TWI684950B - 物種數據解析方法、系統及電腦程式產品 - Google Patents

Abstract

一種物種數據解析方法包含：一解析單元辨識一標本紀錄影像以產生相對應之一文字訊息，並將文字訊息區分出多個字串；運算單元判斷多個字串未符合一物種數據表之多個標題欄位時，決定多個字串對應於多個標題欄位之多個權重值；以及運算單元依據多個權重值計算出最關聯之字串，並寫入物種數據表中與每一標題欄位相鄰之一物種數據欄位。

Description

物種數據解析方法、系統及電腦程式產品

本發明是有關一種物種數據解析方法、系統及電腦程式產品，特別是一種適於各類標本之物種數據解析方法、系統及電腦程式產品。

目前在各類標本之數位化管理上，例如：動物、植物、礦物、化石或蒐藏品等，使用者需透過人工閱讀各個標本紀錄、將相關資料輸入歸檔、以進行後續統計分析，因此，在上述流程步驟中均需透過大量人工進行作業。

然而，各種標本紀錄之格式可能因不同的製作者而有所不同，亦即，來自全球各地的標本可能缺乏統一的記載格式，透過人工逐一判讀，不僅容易由於人眼疲勞導致作業效率降低，也可能因為作業員經驗不足導致不必要之數據誤讀。

有鑑於此，本發明之部分實施例提供一種物種數據解析方法、系統及電腦程式產品。

本發明一實施例之物種數據解析方法包含：一解析單元辨識一標本紀錄影像以產生相對應之一文字訊息，並將文字訊息區分出多個字串；運算單元判斷多個字串未符合一物種數據表之多個標題欄位時，決定多個字串對應於多個標題欄位之多個權重值；以及運算單元依據多個權重值計算出最關聯之字串，並寫入物種數據表中與每一標題欄位相鄰之一物種數據欄位。

本發明另一實施例之電腦程式產品，其包括一組指令，當電腦載入並執行此組指令後能完成根據本發明任一實施例之物種數據解析方法。

本發明又一實施例之物種數據解析系統包含一解析單元、一運算單元以及一儲存單元。解析單元辨識一標本紀錄影像以產生相對應之一文字訊息，並將文字訊息區分出多個字串。運算單元電性連接於解析單元。運算單元判斷多個字串未符合一物種數據表之多個標題欄位時，決定多個字串對應於多個標題欄位之多個權重值，依據多個權重值計算出最關聯之字串，並寫入物種數據表中與每一標題欄位相鄰之一物種數據欄位。儲存單元電性連接於運算單元。儲存單元儲存物種數據表。

以下藉由具體實施例配合所附的圖式詳加說明，當更容易瞭解本發明之目的、技術內容、特點及其所達成之功效。

以下將詳述本發明之各實施例，並配合圖式作為例示。在說明書的描述中，為了使讀者對本發明有較完整的瞭解，提供了許多特定細節；然而，本發明可能在省略部分或全部特定細節的前提下仍可實施。圖式中相同或類似之元件將以相同或類似符號來表示。特別注意的是，圖式僅為示意之用，並非代表元件實際之尺寸或數量，有些細節可能未完全繪出，以求圖式之簡潔。

請一併參照圖1及圖2，顯示本發明任一實施例之物種數據解析方法可由一電腦程式實現，以致於當電腦(即，具有解析單元10、運算單元20與儲存單元30之任意電子裝置1，如：伺服器、平板電腦或智慧型手機)載入程式並執行後可完成任一實施例之物種數據解析方法。

使用者先提供對應於標本的標本紀錄影像給電腦，接續進行自動解析及歸檔流程，以利數位化管理及應用。於部分實施例中，本文所謂物種標本或簡稱標本，係指動物、植物、礦物、化石或蒐藏品等採集樣本，但不以此為限。一般而言，標本上/側邊通常附有相對應之標本紀錄來說明相關訊息，例如：標本採集日期、地點、生物/礦物分類、採集者等數據紀錄，例如：下方表一所示多標題欄位格式數據紀錄、表二所示單一標題欄位格式數據紀錄或表三所示無標題欄位格式數據紀錄。 表一  多標題欄位格式數據紀錄

