用于使用计算机视觉进行复杂视觉检查任务的联合学习的系统和方法技术方案

一种用于执行自动视觉检查的方法包含：使用包含多个相机的扫描系统俘获对象的视觉信息；由包含处理器和存储器的计算系统使用一个或多个特征提取器从所述视觉信息提取一个或多个特征图；由所述计算系统通过将所述一个或多个特征图供应到复杂分类器以计算所述对象的分类来对所述对象进行分类，所述复杂分类器包含：多个简单分类器，所述多个简单分类器中的每一简单分类器经配置以计算表示所述对象的特性的输出；以及一个或多个逻辑运算器，其经配置以组合所述简单分类器的所述输出以计算所述对象的所述分类；以及由所述计算系统输出所述对象的所述分类作为所述自动视觉检查的结果。的结果。的结果。

【技术实现步骤摘要】
【国外来华专利技术】用于使用计算机视觉进行复杂视觉检查任务的联合学习的系统和方法
[0001]相关申请的交叉参考
[0002]本申请要求2018年12月19日在美国专利商标局提交的美国临时专利申请第62/782,163号的权益，所述美国临时专利申请的全部公开内容以引用的方式并入本文中。


[0003]本专利技术的实施例的方面涉及视觉对象检查的领域，包含使用计算机视觉技术来使视觉检查任务自动化。

技术介绍

[0004]来自视觉信息的复杂检查任务在制造和物流方面是非常常见的。复杂检查任务由多个(两个或更多个)简单检查任务构成，所述简单检查任务与一些逻辑相组合。举例来说，当检查制造对象以进行制造环境中的质量监测或质量控制时，可测量对象的若干不同特性，且可对照质量标准比较所得测量值以确定对象是否整体符合那些标准。举例来说，在鞋制造的情况下，是接受还是拒绝特定所制造鞋的总体确定可取决于考虑鞋的外部可见方面的简单检查任务的组合，所述外部可见方面例如缝合的均匀性、针脚的位置以及标识和其它设计元件的对准、材料中的缺陷(例如，孔和裂痕)等等。鞋通过还是不通过质量控制的本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于执行自动视觉检查的方法，其特征在于：包括：使用包括多个相机的扫描系统俘获对象的视觉信息；由包括处理器和存储器的计算系统使用一个或多个特征提取器从所述视觉信息提取一个或多个特征图；由所述计算系统通过将所述一个或多个特征图供应到复杂分类器以计算所述对象的分类来对所述对象进行分类，所述复杂分类器包括：多个简单分类器，所述多个简单分类器中的每一简单分类器经配置以计算表示所述对象的特性的输出；以及一个或多个逻辑运算器，其经配置以组合所述简单分类器的所述输出以计算所述对象的所述分类；以及由所述计算系统输出所述对象的所述分类作为所述自动视觉检查的结果。2.根据权利要求1所述的方法，其特征在于：所述一个或多个特征提取器包括一个或多个卷积神经网络。3.根据权利要求1所述的方法，其特征在于：所述多个简单分类器包括一个或多个神经网络。4.根据权利要求3所述的方法，其特征在于：所述多个简单分类器包括一个或多个支持向量机，且其中至少一个逻辑运算经配置以组合所述神经网络的输出与所述支持向量机的输出。5.根据权利要求1所述的方法，其特征在于：所述多个简单分类器包括一个或多个回归模型。6.根据权利要求1所述的方法，其特征在于：所述多个简单分类器包括经配置以执行文本检测的一个或多个基于标记的分类器。7.根据权利要求1所述的方法，其特征在于：所述多个简单分类器中的每一简单分类器由多个阈值参数中的对应阈值参数配置，其中联合地训练所述阈值参数。8.根据权利要求7所述的方法，其特征在于：通过以下操作来联合地训练所述阈值参数：对参数空间进行取样以选择多组阈值参数来配置所述简单分类器；通过以下操作来计算所述多组阈值参数中的每一组阈值参数的真阳性率(TPr)和假阳性率(FPr)：通过基于所述组阈值参数配置所述简单分类器来配置所述复杂分类器；以及通过向所述经配置复杂分类器供应数据的验证集合来计算所述配置的所述TPr和所述FPr；以及根据所述组配置参数中的每一组配置参数的所述TPr和FPr来识别包括表现最佳的若干组配置参数的柏拉图前缘；以及根据规则集合根据域从所述柏拉图前缘选择一组配置参数。9.根据权利要求1所述的方法，其特征在于：所述视觉信息包括彩色图像、灰度图像或深度图。10.根据权利要求9所述的方法，其特征在于：所述视觉信息包括至少一个深度图，其中所述至少一个深度图是由所述多个相机的深度相机系统俘获。
11.根据权利要求10所述的方法，其特征在于：所述深度相机系统包括：飞行时间深度相机；结构光深度相机；立体深度相机，其包括：至少两个彩色相机；立体深度相机，其包括：至少两个彩色相机...

【专利技术属性】
技术研发人员：卡洛，
申请(专利权)人：艾奎菲股份有限公司，
类型：发明
国别省市：