1=CC=CC=C1 MYWUZJCMWCOHBA-VIFPVBQESA-N 0.000 claims description 6
- PAWQVTBBRAZDMG-UHFFFAOYSA-N 2-(3-bromo-2-fluorophenyl)acetic acid Chemical compound OC(=O)CC1=CC=CC(Br)=C1F PAWQVTBBRAZDMG-UHFFFAOYSA-N 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 2
- 239000003958 nerve gas Substances 0.000 claims 3
- 239000003440 toxic substance Substances 0.000 claims 3
- -1 methanefetamine Chemical compound 0.000 claims 1
- 238000010586 diagram Methods 0.000 abstract description 10
- 238000012545 processing Methods 0.000 abstract description 2
- 230000001105 regulatory effect Effects 0.000 abstract description 2
- 240000004308 marijuana Species 0.000 abstract 1
- 230000006870 function Effects 0.000 description 47
- 238000004422 calculation algorithm Methods 0.000 description 39
- 238000012546 transfer Methods 0.000 description 28
- 238000001514 detection method Methods 0.000 description 19
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 230000009466 transformation Effects 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 5
- 239000000203 mixture Substances 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 239000004081 narcotic agent Substances 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 239000000758 substrate Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004040 coloring Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000004033 plastic Substances 0.000 description 2
- 238000000862 absorption spectrum Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 239000001166 ammonium sulphate Substances 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 239000000123 paper Substances 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 239000013077 target material Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- 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
- G06V20/693—Acquisition
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Crystallography & Structural Chemistry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Chemical & Material Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
【要約】【解決手段】 本開示は、対象物体上に付着または対象物体に関連する対象化合物を検出するシステム、方法、およびコンピュータプログラム製品を提供する。前記対象化合物は限定されるものではなく、薬物、アルコール飲料、大麻、麻薬、州法、連邦法、または国際法によって規定された規制薬物、アンモニウム系爆発性物質、ＭＧＥ系爆発性物質、毒性化合物、有機化合物、無機化合物、神経ガス、または生体化合物を含む。本開示により、特に低電力装置または携帯装置でのハイパースペクトル画像の処理の速度および効率性が向上する。【選択図】 図４
Description
本出願は、２０１９年２月１４日付で出願された、「ＥＸＴＥＮＤＥＤ ＰＡＲＴＩＣＬＥ ＳＷＡＲＭ ＢＡＮＤ ＳＥＬＥＣＴＩＯＮ（拡張粒子群帯域選択）と題する米国特許仮出願第６２／８５０，７４２号に対して優先権を主張するものであり、その内容の全体がこの参照により本明細書に組み込まれる。
隠匿薬物、化学兵器、および爆発性物質の非接触検出のためにハイパースペクトル画像が着目されてきている。より一般的には、ハイパースペクトル撮像は、科学、材料科学、医療、診断および製造など、材料表面上の異なる化合物または化学的特徴の検出が望まれる任意の分野において有用である。しかしながら、ハイパースペクトル画像は、スペクトル情報量が豊富である一方、そのような大量の次元データを処理することは困難である。大量の次元データの処理は、低電力装置または携帯装置でハイパースペクトルデータを略リアルタイムまたはリアルタイムで取得および／または処理する必要がある用途において特に困難である。
特に低電力装置または携帯装置でハイパースペクトル画像をより高速かつ効率的に処理し、高精度の物体検出を行うためには、ハイパースペクトル画像の帯域数を大幅に減少させる必要がある。リモートセンシングおよび地上ベースのハイパースペクトル画像におけるハイパースペクトル画像の次元数を減少させることは、帯域選択として知られており、いくつかの従来技術を用いてこのような次元数の減少が行われる。通常、帯域選択には、固有ベクトル解析、一次導関数解析、主成分解析、およびそれらの確率変数などの変換に基づく方法が用いられてきた。これらの方法では、行列変換がハイパースペクトル画像に適用され、データがより低次元の座標空間に投影される。このような変換が行われることにより物体の元のスペクトル情報が損失する結果となるが、この元のスペクトル情報は、自動目標検出アルゴリズムの後続工程において必要な情報である場合が多い。さらに変換に基づく方法では、行列変換を適用するためにすべてのハイパースペクトル画像を収集する必要があり、これにより特に低電力装置または携帯装置においては、リアルタイムまたは略リアルタイムの検出が困難であった。
代替的に情報に基づく方法では、ハイパースペクトル画像における各帯域の情報量の測定が試行される。ここで、より情報量が多く、識別力を有する帯域が物体検出のために選択される。例示的な情報に基づく方法は、エントロピー、相互情報量、拘束エネルギー、帯域相関、記述的特徴、およびクラスターの中心間距離の測定に基づいている。情報に基づく方法は、帯域サブセットが対象物体の元のスペクトル情報を維持する点で変換に基づく方法と比べて利点がある。しかしながら、情報に基づく方法は、環境変化、照明変動、ノイズなどの情報量に影響を与える現実世界の外部要因に対して感受性が非常に高い。
よって、対象物体上に存在する任意の化学物質または材料に関する最適スコア伝達関数を迅速かつ効率的に取得する技術が必要とされる。
本開示は、対象物体上に付着または対象物体に関連する対象化合物を検出する方法およびシステムを提供する。
１実施形態において、ハイパースペクトル画像を使用して対象化合物を検出するシステムである。このシステムはプロセッサを有し、当該プロセッサは、ハイパースペクトル画像を検出した際に、ハイパーキューブを収集し、前記ハイパーキューブの少なくとも１つの粒子を初期化し、目的関数を前記ハイパーキューブに適用して少なくとも１つの報酬を決定し、前記少なくとも１つの報酬を統合し、より小さい報酬を有する粒子を変更し、各粒子の速度を更新し、各粒子の報酬を評価し、各粒子の報酬が特定の閾値より大きい場合、前記対象化合物の画像を出力し、各粒子の報酬が特定の閾値未満である場合、目的関数を前記ハイパーキューブに適用して少なくとも１つの報酬を決定し、前記少なくとも１つの報酬を統合し、より小さい報酬を有する粒子を変更し、各粒子の速度を更新し、各粒子の報酬を再評価する。