標本：	鳳梨
日期：	1997/12/31
地點：	台南市 120E19’00”  22N58’00”
採集者：	張三
分類：	禾本目鳳梨科

表二  單一標題欄位格式數據紀錄

標本-鳳梨	1997/12/31
台南市 120E19’00”  22N58’00”
張三
禾本目鳳梨科

表三  無標題欄位格式數據紀錄

1997/12/31

台南市 120E19’00”  22N58’00”

張三

禾本目鳳梨科

於本實施例中，儲存單元30電性連接於運算單元20，且儲存單元30內儲一物種數據表，作為預設之標準格式，如下表四所示，透過後述解析流程可獲取有意義的物種數據並填入物種數據欄位，以完成自動歸檔分類之物種數據庫。 表四  物種數據表

標題欄位	物種數據欄位
日期(Date)
地點(Location)
採集者(Collector)
分類(Taxonomy)

首先，解析單元10可透過例如但不限於光學字元辨識(OCR)機制，自動辨識出標本紀錄影像中可能存在的文字訊息，然而，此文字訊息可能混合著代表不同數據意義的數字及文字(以下簡稱字元)，例如：日期和經緯度為數字、地點和生物分類為文字等混合資訊，這些均是未經整理過的紀錄數據，以往需透過人工判讀始能正確理解其紀錄意義，而電子裝置1無法直接辨識出正確的數據意義。對此，解析單元10將一整份文字訊息切分為多個文字區塊以利後續辨識，舉例而言，依據各單字或數字間的至少一空格或符號 (例如：斜線、逗號、頓號或分號)，將文字訊息區分出多個字串，並傳送這些字串至運算單元20來進行數據解析。簡言之，在步驟S1中，解析單元10辨識一標本紀錄影像以產生相對應之一文字訊息，並將文字訊息區分出多個字串。

補充說明者，單純利用上述影像轉換文字機制容易產生因機器無法或錯誤辨識所生之亂碼符號，反而導致後續數據解析之不便及錯誤解讀，因此，於一實施例中，運算單元20濾除文字訊息中無語法意義之字元，舉例而言，運算單元20可透過內儲於儲存單元30之本機資料庫或連線到雲端資料庫，查找字串以篩除無語法意義、拼字或文法錯誤的文字或符號，例如：@#$%無意義符號或不符合常用語言(中、英、拉丁文)拼字及文法之字元，但不以此為限。本實施例透過此濾除步驟，將有助於提高後續數據解析之準確率。

由於上述表一至表三為不同格式之標本紀錄，現有的影像處理技術無法同時解處理多種格式的數據紀錄。於本實施例中，運算單元20預先透過例如字串比對、資料查找等方式，判斷文字訊息多個字串是否包含/符合預設之物種數據表的多個標題欄位，如表四所示，以區別待處理資料類型為多標題欄位格式、單一標題欄位格式或無標題欄位格式；若判斷結果為不符合或無法對應，表示文字訊息可能屬於單一標題欄位格式或無標題欄位格式，則運算單元20無從直接且準確地解析出對應於各標題欄位之物種數據，從而需要透過演算法篩選出對應於每一個標題欄位的物種數據。

於本實施例中，透過步驟S2，運算單元20判斷多個字串未符合預設之物種數據表的多個標題欄位時，則透過演算法決定多個字串對應於多個標題欄位之多個權重值，以利後續判斷各個標題欄位與各個字串之間的關聯性程度。舉例而言，對應於標題欄位之物種數據往往具有通用的正規格式，其中，“日期”的正規格式可為西元年月日等10個數字搭配特定分隔符號，例如：1997/12/31、1997-12-31等樣式， “地點”的正規格式可為具有特定關鍵字的地址文字，例如：xx市xx區xx路/街，又經緯度的正規格式可為代表特定經緯度之英文字母搭配數字及上標號，例如：xxxExx’xx”、xxxWxx’xx”、xxxNxx’xx”、xxxSxx’xx”， 而“分類”的正規格式可為具有特定生物分類關鍵字的文字，例如：xx界xx門xx綱xx目xx科xx屬xx種，但不以此為限。因此，運算單元20透過具有特定格式規則或關鍵特徵的正規格式，判斷各個字串資料可能對應至何種標題欄位及相對應之權重值，例如：某一串數字及符號之組合字串經判斷其為日期的權重值是90%，而其為地點(經緯度)的權重值是80%。

