[发明专利]一种用于检测机器的异常状态的方法和系统

说明书

一种用于自动检测机器（2）的异常操作状态的物体识别装置（1），所述机器（2）包括在由至少一个摄像机（5）监视的操作空间中操作的机器工具（3），所述至少一个摄像机（5）适于生成供应给处理器的当前操作场景的摄像机图像，所述处理器适于使用经训练的人工智能模块（AIM）来分析当前操作场景以检测当前操作场景内存在的物体、以及适于将检测到的物体与所述机器（2）的正常操作状态中的操作场景中所期望的物体进行比较，以检测所述机器（2）的异常操作状态。

技术领域

本发明涉及一种用于检测机器的异常状态的方法和系统，其包括用于处理工件的机器工具，并且特别涉及一种用于检测机器工具的工作空间中的不正确或外来工件或外来物体的基于人工智能的物体识别系统。

背景技术

诸如工厂的生产机器或制造机器之类的机器可以包括适于处理工件的一个或若干机器工具。机器工具通常在由机器的命令模块或本地控制器执行的数控程序的控制下操作。数控程序精确地指定机器工具正在执行的命令。在常规机器中，一旦数控程序已经被启动或发起，机器控制器则盲目地执行数控程序。然而，例如，在维护过程之后，诸如螺丝刀之类的外来物体保留在机器的操作室中并且当启动机器的数控程序时保持未被观察到是可能的。在这种情况下，异物或外来物体可能干扰生产过程，并且甚至损坏机器和/或由机器的机器工具处理的工件。另外，可能的是，不正确的原始工件将要被机器处理，这导致意外的生产结果。常规的生产机器可以使用用于检测预定义的区域中的障碍物或外来物体的特定传感器。这些传感器可以包括用于检测外来物体或用于检测工件相对于机器工具的未对准的附加摄像机。然而，如果过程改变，则这些常规的方法不能鲁棒地工作。对于其中必须验证特定物体的存在和对准的小批量大小生产场景，制造过程中的过程改变经常发生。

发明内容

因此，本发明的目的是提供一种方法和系统，该方法和系统提高了具有规律过程改变的小批量生产场景的鲁棒性和可靠性。

根据本发明的第一方面，该目的通过包括权利要求1的特征的一种用于检测机器的异常状态的方法来实现。

根据第一方面，本发明提供了一种用于检测包括机器工具的机器的异常状态的方法，其中所述方法包括以下步骤：

通过操作场景分析器使用经训练的人工智能模块检测在当前操作场景内存在的物体来接收机器工具的当前操作场景的摄像机图像，并且将在当前操作场景内检测到的物体与在机器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，以检测机器的异常操作状态。

在根据本发明的第一方面的方法的可能实施例中，机器依赖于检测到机器操作状态而被自动地控制。

在根据本发明的第一方面的方法的另外的可能实施例中，摄像机图像由至少一个摄像机通过监视工具操作空间内的机器工具操作而生成，在所述工具操作空间中，机器的机器工具在控制器的控制下根据检测到的机器操作状态进行操作。

在根据本发明的第一方面的方法的可能实施例中，若干摄像机从不同的视点监视机器工具操作空间，并且使用经训练的人工智能模块向操作场景分析器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。

在根据本发明的第一方面的方法的另外的可能实施例中，人工智能模块用以不同机器操作状态标记的操作场景图像的数据集来训练。

在根据本发明的第一方面的方法的另外的可能实施例中，机器操作状态包括正常操作状态以及至少一个异常机器操作状态，所述异常机器操作状态包括以下：操作空间内存在至少一个外来或未识别的物体、要由机器工具处理的外来或未识别工件和/或操作空间内机器工具和工件之间的错误相对位置。

在根据本发明的第一方面的方法的另外的可能实施例中，从图像数据库读取用于训练人工智能模块的操作场景图像，并且将其供应到训练由操作场景分析器使用的人工智能模块的模型构建器实体。