[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: 201880089417.6
• 申請日: 2018-03-06
• 公開（公告）號: CN111712769B
• 公開（公告）日: 2023-08-01
• 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;G01N21/88;G06T7/00
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 楊貝貝;臧建明

本公開涉及一種用于在檢查對象時設定照明條件的方法、裝置、系統以及存儲介質。所述方法包括：由能夠改變照明參數的光源對所述對象進行照明，且由圖像傳感器以此種照明參數拍攝對象以獲得所拍攝的圖像，其中所述對象具有已知的標簽數據；以及將對象的部分或全部所拍攝的圖像及對應的標簽數據應用于機器學習模型的學習，且基于機器學習模型的估計結果與標簽數據之間的比較結果、同時通過優化照明參數及檢查算法參數兩者來設定機器學習模型的照明條件及檢查算法參數。因此，會簡化操作。

技術領域

本公開涉及一種用于在工業檢測期間設定照明條件的方法、裝置、系統以及存儲介質。

背景技術

生產現場中的產品外觀檢查是用機器代替人實施最少的領域之一，且是未來關于用于減少勞動力的自動化必須解決的重要的技術問題。近年來，隨著以深度學習為代表的人工智能及機器學習技術的發展，檢查自動化技術得到了飛躍性的改善。然而，在外觀檢查、機器視覺等中，檢查系統建立期間最麻煩的流程是成像系統的設計，包括照明的最佳設計。存在以下問題：當操作者手動實行照明的最佳設計時，為了處理工件的個體差異，需要改變被確定為對象的工件，并且交替地及重復地同時實行基于手動調節的照明優化及檢查算法的調節，以實現預期的檢測性能，這是非常耗時的。此外，還存在以下問題：當照明被調節為容易被操作者觀察時，可能不總是達到最佳檢查準確度。

在用于解決這些問題的傳統技術中，報道了一種用于根據所拍攝的圖像計算評價參考并重復計算使其最大化/最小化的成像及照明參數的方法(專利文獻1)。然而，根據所述方法，可僅實現根據當前拍攝的單個工件的所拍攝的圖像而計算的評價值的優化，且可能無法實現基于機器學習(例如，多個工件之間的差異的學習)的辨識器(recognizer)的優化。

此外，還存在以下問題：可能存在大量組合的成像及照明參數，并且同時改變成像及照明條件、實行成像及實行優化可能需要花費相對長的時間。

此外，上述問題不僅存在于生產現場中的產品外觀檢查期間，而且還存在于其他判斷裝置(例如面部辨識系統)中，所述判斷裝置可使用所拍攝的被照亮對象的圖像作為輸入，以借助于機器學習作出各種判斷。

現有技術文獻

專利文獻

專利文獻1：EP2887055A1

發明內容

·待解決的技術問題

本公開用于解決至少部分或全部前述問題。

·解決技術問題的方法

本公開公開一種用于在基于機器學習的檢查算法的參數包括照明的設計參數的條件下對檢查算法的參數進行優化的方法。因此，用戶可以將檢查算法的損失值(Lossvalue)(在判斷條件下的正確率)最大化的方式，同時直接實行照明的優化及檢查算法的優化。

(1)根據本公開的方面，公開一種用于在檢查對象時設定照明條件的方法，其中使用包括機器學習模型的檢查模塊來檢查所述對象，所述機器學習模型通過使用包括圖像的學習數據來產生，且所述方法，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此種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，其中所述對象具有已知的標簽數據；以及將所述對象的對應于所述多個照明參數的部分或全部所述多個所拍攝的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兩者，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兩者。

因此，基于所述機器學習模型的所述估計結果與所述對象的所述標簽數據之間的所述比較結果來設定當使用所述檢查模塊檢查所述對象時所采用的所述照明條件，可同時實行所述機器學習模型的所述照明參數及所述檢查算法參數的優化，且會簡化操作。