接著，透過步驟S3，運算單元20依據多個字串的多個權重值，計算出多個字串中與特定標題欄位最關聯之字串，並寫入物種數據表中與此標題欄位相鄰之物種數據欄位。例如，運算單元20判斷字串1997/12/31為日期之權重值為100%，且字串22N58’00”為日期的權重值為40%，從而認定多個字串中與標題欄位 “日期”最關聯之字串為1997/12/31而非22N58’00”，並將字串1997/12/31寫入物種數據表中對應且相鄰於日期標題欄位之物種數據欄位，如下表五所示。依此類推，透過例如但不限於具有特定格式規則或關鍵特徵的正規格式，運算單元20賦予各字串對應於各個標題欄位之權重值，並計算出最符合各個標題欄位之關聯字串，即可自動獲得地點、採集者、分類等標題欄位所對應之多個物種數據欄位，在此不再冗述。亦即，運算單元20依據每一字串與每一物種數據欄位預設之一正規格式相比對所得之一符合程度，決定此字串對應於每一標題欄位之權重值。 表五

標題欄位	物種數據欄位
日期(Date)	1997/12/31
地點(Location)	台南市 120E19’00”  22N58’00”
採集者(Collector)	張三
分類(Taxonomy)	禾本目鳳梨科

依據上述架構，本揭露透過人工智慧演算流程，將影像轉換為混亂的文字、符號、數字訊息後，初步找出有語法意義之字串數據，進一步利用各項物種數據欄位所預設之特定格式規則或關鍵特徵進一步解析多個字串，最後將最關聯字串重新排列並儲存至物種數據表及物種數據庫，以完成自動歸檔分類之數位化自動整合作業，讓使用者從蒐集標本紀錄影像、標本紀錄數位化到最後統計分析一次性迅速完成。因此，無需透過人工辨識、輸入、歸檔等方式將所有文字資料進行分類統合，有效防免效率低落以及人為誤讀之疏忽，可大幅提升實用性及便利性。

當大量標本經過上述解析方法獲得並儲存具有相關數據之物種數據表後，將產生一龐大的物種數據庫。可使用電腦自動對大量數據庫進行各種統計分析，得出各種統計分析文字與圖表，供學者、政府等單位做各項研究及政策之參考依據。統計分析項目例如但不限：標本之採集地點與地圖之結合，呈現出該物種或物品之地理散佈資訊；數量及時間(如數年或月份區間)之統計關係圖，呈現其出現頻率及時間之關係；以分類(如物種分類)佔比呈現圖表分析；根據海拔高度與時間關係進行統計，呈現出物種在不同時間點之分佈狀況；結合海拔高度與地理相關資訊，呈現不同地區之海拔高度分度情況；同時結合多維特徵如物種、地點、時間……等進行大數據分析及資料探勘，分析其各項特徵間之相依關係。

以下說明本發明之部分衍生實施例之物種數據解析方法。請一併參照圖2及圖3，在本實施例中，透過步驟S0，電子裝置1取得一標本紀錄影像。舉例而言，電子裝置1選擇性包含一影像擷取單元40，且影像擷取單元40電性連接於運算單元20。影像擷取單元40擷取標本紀錄影像並傳送至解析單元10，例如：電子裝置1擷取實體標本及其標本紀錄之影像以進行影像數位化程序，其結果將產生包含標本紀錄(如表一內容)之標本影像(如鳳梨照片)，例如：電子裝置1可為影像掃描器、攝影裝置或行動裝置等，但不以此為限；或者，電子裝置1選擇性包含一通訊單元50，且通訊單元50電性連接於運算單元20。舉例而言，通訊單元50可為一無線通訊介面，透過一無線通訊協定與遠端的裝置建立連線。通訊單元50接收標本紀錄影像並傳送至解析單元10，亦即，電子裝置1可透過有線及無線網路通訊方式接收外部電子裝置所傳來之一個或多個標本紀錄影像，藉此，各地的使用者可透過不同的電子裝置來擷取多個標本紀錄影像，並上傳至伺服器或雲端系統之電子裝置1來進行後續影像解析處理，以加速數位化作業之速度及效率，例如：電子裝置1可為伺服器或桌上型電腦等，但不以此為限。