別の１実施形態において、前記ハイパーキューブは、約０．０１ｎｍ～約１０ｎｍ（Ｘ線）、約１８０ｎｍ～約３８０ｎｍ（紫外線：ＵＶ）、約３８０ｎｍ～約７２０ｎｍ（可視光線：ＶＩＳ）、約７２０ｎｍ～約１１００ｎｍ（近赤外線：ＮＩＲ）、約４００ｎｍ～約１１００ｎｍ（可視－近赤外線：ＶＩＳ－ＮＩＲ）、約８５０ｎｍ～約１８００ｎｍ（短波赤外線：ＳＷＩＲ）、約１２００ｎｍ～約２４５０ｎｍ（拡張短波赤外線：ｅＳＷＩＲ）、約７２０ｎｍ～約２５００ｎｍ（近赤外拡張短波赤外線：ＮＩＲr－ｅＳＷＩＲ）、約３μｍ～約８μｍ（中波長赤外線：ＭＷＩＲ）、約８μｍ～約１５μｍ（長波長赤外線：ＬＷＩＲ）、約１５μｍ～約１ｍｍ（遠赤外線：ＦＩＲ）、約７２０ｎｍ～約１ｍｍ（赤外線：ＩＲ）、または約１００μｍ～約１ｍｍ（テラヘルツ）、隣接かつ連続する波長範囲、重複する波長範囲、または重複しない波長範囲のうちの１若しくはそれ以上を含む電磁放射線の波長から、画像検出器によって画像化される。
別の１実施形態において、前記対象化合物は、薬物、アルコール飲料、大麻、麻薬、アンモニウム系爆発性物質、ＭＧＥ系爆発性物質、毒性化合物、有機化合物、無機化合物、神経ガス、生体化合物、およびそれらの組み合わせのうちの１若しくはそれ以上である。
別の１実施形態において、前記薬物は、サボキソン、ヘロイン、メタンフェタミン、メタドン、コカイン、ケタミン、ＰＣＰ、アセチルフェンタニル、クエン酸フェンタニル、Ｄ－アンフェタミン、リドカイン、純化コカイン、カフェイン、およびそれらの組み合わせから成る群から選択される。
別の１実施形態において、前記アンモニウム系爆発性物質は、硫酸アンモニウム、硝安油剤（ＡＮＦＯ）、ダイナマイト、ｄｙｎｏ ＡＰ、およびそれらの組み合わせから成る群から選択される。
別の１実施形態において、前記ＭＧＥ系爆発性物質は、トリニトロトルエン（ＴＮＴ）、ＨＭＸオクトール、ＲＤＸ、Ｃ４、Ｃｏｍｐ Ｂ、およびそれらの組み合わせから成る群から選択される。
別の１実施形態において、前記粒子は、約１ｎｍ～約２０ｎｍの帯域サイズから初期化される。
１実施形態において、ハイパースペクトル画像を使用して対象化合物を検出する方法がある。この方法は、画像検出器からハイパーキューブを収集する工程と、前記ハイパーキューブの少なくとも１つの粒子を初期化する工程と、目的関数を前記ハイパーキューブに適用して少なくとも１つの報酬を決定する工程と、前記少なくとも１つの報酬を統合する工程と、より小さい報酬を有する粒子を変更する工程と、各粒子の速度を更新する工程と、各粒子の報酬を評価する工程と、各粒子の報酬が特定の閾値より大きい場合、前記対象化合物の画像を出力する工程と、各粒子の報酬が特定の閾値未満である場合、目的関数を前記ハイパーキューブに適用して少なくとも１つの報酬を決定する工程と、前記少なくとも１つの報酬を統合する工程と、より小さい報酬を有する粒子を変更する工程と、各粒子の速度を更新する工程と、各粒子の報酬を再評価する工程とを有する。
別の１実施形態において、前記ハイパーキューブは、約０．０１ｎｍ～約１０ｎｍ（Ｘ線）、約１８０ｎｍ～約３８０ｎｍ（紫外線：ＵＶ）、約３８０ｎｍ～約７２０ｎｍ（可視光線：ＶＩＳ）、約７２０ｎｍ～約１１００ｎｍ（近赤外線：ＮＩＲ）、約４００ｎｍ～約１１００ｎｍ（可視－近赤外線：ＶＩＳ－ＮＩＲ）、約８５０ｎｍ～約１８００ｎｍ（短波赤外線：ＳＷＩＲ）、約１２００ｎｍ～約２４５０ｎｍ（拡張短波赤外線：ｅＳＷＩＲ）、約７２０ｎｍ～約２５００ｎｍ（近赤外拡張短波赤外線：ＮＩＲr－ｅＳＷＩＲ）、約３μｍ～約８μｍ（中波長赤外線：ＭＷＩＲ）、約８μｍ～約１５μｍ（長波長赤外線：ＬＷＩＲ）、約１５μｍ～約１ｍｍ（遠赤外線：ＦＩＲ）、約７２０ｎｍ～約１ｍｍ（赤外線：ＩＲ）、または約１００μｍ～約１ｍｍ（テラヘルツ）、隣接かつ連続する波長範囲、重複する波長範囲、または重複しない波長範囲のうちの１若しくはそれ以上を含む電磁放射線の波長から、画像検出器によって画像化される。
別の１実施形態において、前記対象化合物は、薬物、アルコール飲料、大麻、麻薬、アンモニウム系爆発性物質、ＭＧＥ系爆発性物質、毒性化合物、有機化合物、無機化合物、神経ガス、生体化合物、およびそれらの組み合わせのうちの１若しくはそれ以上である。
別の１実施形態において、前記薬物は、サボキソン、ヘロイン、メタンフェタミン、メタドン、コカイン、ケタミン、ＰＣＰ、アセチルフェンタニル、クエン酸フェンタニル、Ｄ－アンフェタミン、リドカイン、純化コカイン、カフェイン、およびそれらの組み合わせから成る群から選択される。
別の１実施形態において、前記アンモニウム系爆発性物質は、硫酸アンモニウム、硝安油剤（ＡＮＦＯ）、ダイナマイト、ｄｙｎｏ ＡＰ、およびそれらの組み合わせから成る群から選択される。
別の１実施形態において、前記ＭＧＥ系爆発性物質は、トリニトロトルエン（ＴＮＴ）、ＨＭＸオクトール、ＲＤＸ、Ｃ４、Ｃｏｍｐ Ｂ、およびそれらの組み合わせから成る群から選択される。
別の１実施形態において、前記粒子は、約１ｎｍ～約２０ｎｍの帯域サイズから初期化される。
１実施形態において、ハイパースペクトル画像を使用して対象化合物を検出するコンピュータプログラム製品がある。このコンピュータプログラム製品はプログラム命令が実装されたコンピュータ可読記憶媒体を有し、前記プログラム命令はプロセッサによって実行可能であり、前記プロセッサに、画像検出器からハイパーキューブを収集する工程と、前記ハイパーキューブの少なくとも１つの粒子を初期化する工程と、目的関数を前記ハイパーキューブに適用して少なくとも１つの報酬を決定する工程と、前記少なくとも１つの報酬を統合する工程と、より小さい報酬を有する粒子を変更する工程と、各粒子の速度を更新する工程と、各粒子の報酬を評価する工程と、各粒子の報酬が特定の閾値より大きい場合、前記対象化合物の画像を出力する工程と、各粒子の報酬が特定の閾値未満である場合、目的関数を前記ハイパーキューブに適用して少なくとも１つの報酬を決定する工程と、前記少なくとも１つの報酬を統合する工程と、より小さい報酬を有する粒子を変更する工程と、各粒子の速度を更新する工程と、各粒子の報酬を再評価する工程とを実行させる。
別の１実施形態において、前記ハイパーキューブは、約０．０１ｎｍ～約１０ｎｍ（Ｘ線）、約１８０ｎｍ～約３８０ｎｍ（紫外線：ＵＶ）、約３８０ｎｍ～約７２０ｎｍ（可視光線：ＶＩＳ）、約７２０ｎｍ～約１１００ｎｍ（近赤外線：ＮＩＲ）、約４００ｎｍ～約１１００ｎｍ（可視－近赤外線：ＶＩＳ－ＮＩＲ）、約８５０ｎｍ～約１８００ｎｍ（短波赤外線：ＳＷＩＲ）、約１２００ｎｍ～約２４５０ｎｍ（拡張短波赤外線：ｅＳＷＩＲ）、約７２０ｎｍ～約２５００ｎｍ（近赤外拡張短波赤外線：ＮＩＲr－ｅＳＷＩＲ）、約３μｍ～約８μｍ（中波長赤外線：ＭＷＩＲ）、約８μｍ～約１５μｍ（長波長赤外線：ＬＷＩＲ）、約１５μｍ～約１ｍｍ（遠赤外線：ＦＩＲ）、約７２０ｎｍ～約１ｍｍ（赤外線：ＩＲ）、または約１００μｍ～約１ｍｍ（テラヘルツ）、隣接かつ連続する波長範囲、重複する波長範囲、または重複しない波長範囲のうちの１若しくはそれ以上を含む電磁放射線の波長から、画像検出器によって画像化される。
別の１実施形態において、前記対象化合物は、薬物、アルコール飲料、大麻、麻薬、アンモニウム系爆発性物質、ＭＧＥ系爆発性物質、毒性化合物、有機化合物、無機化合物、神経ガス、生体化合物、およびそれらの組み合わせのうちの１若しくはそれ以上である。
別の１実施形態において、前記薬物は、サボキソン、ヘロイン、メタンフェタミン、メタドン、コカイン、ケタミン、ＰＣＰ、アセチルフェンタニル、クエン酸フェンタニル、Ｄ－アンフェタミン、リドカイン、純化コカイン、カフェイン、およびそれらの組み合わせから成る群から選択される。
別の１実施形態において、前記アンモニウム系爆発性物質は、硫酸アンモニウム、硝安油剤（ＡＮＦＯ）、ダイナマイト、ｄｙｎｏ ＡＰ、およびそれらの組み合わせから成る群から選択される。
別の１実施形態において、前記ＭＧＥ系爆発性物質は、トリニトロトルエン（ＴＮＴ）、ＨＭＸオクトール、ＲＤＸ、Ｃ４、Ｃｏｍｐ Ｂ、およびそれらの組み合わせから成る群から選択される。
別の１実施形態において、前記粒子は、約１ｎｍ～約２０ｎｍの帯域サイズから初期化される。
本明細書に記載の実施形態の態様、特徴、利点は、以下の説明、添付の特許請求の範囲および図面を参照することにより明らかである。
図１は、拡張粒子群帯域選択（ＥＰＳＢＳ：Ｅｘｔｅｎｄｅｄ Ｐａｒｔｉｃｌｅ Ｓｗａｒｍ Ｂａｎｄ Ｓｅｌｅｃｔｉｏｎ）アルゴリズムのワークフローの１実施形態を示す図である。
図２は、速度更新規則を用いた、探索空間における粒子の移動経路を示す図である。
図３Ａは、対象物体上の対象化合物を示す図である。
図３Ｂは、図３Ａの対象化合物に例示的な伝達関数ＷＬ１／ＷＬ２を適用することによって生成された探索空間Ｎを示す。
図３Ｃは、図３Ｂの探索空間Ｎにスコア伝達関数αｏを適用することによって生成された最適スコア画像Ｓｏを示す。
図３Ｄは、Ｒｉとαｉとの間の相関関係を示す線グラフである。
図４は、ＥＰＳＢＳアルゴリズムのワークフローの１実施形態を示す図である。
図５は、ＥＰＳＢＳアルゴリズムのワークフローの別の１実施形態を示す図である。
図６は、本開示の薬物検出における１実施形態を示す図である。
