[发明专利]用于设定照明条件的方法、装置、系统以及存储介质

权利要求书

1.一种用于在检查对象时设定照明条件的方法，其中，检查模块包括用于检查所述对象的机器学习模型，所述机器学习模型通过使用包括图像的学习数据来产生，所述方法的特征在于，包括：

由能够改变照明参数的光源对所述对象进行照明，所述照明参数规定拍摄所述对象时的所述照明条件，且由图像传感器以多个照明参数来拍摄所述对象，以获得对应于所述多个照明参数的所拍摄的图像，其中，所述对象具有已知的标签数据；以及

将所述对象的对应于所述多个照明参数的部分或全部所述所拍摄的图像及对应的所述标签数据应用于所述机器学习模型的学习，且基于所述机器学习模型的估计结果与所述对象的所述标签数据之间的比较结果，通过损失函数同时优化所述照明参数及检查算法参数两者，来设定所述机器学习模型的所述照明条件及所述检查算法参数两者，其中所述照明参数与所述检查算法参数是所述损失函数的变量。

2.一种用于在检查对象时设定照明条件的方法，其中，检查模块包括用于检查所述对象的机器学习模型，所述机器学习模型通过使用包括图像的学习数据来产生，所述方法的特征在于，包括：

由能够改变照明参数的光源对所述对象进行照明，所述照明参数规定拍摄所述对象时的所述照明条件，且由图像传感器以多个照明参数来拍摄所述对象，以获得对应于所述多个照明参数的多个所拍摄的图像，其中，所述对象具有已知的标签数据；以及

将对应于所述多个照明参数的部分或全部所述所拍摄的图像应用于已经实行学习的所述机器学习模型，且基于所述机器学习模型的估计结果与所述对象的所述标签数据之间的比较结果，通过仅优化对预定照明参数的选择，来设定所述照明条件，

其中，设定使用所述检查模块检查所述对象时的所述照明条件包括：

选择将表示所述比较结果的损失函数最小化的所述照明参数，其中，所述照明参数是所述损失函数的变量。

3.根据权利要求2所述的方法，其中，将对应于所述多个照明参数的部分或全部所述所拍摄的图像应用于已经实行学习的所述机器学习模型包括：

将包括所述对象的所述所拍摄的图像及对应的所述标签数据的学习数据应用于所述机器学习模型的附加学习，以更新所述机器学习模型的部分或全部检查算法参数，其中，所述标签数据表示所述对象的检查特征；及

优化对所述机器学习模型的所述照明参数及部分或全部所述检查算法参数两者的选择，以使所述机器学习模型的所述估计结果与所述标签数据一致。

4.根据权利要求2或3所述的方法，其中，

当设定所述照明条件时，应用于已经实行学习的所述机器学习模型以找到最佳照明条件的所述所拍摄的图像的数量少于应用于所述机器学习模型的所述学习的所述所拍摄的图像的数量。

5.根据权利要求1或2所述的方法，其中，

所述照明参数包括所述光源的发光位置及发光强度。

6.根据权利要求1或2所述的方法，其中，设定使用所述检查模块检查所述对象时的所述照明条件包括：

选择将表示所述比较结果的损失函数最小化的所述照明参数，其中，选择所述照明参数包括：对于预定范围的所述照明参数，选择将所述损失函数的损失平均值最小化的所述照明参数。

7.一种用于在检查对象时设定照明条件的装置，其中，检查模块包括用于检查所述对象的机器学习模型，所述机器学习模型通过使用包括图像的学习数据来产生，所述装置的特征在于，包括：

获取单元，获取关于所述对象的所拍摄的图像，其中，由能够改变照明参数的光源对所述对象进行照明，所述照明参数规定拍摄所述对象时的所述照明条件，且由图像传感器以多个照明参数来拍摄所述对象，以获得对应于所述多个照明参数的所述所拍摄的图像，其中，所述对象具有已知的标签数据；以及

设定单元，将所述对象的对应于所述多个照明参数的部分或全部所述所拍摄的图像及对应的所述标签数据应用于所述机器学习模型的学习，且基于所述机器学习模型的估计结果与所述对象的所述标签数据之间的比较结果，通过损失函数同时优化所述照明参数及检查算法参数两者，来设定所述机器学习模型的所述照明条件及所述检查算法参数两者，其中所述照明参数与所述检查算法参数是所述损失函数的变量。