[发明专利]一种用于检测机器的异常状态的方法和系统

权利要求书

1.一种用于检测包括机器工具（3）的机器（2）的异常状态的方法，

所述方法包括以下步骤：

(a) 通过操作场景分析器（OSA）接收（S1）机器工具（S3）的当前操作场景的摄像机图像，所述操作场景分析器使用经训练的人工智能模块（AIM）来检测在当前操作场景内存在的物体；以及

(b) 将在当前操作场景内检测到的物体与在机器（2）的正常操作状态中的操作场景中所期望的物体连续地或在控制程序中的特定时间点处进行比较（S2），以检测机器（2）的异常操作状态。

2.根据权利要求1所述的方法，其中所述机器（2）依赖于机器（2）的检测到的操作状态而由机器控制器（8）自动地控制。

3.根据权利要求1或2所述的方法，其中摄像机图像由至少一个摄像机（5）通过监视工具操作空间（4）内的机器工具操作而生成，其中机器（2）的机器工具（3）在控制器（8）的控制下进行操作。

4.根据权利要求3所述的方法，其中若干摄像机（5）从不同的视点监视机器工具操作空间（4），并且使用经训练的人工智能模块（AIM）向操作场景分析器（OSA）供应表示当前操作场景的所生成的摄像机图像，以用于操作状态检测。

5.根据前述权利要求1至4中任一项所述的方法，其中所述人工智能模块（AIM）用以机器（2）的不同操作状态标记的操作场景图像的数据集来训练。

6.根据前述权利要求1至5中任一项所述的方法，其中所述机器（2）的操作状态包括机器（2）的正常操作状态以及至少一个异常操作状态，所述异常操作状态包括以下：操作空间（4）内存在至少一个外来或未识别的物体（14）、要由机器工具（3）处理的外来或未识别工件（15）和/或操作空间（4）内机器工具（3）和工件（6）之间的错误相对位置。

7.根据前述权利要求1至6中任一项所述的方法，其中从图像数据库（10）读取用于训练人工智能模块（AIM）的操作场景图像，并且将其供应到训练由操作场景分析器（OSA）使用的人工智能模块（AIM）的模型构建器实体（11）。

8.根据前述权利要求1至7中任一项所述的方法，其中所述经训练的人工智能模块（AIM）包括经训练的神经网络，其包括深度卷积神经网络CNN或变型或循环神经网络RNN。

9.根据前述权利要求1至7中任一项所述的方法，其中所述人工智能模块（AIM）包括决策树和/或随机森林和/或支持向量机。

10.根据前述权利要求1至9中任一项所述的方法，其中使用存储在存储器中的CAD模型和/或CAM程序来导出在机器（2）的正常操作状态期间的在操作场景中所期望的物体。

11.根据前述权利要求1至10中任一项所述的方法，其中在机器（2）的操作之前，图像生成器（12）检索用于每个潜在工件和/或用于每个潜在外来物体的三维模型，并且将所检索的三维模型渲染成从图像数据库（10）读取的操作场景图像，所述图像数据库存储示出了空机器操作空间的图像，以为由模型构建器实体（11）用来训练人工智能模块（AIM）的不同操作场景提供操作场景图像。

12.根据前述权利要求1至11中任一项所述的方法，其中则所述机器（2）被控制为如果检测到机器（2）的异常操作状态则自动执行缓解动作和/或对策。