承前所述，由於各地標本紀錄均未統一格式，當運算單元20透過例如字串比對、資料查找等方式，判斷文字訊息中多個字串當中包含/符合預設之物種數據表的多個標題欄位，表示文字訊息屬於多欄位格式，若文字訊息中相關字串可對應於如表四所示之多個標題欄位，縱使欄位先後次序有所不同，運算單元20仍可依據字串判斷結果獲得對應於物種數據表中各標題欄位之標題字串，並在文字訊息內容多個字串當中，將標題字串後第一次出現的字串視為物種數據字串，並寫入物種數據表中與標題欄位相鄰之物種數據欄位，亦即，透過步驟S4，將文字訊息中與對應於標題欄位之字串(例如：標題字串)相鄰之另一字串(例如：物種數據字串)，寫入物種數據表中與標題欄位相鄰之物種數據欄位。

於一實施例中，電子裝置1透過步驟S2決定多個字串對應於多個標題欄位之多個權重值，係由運算單元20建立一候選表單包含多個候選欄位，其中多個候選欄位對應於物種數據表之多個標題欄位，接著，分配多個字串至候選表單中多個候選欄位以供候選，同時賦予字串相對應之權重值。於至少一實施例中，運算單元20依據不同之多個字串出現於同一候選欄位之先後順序，賦予每一字串由高至低相對應之權重值，例如：字串1997/12/31出現於日期候選欄位之第一行，所賦予之權重值為100%，而字串22N58’00”出現於日期候選欄位之第二行，所賦予之權重值為60%，如下表六所示，但不以此為限，例如：若一併考量正規式表示法之權重值考量參數，亦有可能將後序位出現之字串修正調整為具有較高之權重值，如下表六中採集者欄位所對應之字串張三的權重值高於字串台南市的權重值。換言之，決定權重值之變數包含但不限於正規格式及字串排列先後順序。 表六  候選表單

標題欄位	候選物種數據欄位
日期(Date)	1997/12/31    ＜100%＞ 120E19’00”    ＜60%＞ 22N58’00”    ＜60%＞
地點(Location)	120E19’00”    ＜100%＞ 22N58’00”     ＜100%＞ 台南市            ＜80%＞ 1997/12/31      ＜20%＞
採集者(Collector)	台南市            ＜50%＞ 張三              ＜100%＞
分類(Taxonomy)	禾本目鳳梨科   ＜100%＞

於一實施例中，電子裝置1透過步驟S3計算出最關聯之字串，係由運算單元20自同一候選欄位之多個字串中計算出最關聯之字串，例如：在對應於日期標題欄位之同一個候選物種數據欄位中，依權重值高低判斷出最關聯之字串，例如：運算單元20篩選出具有最高權重值100%之字串1997/12/31，後續將此字串寫入物種數據表中相對應之物種數據欄位。其餘候選物種數據欄位之演算邏輯及工作原理可依此類推，在此不再冗述。

於另一實施例中，電子裝置1透過步驟S3計算出最關聯之字串，係由運算單元20自同一字串對應於不同的多個候選欄位之多個權重值中，篩選出此字串具有最高權重值的候選欄位，例如：字串120E19’00”對應於候選表單中日期標題欄位之權重值為60%，但字串120E19’00”對應於候選表單中地點標題欄位之權重值為100%，因此認定與候選表單中地點標題欄位最關聯之字串為120E19’00”，後續將此字串寫入物種數據表中相對應之物種數據欄位。其餘候選物種數據欄位之演算邏輯及工作原理可依此類推，在此不再冗述。

