[發明專利]用于設定照明條件的方法、裝置、系統以及存儲介質

有效

• 申請號: 201880089331.3
• 申請日: 2018-03-05
• 公開（公告）號: CN111727412B
• 公開（公告）日: 2023-07-14
• 發明（設計）人: 成瀬洋介;栗田真嗣
• 申請（專利權）人: 歐姆龍株式會社
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 馬爽;臧建明

1.一種用于在檢查對象時設定照明條件的方法，其中，檢查模塊包括用于檢查所述對象的機器學習模型，所述機器學習模型通過使用包括圖像的學習數據來產生，所述方法的特征在于，包括：

由能夠改變照明參數的光源對所述對象進行照明，所述照明參數規定拍攝所述對象時的所述照明條件，且由圖像傳感器以多個照明參數來拍攝所述對象，以獲得對應于所述多個照明參數的所拍攝的圖像，其中，所述對象具有已知的標簽數據；

基于通過將所述所拍攝的圖像與對應于所述所拍攝的圖像的所述照明參數相關聯而獲得的圖像數據集，來產生當以可變照明參數對所述對象進行照明時所述對象的估計圖像；及

將所述對象的對應于所述可變照明參數的所述估計圖像及對應的所述標簽數據應用于所述機器學習模型的學習，且基于所述機器學習模型的估計結果與所述對象的所述標簽數據之間的比較結果，通過同時優化所述照明參數及檢查算法參數，來設定所述機器學習模型的所述照明條件及所述檢查算法參數。

2.根據權利要求1所述的方法，其中，產生當以可變照明參數對所述對象進行照明時所述對象的估計圖像包括：

準備對應于多種對象的多個圖像數據集；及

基于所述多個圖像數據集，產生當以所述可變照明參數對所述多種對象進行照明時分別對應于所述多種對象的多個估計圖像。

3.一種用于在檢查對象時設定照明條件的方法，其中，檢查模塊包括用于檢查所述對象的機器學習模型，所述機器學習模型通過使用包括圖像的學習數據來產生，所述方法的特征在于，包括：

由能夠改變照明參數的光源對所述對象進行照明，所述照明參數規定拍攝所述對象時的所述照明條件，且由圖像傳感器以多個照明參數來拍攝所述對象，以獲得對應于所述多個照明參數的多個所拍攝的圖像，其中，所述對象具有對應的標簽數據；

基于通過將所述所拍攝的圖像與對應于所述所拍攝的圖像的所述照明參數相關聯而獲得的圖像數據集，來產生當以可變照明參數對所述對象進行照明時所述對象的估計圖像；及

將對應于所述可變照明參數的所述估計圖像應用于已經實行學習的所述機器學習模型，且基于所述機器學習模型的估計結果與所述對象的所述標簽數據之間的比較結果，根據僅針對所述照明參數的優化結果，來設定所述照明條件。

4.根據權利要求3所述的方法，其中，將對應于所述可變照明參數的所述估計圖像應用于已經實行學習的所述機器學習模型包括：

將包括所述對象的所述估計圖像及對應的所述標簽數據的學習數據應用于所述機器學習模型的附加學習，以更新所述機器學習模型的部分或全部檢查算法參數，其中，所述標簽數據表示所述對象的檢查特征；及

優化所述機器學習模型的所述照明參數及部分或全部所述檢查算法參數，以使所述機器學習模型的所述估計結果與所述標簽數據一致。

5.根據權利要求3或4所述的方法，其中，

當設定所述照明條件時，應用于所述機器學習模型以確定所述照明參數的所述估計圖像的數量少于應用于所述機器學習模型的所述學習的所述所拍攝的圖像的數量。

6.根據權利要求1或3所述的方法，其中，

所述照明參數包括所述光源的發光位置及發光強度。

7.根據權利要求1或3所述的方法，其中，設定使用所述檢查模塊檢查所述對象時的所述照明條件包括：

選擇將表示所述比較結果的損失函數最小化的所述照明參數，其中，選擇所述照明參數包括：對于預定范圍的所述照明參數，選擇將所述損失函數的損失平均值最小化的所述照明參數。

8.根據權利要求1或3所述的方法，其中，產生當以可變照明參數對所述對象進行照明時所述對象的估計圖像包括：

基于與所述圖像數據集中包括的所述照明參數對應的所述所拍攝的圖像的加權線性疊加和，來產生當以所述可變照明參數對所述對象進行照明時所述對象的所述估計圖像，其中，根據所述可變照明參數及所述所拍攝的圖像的所述照明參數來確定其權重。