図７は、本開示の爆発性物質検出における１実施形態を示す図である。
本開示は、記載されている特定のシステム、装置、および方法に限定されるものではなく、当該システム、装置、および方法は変更される可能性がある。本説明で使用される用語は、特定のバージョンまたは実施形態を説明することのみを目的としており、特許請求の範囲を限定することを意図するものではない。
本明細書で使用される場合において、単数形の「ａ」、「ａｎ」、および「ｔｈｅ」は、文脈で明示されていない限り、複数形への言及も含む。別段の定義がない限り、本明細書で使用されるすべての技術的および科学的用語は、当業者によって一般的に理解されるものと同じ意味を有する。本開示のいかなる内容も、本開示に記載された実施形態が、先行発明のためにそのような開示に先行する権利がないことを認めるものと解釈されるべきではない。本明細書で使用されている「有する」という用語は、「含むがこれに限定されない」ことを意味する。
本明細書において、「ハイパーキューブ（ｈｙｐｅｒｃｕｂｅ）」という用語は、多帯域ハイパースペクトル画像を意味する。
本明細書において、「スコア画像」という用語は、１若しくはそれ以上の数学演算により多帯域を結合することで得られる２次元のグレースケール画像を意味する。
本明細書において、「スコア伝達関数」という用語は、ハイパーキューブに適用された場合スコア画像を得る数学演算を意味する。例えば、波長１２００ｍｍ、１２７０ｍｍ、１２３５ｍｍに関するスコア伝達関数は以下となる。
本明細書において、「粒子」または「複数の粒子」という用語はそれぞれ、スコア伝達関数のポテンシャル解または複数のポテンシャル解を意味する。
本明細書において、「方程式の長さ（ｌｅｎｇｔｈ ｏｆ ｅｑｕａｔｉｏｎ）」という用語は、スコア伝達関数に使用される帯域総数に演算総数を加算したものを意味する。例えば、長さ３の方程式は、
本開示は、対象物体上に存在、対象物体と接触、または対象物体に関連する対象化合物を検出するシステムおよび方法を提供する。本開示のシステムおよび方法は、拡張粒子群帯域選択アルゴリズム（ＥＰＳＢＳ：ｅｘｔｅｎｄｅｄ ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｂａｎｄ ｓｅｌｅｃｔｉｏｎ)を利用して、任意の対象化合物の光学的スコア伝達関数（ｏｐｔｉｃａｌ ｓｃｏｒｅ ｔｒａｎｓｆｅｒ ｆｕｎｃｔｉｏｎｓ）を得る。ＥＰＳＢＳアルゴリズムは、帯域選択および演算子選択を同時に実行する。また、ＥＰＳＢＳアルゴリズムは、修正フィッシャー比およびＺスコアの産物によって定義される目的関数を最大化する。Ｚスコアは、対象物体および背景領域の信号対雑音比を測定する。修正フィッシャー比は、対象物体および背景領域の相対分散を測定する。ＥＰＳＢＳアルゴリズムでは、ハイパースペクトル解析を実行するのに必要とされる帯域数を最適化可能なパラメータとして考慮するため、速度更新を実行する前に変更工程を実行する。このような変更工程では、報酬（ｒｅｗａｒｄｓ）がより小さい粒子を所定の反復において最適な粒子の長さに適合させるために変更することが許容される。
ＥＰＳＢＳアルゴリズムの一部において、目的関数を使用して各粒子の報酬が評価される。報酬評価は、目的関数にポテンシャル解を与えることによって行われる。個別および全体における最大報酬および最良位置は、新たに評価された報酬をそれ以前の個別および全体における最大報酬と比較することで更新され、最大報酬および最良位置に適宜置換される。速度および位置の更新工程がＥＰＳＢＳアルゴリズムの最適化機能に関与している。粒子群における各粒子は、以下の速度更新規則を使用して更新される（用語については図２に関連して定義）。
図１は、ＥＰＳＢＳアルゴリズムの一部における計算のフロー図を示す。図１に示すように、粒子群を形成するｎ粒子までの候補解が目的関数に入力され、次に各粒子に対応する適応度情報（ｆｉｔｎｅｓｓ ｉｎｆｏｒｍａｔｉｏｎ）が算出される。前記速度更新規則が粒子群の各粒子に適用され、当該速度更新規則に対する解が目的関数に戻される。いくつかの実施形態において、図１に示す工程は、１、２、３、４、５、６、７、８、９、または１０回繰り返されるか、若しくは反復される。しかしながら、反復回数は限定的なものではなく、対象化合物、対象物体、背景環境要因などに基づいて変更することができる。
図２は、速度更新規則を用いた、探索空間における粒子の移動経路を図示している。粒子指数はｉで表される。したがって、Ｖｉ（ｔ）は、反復ｔにおける粒子ｉの速度であり、ｘｉ（ｔ）は、反復ｔにおける粒子ｉの位置である。パラメータｗ（慣性確率：ｉｎｅｒｔｉａｌ ｃｈａｎｃｅ）は粒子の現在の運動方向におけるステップサイズを制御し、また、ｃ１およびｃ２はそれぞれ、各粒子の最良方向および粒子全体の最良方向のステップサイズを制御する（０≦ｗ≦１．２，０≦ｃ１≦２，および０≦ｃ２≦２）。ｒ１値およびｒ２値（０≦ｒ１≦１および０≦ｒ２≦１）は各速度更新について生成された乱数値である。Ｘｉ（ｔ）は、反復ｔにおける粒子ｉの個別の最良候補解であり、ｇ（ｔ）は反復ｔにおける粒子群全体の最良候補解である。
速度更新方程式における３つの項の各項はＥＰＳＢＳアルゴリズムにおいて異なる機能を果たす。第１の項であるｗ＊Ｖｉ（ｔ）は慣性成分であり、元々向かっていた方向と同じ方向に対する粒子の移動に関与している。第２の項であるｃ１＊ｒ１［Ｘｉ（ｔ）－ｘｉ（ｔ）］は認識成分と呼ばれ、粒子の記憶として機能する。当該成分により探索空間において報酬が大きかった領域に粒子が戻る傾向が生じる。第３の項であるｃ２＊ｒ２［ｇ（ｔ）－ｘｉ（ｔ）］は社会成分と呼ばれ、当該成分により、粒子は粒子群が発見した最良領域に移動する。ＥＰＳＢＳによる最適化では、ハイパーキューブ探索空間が１０次元を超える場合でも、ローカル最適点で不動となることなく、グローバル最適点に即座に収束することが示されている。ＥＰＳＢＳに基づいたスコア伝達関数の選択は、ＥＰＳＢＳのこの能力により、ハイパースペクトル画像におけるオブジェクトクラスを検出するためのスコア画像を生成する技法として信頼性の高いものとなる。
本開示のＥＰＳＢＳアルゴリズムでは、限られた反復数内で帯域選択および数学演算子の選択を同時に実行することで上記の反復が拡張される。１実施形態において、ハイパーキューブは、対象化合物に関連する対象物体から反射された電磁放射線を収集することにより形成される。特に対象化合物の化学組成および対象物体の化学組成に基づいて、ハイパーキューブを構成する少なくとも２つの帯域間に空間対比（ｓｐａｔｉａｌ ｃｏｎｔｒａｓｔ）が存在する。このような空間対比は、対象物体において対象化合物が含まれる領域と、対象物体において対象化合物が含まれない領域との間に現れる。対象物体において対象化合物が含まれる領域と、対象物体において対象化合物が含まれない領域との間の空間対比を示すために、収集された帯域のうち少なくとも２つの帯域が使用される。
ＥＰＳＢＳアルゴリズムは、上述した空間対比を増大させるために適用される。いくつかの実施形態において、スコア伝達関数はＷＬ１／ＷＬ２の構造を有し、当該構造中、ＷＬ１は第１の波長帯域であり、ＷＬ２は第２の波長帯域である。帯域ステップサイズ５ｎｍの波長１０００ｎｍ～１７００ｎｍから収集された例示的なハイパーキューブにおいては、計１４１の帯域が存在し、各帯域は潜在的にＷＬ１またはＷＬ２に相当する。２つの帯域の間に有意な対比が存在する場合、ＥＰＳＢＳアルゴリズムは、１４１ｘ１４０または１９，７４０の潜在的な選択肢のうち、ＷＬ１／ＷＬ２の構造を有するスコア伝達関数に入力すべき帯域を決定しなければならない。但し、ハイパーキューブの波長および帯域ステップサイズは限定されるものではなく、上記範囲は例示的なものであることに留意されたい。
可能なすべてのスコア伝達関数αｉによってスコア画像Ｓｉが生成される。スコア画像Ｓｉについての報酬は以下の方程式によって計算される。
Ｒｉとαｉとの間の相関関係により探索空間Ｎが生成される。ＥＰＳＢＳアルゴリズムの目的は、Ｎを効率的にトラバースして最適スコア伝達関数αｏを発見し、次にαｏを使用して生成されるスコア画像Ｓｏにより報酬を最大化させることにある。スコア画像Ｓｉの所与のクラスｃにおいて、ｘＴおよびｘＢはそれぞれ、ＴおよびＢの平均値であり、σＴおよびσＢはそれぞれ、ＴおよびＢの平均絶対偏差であり、ｎＴおよびｎＢはそれぞれ、ＴおよびＢにおける画素数であり、ＸはＴ＋Ｂの平均値である。
図３Ａ～３Ｄに上記の計算および変数を示す。図３Ａにおいて、対象化合物は（画像の中央下）に破線の四角によって示されており、対象物体は画像全体に存在し、かつ画像の左上に実線で示されている。図３Ｂは、例示的な伝達関数ＷＬ１／ＷＬ２によって生成された探索空間Ｎを示す。図３Ｃは、探索空間Ｎにスコア伝達関数αｏを適用することによって生成された最適スコア画像Ｓｏを示す。図３Ｃにおいて、白点はコントラストが強調された領域を表し、当該領域は対象物体上に対象化合物が存在することを示す。最後に、図３Ｄは、Ｒｉとαｉとの間の相関関係を示す。図３Ｄにおいて、縦軸は報酬Ｒｉに対応し、横軸はスコア伝達関数αｉに対応する。最適報酬Ｒｏは、特定のスコア伝達関数αｏに基づいて最大報酬が達成される点を表す。
