[发明专利]异常检测方法、装置、智能设备和存储介质有效
申请号: | 201810154107.X | 申请日: | 2018-02-22 |
公开(公告)号: | CN110181503B | 公开(公告)日: | 2021-09-10 |
发明(设计)人: | 梁彬欣 | 申请(专利权)人: | 北京猎户星空科技有限公司 |
主分类号: | B25J9/16 | 分类号: | B25J9/16 |
代理公司: | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人: | 张润 |
地址: | 100041 北京市朝阳区团结*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 异常 检测 方法 装置 智能 设备 存储 介质 | ||
本发明公开了一种异常检测方法、装置、智能设备和存储介质。其中,方法包括:当智能设备执行目标任务时,获取待检测场景的场景图像,其中,待检测场景为预先设定的目标任务对应的需要进行异常检测的场景;根据待检测场景的场景图像,对智能设备执行目标任务的工作流进行异常检测。该方法可以使得智能设备具有自身的工作流异常检测的功能,保证智能设备能够提供有效服务,并在整个过程无需人为检测,大大减少了人工成本。
技术领域
本发明涉及智能设备控制领域,尤其涉及一种异常检测方法、装置、智能设备和计算机可读存储介质。
背景技术
随着人们生活水平需要的不断提高,智能设备(如拟人形态的智能机器人、机械臂等)越来越多地被应用于人们的生活和服务中,以实现与人类发生各种交互。目前,智能设备在设计时更多考虑的是如何解决设备与人的交互问题,比如触摸屏、语音等交互方式中,智能设备会从用户获取反馈信息从而决定下一步的工作流。
当智能设备在为用户提供服务时,也同时会与环境中的其他事物发生交互,对于交互场景信息的感知也同样重要,甚至会直接影响其工作成效。例如,机械臂在制作咖啡时,会按照已知动作步骤自动完成咖啡的制作,过程中会使用到其他事物(如人、设备或工具)的交互。然而,这种交互场景可能由于外界等原因会出现各种各样的情况,例如,机械臂按下牛奶柜的按钮之后,牛奶柜上的奶管并未出奶,而现有技术中的智能设备在没有相应的自身异常检测策略的情况下,通常是通过人工监控来实现机械臂的异常检测,而这种往往会浪费大量的人力成本,导致机械臂的智能化被弱化。
发明内容
本发明的目的旨在至少在一定程度上解决上述的技术问题之一。
为此,本发明的第一个目的在于提出一种异常检测方法。该方法可以使得智能设备具有自身的工作流异常检测的功能,保证智能设备能够提供有效服务,并在整个过程无需人为检测,大大减少了人工成本。
本发明的第二个目的在于提出一种异常检测装置。
本发明的第三个目的在于提出一种智能设备。
本发明的第四个目的在于提出一种计算机可读存储介质。
为达到上述目的,本发明第一方面实施例提出的异常检测方法,包括:当智能设备执行目标任务时,获取待检测场景的场景图像,其中,所述待检测场景为预先设定的所述目标任务对应的需要进行异常检测的场景;根据所述待检测场景的场景图像,对所述智能设备执行目标任务的工作流进行异常检测。
根据本发明实施例的异常检测方法,在智能设备执行目标任务时,获取待检测场景的场景图像,并根据该待检测场景的场景图像,对智能设备执行目标任务的工作流进行异常检测。即在智能设备执行某个任务的工作流中,对于需要确认环境或者其他事物(如设备或工具)的交互场景所反馈的信息时,可获取该场景下的图像,并通过分析该图像来判断该场景是否存在异常,这样使用视觉传感器感知外界环境或其他事物的交互场景所反馈的信息,与自身程序设定的工作流相结合,达到提供有效产品服务的目的,使得智能设备具有自身的工作流异常检测的功能,整个过程无需人为检测,大大减少了人工成本,保证了智能设备能够提供有效服务。
根据本发明的一个实施例,每个待检测场景对应一个图像类别检测模型,所述图像类别检测模型为预先训练完成的用于进行图像分类的神经网络模型;所述图像类别包括至少一个正常类别和至少一个异常类别;其中,根据所述待检测场景的场景图像,对所述智能设备执行目标任务的工作流进行异常检测,包括:
获取与所述待检测场景对应的图像类别检测模型;基于获取的图像类别检测模型和所述待检测场景的场景图像,判断所述待检测场景是否存在异常。
根据本发明的一个实施例,所述图像类别检测模型,具体采用如下方式生成:针对每个待检测场景,获取各种图像类别的场景图像作为样本数据;基于所述样本数据,训练得到每个待检测场景对应的图像类别检测模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京猎户星空科技有限公司,未经北京猎户星空科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810154107.X/2.html,转载请声明来源钻瓜专利网。