[發明專利]基于PDF文件解析的圖譜數據還原方法

在審

• 申請號: 202110364526.8
• 申請日: 2021-04-06
• 公開（公告）號: CN112861821A
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 劉羽;王賀;王輝;李姜暉;劉永;付俐
• 申請（專利權）人: 劉羽
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06F16/33
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了基于PDF文件解析的圖譜數據還原方法，該方法包括：通過解析文件獲得圖譜位置范圍；依據圖譜中各類相關對象的位置屬性，識別分類不同功能的數據及相對坐標；通過數據間的相互關系，獲得圖譜中的特定點的相對坐標和絕對坐標，并進一步獲得相對坐標和絕對坐標所對應的橫坐標校正系數和縱坐標校正系數；通過對所獲得的相對坐標數據的換算，得到構建圖譜的絕對坐標數據，從而實現對PDF圖譜數據的還原。將PDF格式的圖譜內容轉換為反映圖譜特征的、數值與原始數據接近、可操作可檢索的數據，使圖譜數據的使用脫離原專用系統、工作站、工作程序的限制，提升圖譜數據的交換、查詢、比對的便利性，方便進行數據的統一管理。

技術領域

本發明涉及基于PDF文件解析的圖譜數據還原方法，屬于文件數據解析領域。

背景技術

圖譜作為科學研究的重要手段，在分析實驗中的作用巨大。圖譜通常以包含縱坐標與橫坐標的散點圖形式出現，通常呈現連續性變化，其縱坐標與橫坐標具有特征性的相關性。例如液相圖譜：洗脫物質的吸收值與洗脫時間的對應關系；紫外分光光度的掃描圖譜：樣品吸光值與步進變化的波長之間的對應關系；晶體的X衍射：步進變化的衍射角2θ與強度標值I之間的對應關系等等。

這種特征性的相關性直接或間接的反映出了被研究對象特定的物理化學性質，因此圖譜解析作為現代實驗室的主要研究手段異常重要。

現代分析儀器通常采用安裝于PC機、工作站或者網絡服務器的專用工作軟件進行數據抓取和分析，儀器與專用軟件之間屬于一對一的匹配，具有專屬性；綜合型實驗室因為研究目標、研究手段、設備更新等原因，又存在實際應用場景中的多樣性。例如實驗室會配備多種研究設備采用不同的方法（如液相色譜、氣相色譜、質譜、核磁共振、熱分析等）對同一研究目標從多方面進行研究，且由于商業競爭、儀器更新迭代、軟件版本升級等原因，相同原理的檢測設備也會出現不同品牌設備并存或是同品牌新老設備并存的現象。

由于上述的種種原因，現代實驗室中的圖譜數據文件格式五花八門。對綜合型實驗室，多類型圖譜綜合性的數據管理及報告生成并沒有較好的解決方案。

現有LIMS系統（實驗室信息管理系統）及SDMS（科學數據管理系統）或是屬于第三方開發系統，因為缺乏對儀器硬件底層技術及圖譜數據原始文件的數據結構的了解，易造成數據采集的不完整；或是因為硬件供應商自行開發的控制及管理系統，其專屬性太強，無法實現跨品牌、跨硬件類型的數據采集，會因為網絡內部的儀器類型，儀器型號，廠商的不同而產生兼容性問題。

綜合性實驗室需要實現數據采集的專屬性與儀器系統兼容性的平衡。

PDF（Portable Document Format,便攜式文檔格式）是一種獨立于硬件、操作系統、應用程序的電子文檔。上述的圖譜數據都可以通過虛擬打印的方式實現圖譜報告的輸出，生成圖譜的PDF文件。PDF文件因其獨特的優點成了事實上的實驗室通用報告文本。通過對PDF文件的解析和數據還原，可以實現對綜合性實驗室電子數據的管理。目前所知對PDF文件的解析通常只是針對文件中的字符型數據按照規則進行解析，對以圖形式展現的圖譜并沒有較好的解析，這使得所得到的報告數據并不全面。

發明內容

發明目的：本發明針對綜合型實驗室存在的問題，提出一種圖譜數據還原方法，將PDF格式的圖譜報告還原為包含圖譜絕對坐標數據、積分線及圖譜參數的集合，并打包生成可進行數據傳輸XML、Json等的特定數據結構文件。上述文件可在設定解析策略后被通用的Origin、EXCEL、Matlab等數據處理軟件識別、解析并繪制為矢量圖譜。并可以在上述軟件中進行進一步的數據標記、面積積分操作。

技術方案：多數電子儀器的基本原理是通過傳感器接收特定信號，如特定波長，溫度，壓力等，轉換為電信號，并通過數模轉換成為可被計算機記錄處理的數字信號，該數字信號與對應的參數如保留時間，轉角步進，變化波長等一一匹配，形成以二維數組列表形式的原始數據記錄；上述記錄通過特定軟件/算法進行處理、計算、壓縮最終生成圖譜報告。