[发明专利]符合饮食限制的光谱分类

说明书

技术领域

本发明涉及用于符合饮食限制的光谱分类的方法和装置。

背景技术

原材料标识(RMID)可以被用于药物产品的质量控制，以确定未知化学品的类型等。例如，可以对化合物进行原材料标识以确定化合物的组分成分是否对应于与化合物相关联的包装标签。光谱学可以以相对于其他化学技术被减少的准备和数据采集时间来促进非破坏性原材料标识。

有些人可能遵守涉及传统或宗教的饮食限制。例如，有些犹太人可能希望只吃根据犹太法律已经被视为洁食的(Kosher)食物。同样，有些穆斯林人可能希望只吃根据伊斯兰法律已经被视为清真(Halal)的食物。此外，许多其他人可能遵循涉及传统、宗教、道德规范等的其他饮食限制。洁食认证(即将食物项指定为洁食)和清真认证(即将食物项指定为清真)两者的特征符合关于动物的屠宰的法律。例如，犹太仪式屠宰(Shechita)和伊斯兰仪式屠宰(Zabihah)两者需要以一次干净利落的尝试用非锯齿状刀片穿过颈部切割动物，以切断动物的主血管以及排尽动物的血液。

发明内容

根据一些可能的实现方式，设备可以包括一个或多个处理器。一个或多个处理器可以接收标识未知样本的光谱测量的结果的信息。一个或多个处理器可以进行未知样本的一个或多个分类，以基于光谱测量的结果和一个或多个分类模型来将未知样本分类到特定组中。一个或多个分类模型可以使用支持向量机(support vector machine，SVM)分类器技术。一个或多个分类模型可以涉及包括特定组的组集合。组集合的第一子集可以是包括特定组的第一元组。组集合的第二子集可以是不包括特定组的第二元组。一个或多个处理器可以基于进行未知样本的一个或多个分类以将未知样本分类到特定组中来提供指示到第一元组中的未知样本的分类的信息。

根据一些可能的实现方式，所述一个或多个处理器还将：从数据结构或另一设备获得一个或多个分类模型；并且，当进行所述一个或多个分类时，所述一个或多个处理器将：基于从数据结构或所述另一设备获得一个或多个分类模型来进行一个或多个分类。

根据一些可能的实现方式，所述一个或多个处理器还将：基于决策值(DecVal)技术来将未知样本分类到特定组中。

根据一些可能的实现方式，所述SVM分类器技术与线性内核相关联。

根据一些可能的实现方式，所述一个或多个处理器还将：基于所述一个或多个分类模型，确定所述未知样本与所述第一元组的所述特定组相关联的第一概率以及所述未知样本与所述第一元组的另一组相关联的第二概率；以及基于第一概率和第二概率来将未知样本分类到第一元组中。

根据一些可能的实现方式，所述第一元组和所述第二元组与作为洁食或非洁食的、所述未知样本的分类相关联。

根据一些可能的实现方式，所述第一元组和所述第二元组与作为清真或非清真的、所述未知样本的分类相关联。

根据一些可能的实现方式，所述未知样本的光谱测量是与在未知样本中的皮质醇水平相对应的光谱，皮质醇水平与在所述第一元组中的内含物相关联。

根据一些可能的实现方式，非暂时性计算机可读介质可以存储一个或多个指令，所述一个或多个指令在由一个或多个处理器执行时使得一个或多个处理器接收标识由光谱仪分析的、未知样本的光谱的信息。一个或多个指令在由一个或多个处理器执行时可以使得一个或多个处理器基于未知样本的光谱和全局分类模型来进行未知样本的第一分类。全局分类模型可以与支持向量机(SVM)分类器技术相关联。全局分类模型可以包括多个组。一个或多个指令在由一个或多个处理器执行时可以使得一个或多个处理器基于未知样本的第一分类的结果来生成局部分类模型。一个或多个指令在由一个或多个处理器执行时可以使得一个或多个处理器基于未知样本的光谱和局部分类模型来进行未知样本的第二分类。一个或多个指令在由一个或多个处理器执行时可以使得一个或多个处理器提供标识基于局部分类模型来将未知样本分类到其中的元组的信息。元组可以包括多个组的子集。

根据一些可能的实现方式，所述元组是洁食元组或非洁食元组。

根据一些可能的实现方式，所述元组是清真元组或非清真元组。

根据一些可能的实现方式，其中所述一个或多个指令在由所述一个或多个处理器执行时使得所述一个或多个处理器：聚合与元组的多个组的子集有关的信息以进行未知样本的到元组的第二分类。