ここで、図３Ａ～３Ｄに示す式および図は例示的なものであり、本開示はこれらの図で示す実施形態に限定されるものではない。例えば、上記記載は、２つの波長帯域および単一のスコア伝達関数を有するため、長さ３の方程式の例である。いくつかの実施形態において、方程式は、長さ４、長さ５、長さ６、長さ７、または長さ８の方程式である。当業者であれば理解するように、方程式の長さが増加すると、伝達関数の可能な組み合わせの数が指数関数的に増加する。
可能な組み合わせの数の指数関数的な増加の悪影響を回避するため、ＥＰＳＢＳアルゴリズムは、各粒子に関連付けられた式の長さを変更する。ＥＰＳＢＳアルゴリズムは、このような変更を達成するために次のパラメータ、すなわち、集団サイズ（Ｐｓｉｚｅで示す）、探索空間のための方程式の長さの範囲（［Ｌｍｉｎ，Ｌｍａｘ］で示す）、および粒子集団の特定の割合によって達成される許容可能な最小限の報酬Ｒｓである停止基準を受け取る。
いくつかの実施形態では、許容可能な最小限の報酬Ｒｓは、少なくとも約１０％の粒子集団、少なくとも約２０％の粒子集団、少なくとも約３０％の粒子集団、少なくとも約４０％の粒子集団、少なくとも約５０％の粒子集団、少なくとも約６０％の粒子集団、少なくとも約７０％の粒子集団、少なくとも約８０％の粒子集団、または少なくとも約９０％の粒子集団において達成される。
図４は、ＥＰＳＢＳアルゴリズムのワークフローの１実施形態を示す図である。ＥＰＳＢＳアルゴリズムは、訓練データの準備、ＥＰＳＢＳの初期化、目的関数適応度評価、統合（ａｇｇｒｅｇａｔｉｏｎ）、変更（ｍｕｔａｔｉｏｎ）、速度更新、および終了を伴う評価の概ね７つの工程を含む。
第１に、訓練データセットが生成される。この訓練データセットの生成は、複数のハイパーキューブ［Ｈ１～Ｈｎ］に注釈付けすることにより達成される。この工程において、対象材料／クラスおよび対象背景に対して目印を付けるために対象領域がハイパーキューブ上に描画される。訓練データに複数のハイパーキューブを含めることにより解のロバスト性が向上し、これにより解は照明変化および複雑な背景に対して不変となる。また、複数のハイパーキューブを含めることにより過度の適応が回避される。ハイパーキューブの数、各ハイパーキューブにおいて収集されるスペクトル、およびハイパーキューブを構成する帯域のサイズは限定されるものではない。
１若しくはそれ以上のハイパーキューブを形成するために画像検出器によって画像化できる電磁放射線または光の波長は、Ｘ線、紫外線（ＵＶ）、可視光線（ＶＩＳ）、近赤外線（ＮＩＲ）、可視－近赤外線（ＶＩＳ－ＮＩＲ）、短波赤外線（ＳＷＩＲ）、拡張短波赤外線（ｅＳＷＩＲ）、近赤外拡張短波赤外線（ＮＩＲ－ｅＳＷＩＲ）、中波長赤外線（ＭＷＩＲ）、長波長赤外線（ＬＷＩＲ）、遠赤外線（ＦＩＲ）、赤外線（ＩＲ）、およびテラヘルツ放射線を含むが、これらに限定されるものではない。これらは、約０．０１ｎｍ～約１０ｎｍ（Ｘ線）、約１８０ｎｍ～約３８０ｎｍ（ＵＶ）、約３８０ｎｍ～約７２０ｎｍ（ＶＩＳ）、約７２０ｎｍ～約１１００ｎｍ（ＮＩＲ）、約４００ｎｍ～約１１００ｎｍ（ＶＩＳ－ＮＩＲ）、約８５０ｎｍ～約１８００ｎｍ（ＳＷＩＲ）、約１２００ｎｍ～約２４５０ｎｍ（ｅＳＷＩＲ）、約７２０ｎｍ～約２５００ｎｍ（ＮＩＲr－ｅＳＷＩＲ）、約３μｍ～約８μｍ（ＭＷＩＲ）、約８μｍ～約１５μｍ（ＬＷＩＲ）、約１５μｍ～約１ｍｍ（ＦＩＲ）、約７２０ｎｍ～約１ｍｍ（ＩＲ）、および約１００μｍ～約１ｍｍ（テラヘルツ）の波長に対応する。上記の波長範囲は、単独で使用することも、一覧する範囲のいずれかと組み合わせて使用することもできる。このような組み合わせには、隣接する（連続する）波長範囲、重複する波長範囲、および重複しない波長範囲が含まれる。このような波長範囲の組み合わせは、それぞれが特定のアレイに対して高感度な複数の画像検出器を含めることによって、または複数の異なる波長範囲を感知することを可能とするフィルタアレイを有する単一の画像検出器によって達成することができる。
ＥＰＳＢＳアルゴリズムの計算対象となる帯域サイズ、すなわち波長数は限定されるものではない。いくつかの実施形態において、帯域サイズは、約１ｎｍ、約２ｎｍ、約３ｎｍ、約４ｎｍ、約５ｎｍ、約６ｎｍ、約７ｎｍ、約８ｎｍ、約９ｎｍ、約１０ｎｍ、約１１ｎｍ、約１２ｎｍ、約１３ｎｍ、約１４ｎｍ、約１５ｎｍ、約１６ｎｍ、約１７ｎｍ、約１８ｎｍ、約１９ｎｍ、約２０ｎｍ、または当該値の１若しくはそれ以上の組み合わせによって形成される波長範囲である。
第２に、ＥＰＳＢＳアルゴリズムは初期化される。いくつかの実施形態では、ＥＰＳＢＳアルゴリズムを初期化する工程は、［Ｌｍｉｎ，Ｌｍａｘ］でスコア伝達関数を初期化する工程を含む。いくつかの実施形態では、初期化はランダムである。いくつかの実施形態では、ＥＰＳＢＳアルゴリズムによる解析に使用する帯域範囲はユーザによって選択される。この場合、探索空間を制限することができるため、ＥＰＳＢＳアルゴリズムを実行するために必要とされる計算資源を制限できるという利点がある。ユーザ入力を前記第２の工程に追加することを先験性（ｐｒｉｏｒｉ）の追加という。
第３に、ＥＰＳＢＳアルゴリズムにより目的関数が適用される。目的関数は、αｉ，、ｉ、ε，およびＰｓｉｚｅを各ハイパーキューブ［Ｈ１～Ｈｎ］に適用し、スコア画像［Ｓｉ，１～Ｓｉ，ｎ］を生成し、報酬［Ｒｉ，１～Ｒｉ，ｎ］を計算する。報酬は以下の方程式によって計算される。
第４に、統合工程が実行される。粒子αｉについて［Ｒｉ，１～Ｒｉ，ｎ］が計算されると、これらの報酬が結合されて単一の値
第５に、変更工程が実行される。変更工程において、報酬がより小さい粒子は、所定の反復において最適な粒子の長さに適合させるために変更される可能性がある。（変更確率によって規定される）この変更工程は、検索に基づいた選択技法が直面する組み合わせ的爆発の問題に対処する上で非常に効率的な方法である。この工程により、粒子がローカル最適点のトラップで不動となることが回避され、アルゴリズムにとって可視ではなかった探索空間領域を探索することが可能となる。
いくつかの実施形態では、反復ｊにおいて、報酬
図５は、変更工程の例示的なワークフローを示す。図５に示す実施形態においては、報酬の改善を達成するために長さ３の方程式が長さ５の方程式に変更されている。報酬の増加は、ＥＰＳＢＳアルゴリズムの特定の適用に基づくより大きいコントラストを意味する。
第６に、速度更新が実行される。速度更新において、各粒子αｉの速度が計算され、各粒子の速度は、以下の方程式を使用して、各粒子の現在の運動方向、各粒子の最良位置、および粒子全体の最良位置に基づいて更新される。
いくつかの実施形態では、ｗ（慣性確率を示す）は、各反復において０．４～１に線形増加する変数である。上記方程式では、ｃ１およびｃ２は２に等しい。但し、これらの値は限定的なものではなく、対象化合物、対象物体等に応じて変更することができる。
第７に、評価工程が実行される。評価工程において、停止基準を満たさない場合、または停止基準を満たすまで、工程３、４、５、６がその順序に則って繰り返えされる。各反復の後画像が評価され、Ｒｓを満たすかどうかが決定される。工程３、４、５、６の反復が実行された後、停止基準を満たさない場合、上記工程３、４、５、６の次の反復が実行される。工程３、４、５、６の反復が実行された後、停止基準を満たす場合、評価工程によってＥＰＳＢＳアルゴリズムが終了され、生成された画像が出力される。
対象物体は限定されるものではなく、表面上に対象化合物を有する嫌疑のある任意の材料、その内部に対象化合物が隠匿された嫌疑のある任意の材料、対象化合物が接触、混合された嫌疑のある任意の材料、または対象物体と関連する任意の材料であってよい。対象物体は、金属、セラミック、紙、プラスチック、ポリマー、コンクリート、またはこれらの材料の１若しくはそれ以上の任意の組み合わせによって作られていてもよい。いくつかの実施形態において、対象物体は、輸送中の手紙、書類、小包、荷物、貨物である。いくつかの実施形態において、対象物体は、車両、自動車、船、ボート、航空機、貨物専用コンテナ、オートバイ、自転車、電車、またはこれの１若しくはそれ以上の組み合わせである。
対象化合物は、限定されるものではなく、薬物、アルコール飲料、大麻、麻薬、州法、連邦法、または国際法によって規定された規制薬物、アンモニウム系爆発性物質、ＭＧＥ系爆発性物質、毒性化合物、有機化合物、無機化合物、神経ガス、生体化合物、およびそれらの組み合わせのうち１若しくはそれ以上を含むことができる。例示的な薬物は、サボキソン、ヘロイン、メタンフェタミン、メタドン、コカイン、ケタミン、ＰＣＰ、アセチルフェンタニル、クエン酸フェンタニル、Ｄ－アンフェタミン、リドカイン、純化コカイン、カフェイン、およびそれらの組み合わせを含むことができる。例示的なアンモニウム系爆発性物質は、硫酸アンモニウム、硝安油剤（ＡＮＦＯ）、ダイナマイト、ｄｙｎｏ ＡＰ、およびそれらの組み合わせを含むことができる。例示的なＭＧＥ系爆発性物質は、トリニトロトルエン（ＴＮＴ）、ＨＭＸオクトール、ＲＤＸ、Ｃ４、Ｃｏｍｐ Ｂ、およびそれらの組み合わせを含むことができる。
実施例
