[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

说明书

本公开涉及一种用于在检查对象时设定照明条件的方法、装置、系统以及存储介质。所述方法包括：由能够改变照明参数的光源对所述对象进行照明，且由图像传感器以此种照明参数拍摄对象以获得所拍摄的图像，其中所述对象具有已知的标签数据；以及将对象的部分或全部所拍摄的图像及对应的标签数据应用于机器学习模型的学习，且基于机器学习模型的估计结果与标签数据之间的比较结果、同时通过优化照明参数及检查算法参数两者来设定机器学习模型的照明条件及检查算法参数。因此，会简化操作。

技术领域

本公开涉及一种用于在工业检测期间设定照明条件的方法、装置、系统以及存储介质。

背景技术

生产现场中的产品外观检查是用机器代替人实施最少的领域之一，且是未来关于用于减少劳动力的自动化必须解决的重要的技术问题。近年来，随着以深度学习为代表的人工智能及机器学习技术的发展，检查自动化技术得到了飞跃性的改善。然而，在外观检查、机器视觉等中，检查系统建立期间最麻烦的流程是成像系统的设计，包括照明的最佳设计。存在以下问题：当操作者手动实行照明的最佳设计时，为了处理工件的个体差异，需要改变被确定为对象的工件，并且交替地及重复地同时实行基于手动调节的照明优化及检查算法的调节，以实现预期的检测性能，这是非常耗时的。此外，还存在以下问题：当照明被调节为容易被操作者观察时，可能不总是达到最佳检查准确度。

在用于解决这些问题的传统技术中，报道了一种用于根据所拍摄的图像计算评价参考并重复计算使其最大化/最小化的成像及照明参数的方法(专利文献1)。然而，根据所述方法，可仅实现根据当前拍摄的单个工件的所拍摄的图像而计算的评价值的优化，且可能无法实现基于机器学习(例如，多个工件之间的差异的学习)的辨识器(recognizer)的优化。

此外，还存在以下问题：可能存在大量组合的成像及照明参数，并且同时改变成像及照明条件、实行成像及实行优化可能需要花费相对长的时间。

此外，上述问题不仅存在于生产现场中的产品外观检查期间，而且还存在于其他判断装置(例如面部辨识系统)中，所述判断装置可使用所拍摄的被照亮对象的图像作为输入，以借助于机器学习作出各种判断。

现有技术文献

专利文献

专利文献1：EP2887055A1

发明内容

·待解决的技术问题

本公开用于解决至少部分或全部前述问题。

·解决技术问题的方法

本公开公开一种用于在基于机器学习的检查算法的参数包括照明的设计参数的条件下对检查算法的参数进行优化的方法。因此，用户可以将检查算法的损失值(Lossvalue)(在判断条件下的正确率)最大化的方式，同时直接实行照明的优化及检查算法的优化。

(1)根据本公开的方面，公开一种用于在检查对象时设定照明条件的方法，其中使用包括机器学习模型的检查模块来检查所述对象，所述机器学习模型通过使用包括图像的学习数据来产生，且所述方法，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此种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；以及将所述对象的对应于所述多个照明参数的部分或全部所述多个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。

因此，基于所述机器学习模型的所述估计结果与所述对象的所述标签数据之间的所述比较结果来设定当使用所述检查模块检查所述对象时所采用的所述照明条件，可同时实行所述机器学习模型的所述照明参数及所述检查算法参数的优化，且会简化操作。