請參照圖2，顯示本發明一實施例之物種數據解析系統的電子裝置架構示意圖。物種數據解析系統可為包含一解析單元10、一運算單元20以及一儲存單元30之任意電子裝置1，已如前所述。解析單元10可為一光學字元辨識處理器。解析單元10辨識標本紀錄影像以產生相對應之文字訊息並區分出多個字串，相關技術內容及功效已如前述。

運算單元20電性連接於解析單元10。於一實施例中，運算單元20可由一個或多個諸如微處理器、微控制器、數位信號處理器、微型計算機、中央處理器、場編程閘陣列、可編程邏輯設備、狀態器、邏輯電路、類比電路、數位電路和/或任何基於操作指令操作信號（類比和/或數位）的處理元件來實現。運算單元20判斷多個字串未符合一物種數據表之多個標題欄位時，決定多個字串對應於多個標題欄位之多個權重值，相關判斷機制、各個權重值決定機制及其衍生實施例已如前述。運算單元20依據多個權重值計算出最關聯之字串，並寫入物種數據表中與每一標題欄位相鄰之一物種數據欄位，相關計算機制、最關聯字串判斷機制、物種數據字串決定機制及其衍生實施例已如前述。

儲存單元30電性連接於運算單元20。於一實施例中，儲存單元30可由一個或多個記憶體實現。儲存單元30儲存物種數據表、經計算後寫入一筆或多筆數據之物種數據庫、以及選擇性具有候選表單，可供使用者管理、查詢、維護以及電腦對大量數據庫進行各種統計分析。

在部分實施例中，用於物種數據解析的電腦程式產品是由一組指令所組成，當電腦載入並執行該組指令後能完成上述任一實施例之物種數據解析方法。

綜合上述，本發明之部分實施例提供一種物種數據解析方法、系統及電腦程式產品，主要是利用解析單元由數位化影像擷取出有標本記錄意義的多個字串，並透過運算單元依據物種數據表之預設規則及特徵決定各個字串的權重值以進行人工智慧演算，自動篩選出最關聯的物種數據字串並寫入物種數據庫，以完成自動歸檔分類之數位化自動整合作業，讓使用者從蒐集標本紀錄影像、標本紀錄數位化到最後統計分析一次性迅速完成。因此，無需透過人工辨識、輸入、歸檔等方式將所有文字資料進行分類統合，有效防免效率低落以及人為誤讀之疏忽，可大幅提升實用性及便利性，具有諸多優點及功效已如前述。

以上所述之實施例僅是為說明本發明之技術思想及特點，其目的在使熟習此項技藝之人士能夠瞭解本發明之內容並據以實施，當不能以此限定本發明之專利範圍，即大凡依本發明所揭示之精神所作之均等變化或修飾，仍應涵蓋在本發明之專利範圍內。

S0~S4‧‧‧步驟 1‧‧‧電子裝置 10‧‧‧解析單元 20‧‧‧運算單元 30‧‧‧儲存單元 40‧‧‧影像擷取單元 50‧‧‧通訊單元

圖1為本發明一實施例之物種數據解析方法之步驟示意圖。 圖2為實施圖1之物種數據解析方法之物種數據解析系統之一實施例的電子裝置架構示意圖。 圖3為本發明一實施例之物種數據解析方法之步驟示意圖。

S1~S3‧‧‧步驟

Claims (20)