複素共役フィルター（ＭＣＦ：Ｍｕｌｔｉ－Ｃｏｎｊｕｇａｔｅ Ｆｉｌｔｅｒｓ）を使用して収集した短波赤外線（ＳＷＩＲ）ハイパースペクトル画像を対象としてＥＰＳＢＳアルゴリズムを試験した。ハイパースペクトル画像は、ステップサイズ５ｎｍの波長１０００ｎｍ～１７００ｎｍから離散的に収集された１４１の帯域を含む。本実施例では、２つの特定の事例をシミュレーションする。実施例１は、矯正施設に配達される郵便物に隠匿された麻薬に関する事例であり、実施例２は、複雑な背景内における実物基板上の爆発性物質の残留物質量に関する事例である。各実施例は、対象物体の表面上に存在する対象化合物を表す。
複素共役フィルター（ＭＣＦ：Ｍｕｌｔｉ－Ｃｏｎｊｕｇａｔｅ Ｆｉｌｔｅｒｓ）を使用して収集した短波赤外線（ＳＷＩＲ）ハイパースペクトル画像を対象としてＥＰＳＢＳアルゴリズムを試験した。ハイパースペクトル画像は、ステップサイズ５ｎｍの波長１０００ｎｍ～１７００ｎｍから離散的に収集された１４１の帯域を含む。本実施例では、２つの特定の事例をシミュレーションする。実施例１は、矯正施設に配達される郵便物に隠匿された麻薬に関する事例であり、実施例２は、複雑な背景内における実物基板上の爆発性物質の残留物質量に関する事例である。各実施例は、対象物体の表面上に存在する対象化合物を表す。
ＥＰＳＢＳアルゴリズムによって最適スコア伝達関数を発見した後、適応的閾値処理を使用して対象化合物を検出した。ＥＰＳＢＳアルゴリズムおよび検出アルゴリズムの双方はＣ＃で実装した。表１は、使用したユーザ定義のパラメータの一覧および当該パラメータ値を示す。
郵便物に隠匿された薬物を検査するために、１０００の短波赤外線（ＳＷＩＲ）画像のデータセットが使用された。矯正施設に配達される郵便物をシミュレーションするために、様々な隠匿方法を用いて、封筒、グリーティングカード、塗り絵、名刺、および郵便はがきを含む様々な郵便物に薬物を隠匿した。薬物の濃度は、５ｍｇ～２０ｍｇの範囲であった。表２は、本実験に使用した、麻薬を含む化合物の一覧を示す。
本実験では、表２に一覧する麻薬である、サボキソンおよびその他の薬物について２つの異なる吸収スペクトルを観察した。したがって、サボキソンおよびその他の薬物の各々についてスコア伝達関数が使用されることが考えられる。
ＥＰＳＢＳアルゴリズムによる、サボキソンのスコア伝達関数の発見の訓練のために４つのハイパーキューブを使用し、また、その他の薬物のスコア伝達関数の発見の訓練のために２０のハイパーキューブを使用した。本実験において、サボキソンを検出するための伝達関数は、
表３は、本明細書で説明したＥＰＳＢＳアルゴリズムを使用することにより達成した検出性能の一覧を示す。表３に示すように、薬物全体において検出性能は８４％より高く、その他の薬物においては、比率が最高９４．１１％であった。
図６は、矯正施設に配達される郵便物に隠匿された麻薬を検出するために、ＥＰＳＢＳアルゴリズムを使用して帯域選択を行った結果を示す。行１では塗り絵にサボキソンが隠匿されている。行２では接着剤を含む封筒の閉じ目にサボキソンが隠匿されている。行３では塗り絵にサボキソンが隠匿されている。行４では封筒の切手の下にコカインが隠匿されている。行５では名刺に純化コカインが隠匿されている。
対象化合物として爆発性物質を検査するために、８０の短波赤外線（ＳＷＩＲ）ハイパースペクトル画像を撮像した。複雑な背景内における実物基板上に付着した爆発性物質の残留物質量をシミュレーションするために、重量がそれぞれ２５０ｍｇ～１０００ｍｇの範囲の少量の９つの爆発性物質を２つの異なる車のドアに付着した。対象物体を表す２つの車のドアの各々には、白色または赤色の自動車塗料を塗付した。爆発性物質をプラスチックカバーを使って覆い、ドアに取着した。
ハイパースペクトル画像は、短波赤外線（ＳＷＩＲ）波長および複素共役フィルター（ＭＣＦ）を使用して収集した。ＭＣＦおよび画像検出器は、車のドアから２．５メートルの隔離距離を置いて配置した。各材料当たり８つのＳＷＩＲハイパーキューブを収集し、また現場に存在するすべての爆発性物質に対して８つのハイパーキューブを収集した。この実験方法に基づいて、実験用に１６の試料が利用可能、若しくは１６の検出機会が設けられた。
表４は、対象化合物として本実施例で使用された爆発性物質の一覧を示す。爆発性物質の異なる化学組成に基づいて、爆発性物質を２つの異なる対象化合物群に分類した。次に、これらの２つの群に基づいて２つの異なるスコア伝達関数を生成した。ほとんどの爆発性物質は白色であるため、爆発性物質検出に対するＥＰＳＢＳアルゴリズムの正確性を担保するために、爆発性物質とともに混同材料を導入した。
試験中、表４に一覧したすべての材料を含む４つのハイパーキューブを使用してＥＰＳＢＳアルゴリズムの訓練を行った。アンモニウム系爆発性物質については、スコア伝達関数
図７は、複雑な背景内における実物基板上に付着した爆発性物質を検出するために、ＥＰＳＢＳアルゴリズムを使用して帯域選択を行った結果を示す。行１は白色の車のドア上のアンモニウム系爆発性物質の検出を示す。行２は赤色の車のドア上のアンモニウム系爆発性物質の検出を示す。行３は白色の車のドア上のＴＮＴの検出を示す。行４は白色の車のドア上のＭＧＥ系爆発性物質の検出を示す。行５は赤色の車のドア上のＭＧＥ系爆発性物質の検出を示す。
上記の詳細な説明では、本明細書の一部を形成する添付の図面を参照している。本図面では、文脈において明示されない限り、通常、類似の符号は類似の構成要素を特定する。詳細な説明、図面、および特許請求の範囲に記載された例示的な実施形態は、限定することを意味するものではない。本明細書に提示する保護対象の要旨または範囲から逸脱することなく、他の実施形態を使用することができ、他の変更を行うことができる。本明細書に記載され、図示された本開示の態様は、多種多様な異なる構成で配置、置換、結合、分離、および設計することができ、それらはすべて明示的に説明されていることが容易に理解される。
本開示は、本出願に記載されている特定の実施形態に限定されるものではなく、そのような実施形態は様々な態様を例示することを意図する。当業者であれば明らかなように、本開示の要旨および範囲から逸脱することなく、多くの変更および変形を行うことができる。本明細書に列挙されたものに加えて、本開示の範囲内の機能的に均等な方法および装置は、前述の説明から当業者にとって明らかであると考えられる。そのような変更および変形は、添付の特許請求の範囲内であることを意図する。本開示は、添付の特許請求の範囲の記載、および当該特許請求の範囲の権利範囲内である均等物の全範囲によってのみ限定される。本開示は、特定の方法、試薬、化合物、組成物、または生体系に限定されるものでなく、当然のことながらそれらは変更し得ることを理解されたい。また、本明細書で使用される用語は、特定の実施形態を説明することのみを目的としており、限定することを意図するものではないことも理解されたい。
本明細書における任意の複数形および／または単数形の用語の実質的使用に関して、当業者であれば、適宜文脈および／または用途に応じて、複数形から単数形へ、および／または単数形から複数形へ解釈可能であると考えられる。本明細書では、明確化のため、様々な単数形／複数形の入れ替えについてに明示的に記載する場合がある。
本明細書で使用される用語、特に添付の特許請求の範囲で使用される用語（例えば、添付の特許請求の範囲の本文）は、一般に「開放形式」の用語であること（例えば、「含んでいる」は「含んでいるがこれに限定されない」と解釈されるべきであり、「有する」という用語は「少なくとも有する」と解釈されるべきであり、「含む」という用語は「含むがこれに限定されない」など）と解釈されるべきであること）を意図していることを、当業者であれば理解すると考えられる。様々な組成物、方法、および装置は、様々な構成要素または工程を「有する」という観点から説明されているが（すなわち、「含むが、これらに限定されない」を意味すると解釈される）、組成物、方法、および装置はまた、様々な構成要素または工程から「本質的に成る」または「成る」場合もあり、このような用語は、本質的に閉鎖形式の要素のグループを定義するものとして解釈する必要がある。さらに、請求項の記載の導入句に特定の数が意図されている場合、そのような意図は請求項に明示的に記載されるものであり、そのような記載がない場合、そのような意図は存在しないことを当業者であれば理解すると考えられる。
例えば、理解の支援のために、以下の添付の特許請求の範囲では、請求項における記載の前に導入句として「少なくとも１つ」および「１つ若しくはそれ以上」を使用する場合がある。但し、このような導入句が使用されることで、不定冠詞「ａ」または「ａｎ」が請求項内の記載の前に導入される場合、当該記載を含む任意の請求項が、当該記載のみを含む実施形態に限定されると解釈すべきではない。これは同一の請求項が、導入句として「１つ若しくはそれ以上」または「少なくとも１つ」および不定冠詞「ａ」または「ａｎ」を含む場合においても該当する（例えば、「ａ」および／または「ａｎ」は「少なくとも１つ」または「１つ若しくはそれ以上」を意味すると解釈すべきである）。また、同じことが請求項における記載を導入するために定冠詞が使用される場合にも該当する。
また、請求項における記載の前に特定の数が明示されている場合であっても、当業者であれば、そのような記載は、少なくとも記載された数を意味すると解釈されるべきであることを認識するものと考えられる（例えば、「２つの記載事項」という、他の修飾子がない最低限の記載は、少なくとも２つの記載事項、または２つ若しくはそれ以上の記載事項を意味する）。さらに、「Ａ、Ｂ、およびＣ等のうちの少なくとも１つ」に類似する従来表現が使用される場合、一般的にこのような構成は、当業者が当該表現を理解するのと同じ意味であることを意図する（例えば、「Ａ、Ｂ、およびＣのうちの少なくとも１つを有するシステム」は、Ａのみ、Ｂのみ、Ｃのみ、ＡおよびＢをともに、ＡおよびＣをともに、ＢおよびＣをともに、および／またはＡ、Ｂ、およびＣをともに等を有するシステムを含むが、これらに限定されるものではない）。「Ａ、Ｂ、またはＣ等のうちの少なくとも１つ」に類似する従来表現が使用される場合、一般的にこのような構成は、当業者が当該表現を理解するのと同じ意味であることを意図する（例えば、「Ａ、Ｂ、またはＣのうちの少なくとも１つを有するシステム」は、Ａのみ、Ｂのみ、Ｃのみ、ＡおよびＢをともに、ＡおよびＣをともに、ＢおよびＣをともに、および／またはＡ、Ｂ、およびＣをともに等を有するシステムを含むが、これらに限定されるものではない）。明細書の記載、特許請求の範囲、または図面のいずれかにおいて、２若しくは以上の代替用語を提示する離接語および／または句は事実上すべて、当該用語のうちの１つ、当該用語のいずれか、または当該用語の双方を含む可能性を考慮していると理解すべきであることを当業者であればさらに理解するものである。例えば、「ＡまたはＢ」という句は、「Ａ」または「Ｂ」または「ＡおよびＢ」である可能性を含むと理解されるものである。
さらに、本開示の特徴または態様がマーカッシュ群に関連して説明される場合、当業者であれば、本開示は、マーカッシュ群の任意の個々の要素または要素のサブグループに関連して記載されていることを認識すると考えられる。
当業者であれば理解するように、明細書の説明を提供するなどの、任意またはすべての目的において、本明細書に開示する範囲のすべてはまた、可能なすべての部分的な範囲およびそのような部分的な範囲の組み合わせを包含する。記載された任意の範囲は、同じ範囲を少なくとも等分、３分の１、４分の１、５分の１、１０分の１などに分割した場合においても十分な記載を提供し、実施可能であることが容易に認識できる。非限定的な例として、本明細書で説明する各範囲は、下３分の１、中３分の１、および上３分の１などに容易に分解することができる。さらに、当業者であれば理解するように、、「まで」、「少なくとも」などの用語はすべて、記載された数を含み、かつ上述したように以下部分的な範囲に分解することができる範囲を指す。最後に、当業者であれば理解するように、範囲は、個々の要素を含む。したがって、例えば、１～３の細胞を有する群は、１、２、または３の細胞を有する群を指す。同様に、１～５の細胞を有する群は、１、２、３、４、または５の細胞を有する群などを指す。
上記で開示された様々な特徴および機能、その他の特徴および機能、あるいはそれらの代替物は、他の多くの異なるシステムまたは用途に組み合わせることができる。当業者が現在予期されないまたは予測外の様々な代替形態、変更形態、変形形態または改良形態を後続的に実施することが可能であり、そのような形態もそれぞれ、本開示の実施形態に包含されることを意図する。
Claims (21)
- ハイパースペクトル画像を使用して対象化合物を検出するシステムであって、
プロセッサであって、ハイパースペクトル画像を検出した際に、
ハイパーキューブを収集し、
前記ハイパーキューブの少なくとも１つの粒子を初期化して、
目的関数を前記ハイパーキューブに適用して各粒子について報酬を決定する工程と、
少なくとも１つの報酬を統合する工程と、
より小さい報酬の長さを増加させるために、当該より小さい報酬を有する粒子を変更する工程と、
各粒子の速度を更新する工程であって、当該速度は、過去の速度位置、各粒子の現在の運動方向、各粒子の最良位置、および粒子全体の最良位置に基づくものである、前記更新する工程と、
所定の閾値と比較するために各粒子について統合報酬を出力する工程と、
を前記統合報酬が前記閾値を超えるまで各粒子について繰り返し、
各粒子について、前記統合報酬が前記閾値を超える場合、対象化合物の画像を出力する
ように構成された、前記プロセッサ
を有する、システム。 - 請求項１記載のシステムにおいて、前記ハイパーキューブは、約０．０１ｎｍ～約１０ｎｍ（Ｘ線）、約１８０ｎｍ～約３８０ｎｍ（紫外線：ＵＶ）、約３８０ｎｍ～約７２０ｎｍ（可視光線：ＶＩＳ）、約７２０ｎｍ～約１１００ｎｍ（近赤外線：ＮＩＲ）、約４００ｎｍ～約１１００ｎｍ（可視－近赤外線：ＶＩＳ－ＮＩＲ）、約８５０ｎｍ～約１８００ｎｍ（短波赤外線：ＳＷＩＲ）、約１２００ｎｍ～約２４５０ｎｍ（拡張短波赤外線：ｅＳＷＩＲ）、約７２０ｎｍ～約２５００ｎｍ（近赤外拡張短波赤外線：ＮＩＲr－ｅＳＷＩＲ）、約３μｍ～約８μｍ（中波長赤外線：ＭＷＩＲ）、約８μｍ～約１５μｍ（長波長赤外線：ＬＷＩＲ）、約１５μｍ～約１ｍｍ（遠赤外線：ＦＩＲ）、約７２０ｎｍ～約１ｍｍ（赤外線：ＩＲ）、または約１００μｍ～約１ｍｍ（テラヘルツ）、隣接かつ連続する波長範囲、重複する波長範囲、または重複しない波長範囲のうちの１若しくはそれ以上を含む電磁放射線の波長から、画像検出器によって画像化されるものである、システム。
- 請求項１記載のシステムにおいて、前記対象化合物は、薬物、アルコール飲料、大麻、麻薬、アンモニウム系爆発性物質、ＭＧＥ系爆発性物質、毒性化合物、有機化合物、無機化合物、神経ガス、生体化合物、およびそれらの組み合わせのうちの１若しくはそれ以上である、システム。
- 請求項３記載のシステムにおいて、前記薬物は、サボキソン、ヘロイン、メタンフェタミン、メタドン、コカイン、ケタミン、ＰＣＰ、アセチルフェンタニル、クエン酸フェンタニル、Ｄ－アンフェタミン、リドカイン、純化コカイン、カフェイン、およびそれらの組み合わせから成る群から選択されるものである、システム。
- 請求項３記載のシステムにおいて、前記アンモニウム系爆発性物質は、硫酸アンモニウム、硝安油剤（ＡＮＦＯ）、ダイナマイト、ｄｙｎｏ ＡＰ、およびそれらの組み合わせから成る群から選択されるものである、システム。
- 請求項３記載のシステムにおいて、前記ＭＧＥ系爆発性物質は、トリニトロトルエン（ＴＮＴ）、ＨＭＸオクトール、ＲＤＸ、Ｃ４、Ｃｏｍｐ Ｂ、およびそれらの組み合わせから成る群から選択されるものである、システム。
- 請求項１記載のシステムにおいて、前記粒子は、約１ｎｍ～約２０ｎｍの帯域サイズから初期化されるものである、システム。
- ハイパースペクトル画像を使用して対象化合物を検出する方法であって、
画像検出器からハイパーキューブを収集する工程と、
前記ハイパーキューブの少なくとも１つの粒子を初期化して、
目的関数を前記ハイパーキューブに適用して各粒子について報酬を決定する工程と、
少なくとも１つの報酬を統合する工程と、
より小さい報酬の長さを増加させるために、当該より小さい報酬を有する粒子を変更する工程と、
各粒子の速度を更新する工程であって、当該速度は、過去の速度位置、各粒子の現在の運動方向、各粒子の最良位置、および粒子全体の最良位置に基づくものである、前記更新する工程と、
所定の閾値と比較するために各粒子について統合報酬を出力する工程と、
を前記統合報酬が前記閾値を超えるまで各粒子について繰り返す工程と、
各粒子について、前記統合報酬が前記閾値を超える場合、対象化合物の画像を出力する工程と
を有する、方法。 - 請求項８記載の方法において、前記ハイパーキューブは、約０．０１ｎｍ～約１０ｎｍ（Ｘ線）、約１８０ｎｍ～約３８０ｎｍ（紫外線：ＵＶ）、約３８０ｎｍ～約７２０ｎｍ（可視光線：ＶＩＳ）、約７２０ｎｍ～約１１００ｎｍ（近赤外線：ＮＩＲ）、約４００ｎｍ～約１１００ｎｍ（可視－近赤外線：ＶＩＳ－ＮＩＲ）、約８５０ｎｍ～約１８００ｎｍ（短波赤外線：ＳＷＩＲ）、約１２００ｎｍ～約２４５０ｎｍ（拡張短波赤外線：ｅＳＷＩＲ）、約７２０ｎｍ～約２５００ｎｍ（近赤外拡張短波赤外線：ＮＩＲr－ｅＳＷＩＲ）、約３μｍ～約８μｍ（中波長赤外線：ＭＷＩＲ）、約８μｍ～約１５μｍ（長波長赤外線：ＬＷＩＲ）、約１５μｍ～約１ｍｍ（遠赤外線：ＦＩＲ）、約７２０ｎｍ～約１ｍｍ（赤外線：ＩＲ）、または約１００μｍ～約１ｍｍ（テラヘルツ）、隣接かつ連続する波長範囲、重複する波長範囲、または重複しない波長範囲のうちの１若しくはそれ以上を含む電磁放射線の波長から、画像検出器によって画像化されるものである、方法。
- 請求項８記載の方法において、前記対象化合物は、薬物、アルコール飲料、大麻、麻薬、アンモニウム系爆発性物質、ＭＧＥ系爆発性物質、毒性化合物、有機化合物、無機化合物、神経ガス、生体化合物、およびそれらの組み合わせのうちの１若しくはそれ以上である、方法。
- 請求項１０記載の方法において、前記薬物は、サボキソン、ヘロイン、メタンフェタミン、メタドン、コカイン、ケタミン、ＰＣＰ、アセチルフェンタニル、クエン酸フェンタニル、Ｄ－アンフェタミン、リドカイン、純化コカイン、カフェイン、およびそれらの組み合わせから成る群から選択されるものである、方法。