1. 一種物種數據解析方法，包含： 一解析單元辨識一標本紀錄影像以產生相對應之一文字訊息，並將該文字訊息區分出多個字串； 一運算單元判斷該多個字串未符合一物種數據表之多個標題欄位時，決定該多個字串對應於該多個標題欄位之多個權重值；以及 該運算單元依據該多個權重值計算出最關聯之該字串，並寫入該物種數據表中與每一該標題欄位相鄰之一物種數據欄位。
2. 如請求項1所述之物種數據解析方法，其中該將該文字訊息區分出該多個字串之步驟包含：該運算單元濾除該文字訊息中無語法意義之一字元。
3. 如請求項1所述之物種數據解析方法，其中分配該多個字串之該多個權重值之步驟更包含：依據該每一該字串與該物種數據欄位預設之一正規格式相比對所得之一符合程度，決定每一該字串對應於每一該標題欄位之該權重值。
4. 如請求項1所述之物種數據解析方法，其中決定該多個字串對應於該多個標題欄位之該多個權重值之步驟包含：該運算單元建立一候選表單包含對應於該多個標題欄位之多個候選欄位，分配該多個字串至該多個候選欄位並指定該多個權重值。
5. 如請求項4所述之物種數據解析方法，其中決定該多個字串對應於該多個標題欄位之該多個權重值之步驟更包含：依據不同之該多個字串出現於同一該候選欄位之先後順序賦予由高至低之該多個權重值。
6. 如請求項4所述之物種數據解析方法，其中該依據該多個權重值計算出最關聯之該字串之步驟包含：自同一該候選欄位之該多個字串中計算出最關聯之該字串。
7. 如請求項4所述之物種數據解析方法，其中該依據該多個權重值計算出最關聯之該字串之步驟包含：由同一該字串對應於該多個候選欄位之該多個權重值中，篩選出具有最高該權重值之該候選欄位。
8. 如請求項1所述之物種數據解析方法，在該辨識該標本紀錄影像之步驟前，更包含： 一通訊單元或一影像擷取單元取得並傳送該標本紀錄影像至該解析單元。
9. 如請求項1所述之物種數據解析方法，在區分出該多個字串之步驟後，更包含： 該運算單元判斷該多個字串符合該物種數據表之該多個標題欄位時，將該文字訊息中與對應於每一該標題欄位之該字串相鄰之另一該字串，寫入該物種數據表中與每一該標題欄位相鄰之該物種數據欄位。
10. 一種電腦程式產品，包括一組指令，當電腦載入並執行該組指令後能完成如請求項1至9中之任一項所述之物種數據解析方法。
11. 一種物種數據解析系統，包含： 一解析單元，用以辨識一標本紀錄影像以產生相對應之一文字訊息，並將該文字訊息區分出多個字串； 一運算單元，電性連接於該解析單元，用以判斷該多個字串未符合一物種數據表之多個標題欄位時，決定該多個字串對應於該多個標題欄位之多個權重值，依據該多個權重值計算出最關聯之該字串，並寫入該物種數據表中與每一該標題欄位相鄰之一物種數據欄位；以及 一儲存單元，電性連接於該運算單元，用以儲存該物種數據表。
12. 如請求項11所述之物種數據解析系統，其中該運算單元濾除該文字訊息中無語法意義之一字元。
13. 如請求項11所述之物種數據解析系統，其中該運算單元依據該每一該字串與該物種數據欄位預設之一正規格式相比對所得之一符合程度，決定每一該字串對應於每一該標題欄位之該權重值。
14. 如請求項11所述之物種數據解析系統，其中該運算單元建立一候選表單包含對應於該多個標題欄位之多個候選欄位，分配該多個字串至該多個候選欄位並指定該多個權重值。
15. 如請求項14所述之物種數據解析系統，其中該運算單元依據不同之該多個字串出現於同一該候選欄位之先後順序賦予由高至低之該多個權重值。
16. 如請求項14所述之物種數據解析系統，其中該運算單元自同一該候選欄位之該多個字串中計算出最關聯之該字串。
17. 如請求項14所述之物種數據解析系統，其中該運算單元由同一該字串對應於該多個候選欄位之該多個權重值中，篩選出具有最高該權重值之該候選欄位。
18. 如請求項11所述之物種數據解析系統，更包含： 一通訊單元，電性連接於該運算單元，用於接收該標本紀錄影像並傳送至該解析單元。
19. 如請求項11所述之物種數據解析系統，更包含： 一影像擷取單元，電性連接於該運算單元，用於擷取該標本紀錄影像並傳送至該解析單元。
20. 如請求項11所述之物種數據解析系統，其中該運算單元判斷該多個字串符合該物種數據表之該多個標題欄位時，將該文字訊息中與對應於每一該標題欄位之該字串相鄰之另一該字串，寫入該物種數據表中與每一該標題欄位相鄰之該物種數據欄位。

Images