- 請求項１０記載の方法において、前記アンモニウム系爆発性物質は、硫酸アンモニウム、硝安油剤（ＡＮＦＯ）、ダイナマイト、ｄｙｎｏ ＡＰ、およびそれらの組み合わせから成る群から選択されるものである、方法。
- 請求項１０記載の方法において、前記ＭＧＥ系爆発性物質は、トリニトロトルエン（ＴＮＴ）、ＨＭＸオクトール、ＲＤＸ、Ｃ４、Ｃｏｍｐ Ｂ、およびそれらの組み合わせから成る群から選択されるものである、方法。
- 請求項１記載の方法おいて、前記粒子は、約１ｎｍ～約２０ｎｍの帯域サイズから初期化されるものである、方法。
- ハイパースペクトル画像を使用して対象化合物を検出するコンピュータプログラム製品であって、このコンピュータプログラム製品はプログラム命令が実装されたコンピュータ可読記憶媒体を有し、前記プログラム命令はプロセッサによって実行可能であり、前記プロセッサに、
ハイパーキューブを収集する工程と、
前記ハイパーキューブの少なくとも１つの粒子を初期化して、
目的関数を前記ハイパーキューブに適用して各粒子について報酬を決定する工程と、
少なくとも１つの報酬を統合する工程と、
より小さい報酬の長さを増加させるために、当該より小さい報酬を有する粒子を変更する工程と、
各粒子の速度を更新する工程であって、当該速度は、過去の速度位置、各粒子の現在の運動方向、各粒子の最良位置、および粒子全体の最良位置に基づくものである、前記更新する工程と、
所定の閾値と比較するために各粒子について統合報酬を出力する工程と、
を前記統合報酬が前記閾値を超えるまで各粒子について繰り返す工程と、
各粒子について、前記統合報酬が前記閾値を超える場合、対象化合物の画像を出力する工程と
を実行させるものである、コンピュータプログラム製品。 - 請求項１５記載のコンピュータプログラム製品において、前記ハイパーキューブは、約０．０１ｎｍ～約１０ｎｍ（Ｘ線）、約１８０ｎｍ～約３８０ｎｍ（紫外線：ＵＶ）、約３８０ｎｍ～約７２０ｎｍ（可視光線：ＶＩＳ）、約７２０ｎｍ～約１１００ｎｍ（近赤外線：ＮＩＲ）、約４００ｎｍ～約１１００ｎｍ（可視－近赤外線：ＶＩＳ－ＮＩＲ）、約８５０ｎｍ～約１８００ｎｍ（短波赤外線：ＳＷＩＲ）、約１２００ｎｍ～約２４５０ｎｍ（拡張短波赤外線：ｅＳＷＩＲ）、約７２０ｎｍ～約２５００ｎｍ（近赤外拡張短波赤外線：ＮＩＲr－ｅＳＷＩＲ）、約３μｍ～約８μｍ（中波長赤外線：ＭＷＩＲ）、約８μｍ～約１５μｍ（長波長赤外線：ＬＷＩＲ）、約１５μｍ～約１ｍｍ（遠赤外線：ＦＩＲ）、約７２０ｎｍ～約１ｍｍ（赤外線：ＩＲ）、または約１００μｍ～約１ｍｍ（テラヘルツ）、隣接かつ連続する波長範囲、重複する波長範囲、または重複しない波長範囲のうちの１若しくはそれ以上を含む電磁放射線の波長から、画像検出器によって画像化されるものである、コンピュータプログラム製品。
- 請求項１５記載のコンピュータプログラム製品において、前記対象化合物は、薬物、アルコール飲料、大麻、麻薬、アンモニウム系爆発性物質、ＭＧＥ系爆発性物質、毒性化合物、有機化合物、無機化合物、神経ガス、生体化合物、およびそれらの組み合わせのうちの１若しくはそれ以上である、コンピュータプログラム製品。
- 請求項１７記載のコンピュータプログラム製品において、前記薬物は、サボキソン、ヘロイン、メタンフェタミン、メタドン、コカイン、ケタミン、ＰＣＰ、アセチルフェンタニル、クエン酸フェンタニル、Ｄ－アンフェタミン、リドカイン、純化コカイン、カフェイン、およびそれらの組み合わせから成る群から選択されるものである、コンピュータプログラム製品。
- 請求項１７記載のコンピュータプログラム製品において、前記アンモニウム系爆発性物質は、硫酸アンモニウム、硝安油剤（ＡＮＦＯ）、ダイナマイト、ｄｙｎｏ ＡＰ、およびそれらの組み合わせから成る群から選択されるものである、コンピュータプログラム製品。
- 請求項１７記載のコンピュータプログラム製品において、前記ＭＧＥ系爆発性物質は、トリニトロトルエン（ＴＮＴ）、ＨＭＸオクトール、ＲＤＸ、Ｃ４、Ｃｏｍｐ Ｂ、およびそれらの組み合わせから成る群から選択されるものである、コンピュータプログラム製品。
- 請求項１５記載のコンピュータプログラム製品において、前記粒子は、約１ｎｍ～約２０ｎｍの帯域サイズから初期化されるものである、コンピュータプログラム製品。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201962805742P | 2019-02-14 | 2019-02-14 | |
| US62/805,742 | 2019-02-14 | ||
| PCT/US2020/018348 WO2020263350A1 (en) | 2019-02-14 | 2020-02-14 | Extended particle swarm band selection |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2022520633A true JP2022520633A (ja) | 2022-03-31 |
| JPWO2020263350A5 JPWO2020263350A5 (ja) | 2023-02-20 |
Family
ID=72749253
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021547680A Pending JP2022520633A (ja) | 2019-02-14 | 2020-02-14 | 拡張粒子群帯域選択 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US11120288B2 (ja) |
| EP (1) | EP3924719A4 (ja) |
| JP (1) | JP2022520633A (ja) |
| CN (1) | CN113646619A (ja) |
| WO (1) | WO2020263350A1 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113222959B (zh) * | 2021-05-26 | 2022-04-15 | 马翔 | 一种基于高光谱图像卷积神经网络的鲜枣虫眼检测方法 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6075891A (en) * | 1998-07-06 | 2000-06-13 | General Dynamics Government Systems Corporation | Non-literal pattern recognition method and system for hyperspectral imagery exploitation |
| US6487516B1 (en) * | 1998-10-29 | 2002-11-26 | Netmor Ltd. | System for three dimensional positioning and tracking with dynamic range extension |
| US6665438B1 (en) * | 1999-05-05 | 2003-12-16 | American Gnc Corporation | Method for hyperspectral imagery exploitation and pixel spectral unmixing |
| WO2008085914A1 (en) * | 2007-01-05 | 2008-07-17 | Malvern Instruments, Inc. | Spectrometric investigation of heterogeneity |
| CN102750551A (zh) * | 2012-06-18 | 2012-10-24 | 杭州电子科技大学 | 一种粒子寻优下基于支持向量机的高光谱遥感分类方法 |
| CA2883482C (en) * | 2012-08-30 | 2020-06-16 | Iti Scotland - Scottish Enterprise | Long wavelength infrared detection and imaging with long wavelength infrared source |
| US10896325B2 (en) * | 2012-11-19 | 2021-01-19 | Altria Client Services Llc | Blending of agricultural products via hyperspectral imaging and analysis |
| AU2014254426B2 (en) * | 2013-01-29 | 2018-05-10 | Andrew Robert Korb | Methods for analyzing and compressing multiple images |
| US10564316B2 (en) * | 2014-09-12 | 2020-02-18 | The Climate Corporation | Forecasting national crop yield during the growing season |
| CN104751176B (zh) * | 2015-03-24 | 2018-05-11 | 河海大学 | 一种高光谱遥感影像波段选择方法 |
| JP6524794B2 (ja) * | 2015-05-21 | 2019-06-05 | 日本電気株式会社 | 物体同定装置、物体同定システム、物体同定方法および物体同定プログラム |
| CN109187378B (zh) * | 2018-10-17 | 2021-04-16 | 四川农业大学 | 基于高光谱图像的猕猴桃可溶性固形物含量无损检测方法 |
-
2020
- 2020-02-14 US US16/791,634 patent/US11120288B2/en active Active
- 2020-02-14 WO PCT/US2020/018348 patent/WO2020263350A1/en unknown
- 2020-02-14 JP JP2021547680A patent/JP2022520633A/ja active Pending
- 2020-02-14 EP EP20831816.2A patent/EP3924719A4/en not_active Withdrawn
- 2020-02-14 CN CN202080026157.5A patent/CN113646619A/zh active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| EP3924719A1 (en) | 2021-12-22 |
| EP3924719A4 (en) | 2023-03-22 |
| US11120288B2 (en) | 2021-09-14 |
| US20200327349A1 (en) | 2020-10-15 |
| CN113646619A (zh) | 2021-11-12 |
| WO2020263350A1 (en) | 2020-12-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mistek et al. | Toward Locard’s exchange principle: Recent developments in forensic trace evidence analysis | |
| Sauzier et al. | Chemometrics in forensic science: approaches and applications | |
| Guidici et al. | One-Dimensional convolutional neural network land-cover classification of multi-seasonal hyperspectral imagery in the San Francisco Bay Area, California | |
| Garaba et al. | Sensing ocean plastics with an airborne hyperspectral shortwave infrared imager | |
| Ng et al. | Detection of illicit substances in fingerprints by infrared spectral imaging | |
| Mery et al. | X-ray baggage inspection with computer vision: A survey | |
| Hassan et al. | Meta-transfer learning driven tensor-shot detector for the autonomous localization and recognition of concealed baggage threats | |
| Erudel et al. | Criteria comparison for classifying peatland vegetation types using in situ hyperspectral measurements | |
| CN107657271B (zh) | 基于长短时记忆网络的高光谱图像分类方法 | |
| Almeida et al. | Raman hyperspectral imaging in conjunction with independent component analysis as a forensic tool for explosive analysis: The case of an ATM explosion | |
| Hu et al. | Ship discrimination using polarimetric SAR data and coherent time-frequency analysis | |
| Chaudhary et al. | Non-destructive trace detection of explosives using pushbroom scanning hyperspectral imaging system | |
| Veal et al. | Generative adversarial networks for ground penetrating radar in hand held explosive hazard detection | |
| CN112766161A (zh) | 基于集成约束多示例学习的高光谱目标检测方法 | |
| JP2022520633A (ja) | 拡張粒子群帯域選択 | |
| Jawak et al. | Impact of image-processing routines on mapping glacier surface facies from svalbard and the himalayas using pixel-based methods | |
| Iordache et al. | Targeting plastics: Machine learning applied to litter detection in aerial multispectral images | |
| Michalopoulou et al. | RDX detection with THz spectroscopy | |
| Kumar et al. | A neural network based hybrid mixture model to extract information from non-linear mixed pixels | |
| Chang et al. | Fisher's linear spectral mixture analysis | |
| Marcinkiewicz et al. | Segmentation of multispectral data simulated from hyperspectral imagery | |
| Meiforth et al. | Detection of New Zealand Kauri trees with AISA aerial hyperspectral data for use in multispectral monitoring | |
| Macfarlane et al. | Investigating the effects of a combined spatial and spectral dimensionality reduction approach for aerial hyperspectral target detection applications | |
| Maiti et al. | Topological analysis of X-ray CT data for the recognition and trending of subtle changes in microstructure under material aging | |
| Sushkov et al. | Towards automated classification of zooplankton using combination of laser spectral techniques and advanced chemometrics |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230210 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230210 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231025 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231031 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20240528 |