用于确定用于执行测量的经优化的参数组的方法和设备技术

本发明专利技术涉及一种用于找出用于利用测量装置(12)的测量的经优化的参数组的方法和设备(10)。为此，尤其是n*m次测量被执行和评估、优选被平均，并且，在求平均的测量中确定感兴趣区域(ROI)。接着，能够执行o个n*m次测量，其中，仅在ROI中进行评估。最迟在o次重复之后，可结束优化并且输出评估为好的参数组并且将该参数组用于测量。数组用于测量。数组用于测量。

【技术实现步骤摘要】
【国外来华专利技术】用于确定用于执行测量的经优化的参数组的方法和设备


[0001]本专利技术涉及一种用于确定经优化的参数组的方法和设备。

技术介绍

[0002]复杂的测量装置、例如光学相干断层扫描(OCT)测量装置具有许多(调设)参数，这些参数允许用户将测量装置适配于被测体的相应的测量情形或者说加工情形。大量参数及其相互作用导致高度复杂的参数空间。因此，参数组的参数的调设迄今为止需要专家知识并且是费时的。

技术实现思路

[0003]与此相对，本专利技术的任务在于，提供一种用于自动化地求取经优化的参数组的方法和设备。
[0004]专利技术描述
[0005]根据本专利技术，该任务通过根据权利要求1的方法和根据权利要求12的设备来解决。从属权利要求反映了优选的扩展方案。
[0006]因此，根据本专利技术的任务通过具有以下方法步骤、尤其是自动化执行的方法步骤的方法来解决：
[0007]C)执行和存储以各一个参数组对被测体进行的n次测量，其中，每次测量都具有大量测量点；
[0008]D)利用评估函数来评估所述n次测量，并且，存储该评估，其中，该评估尤其是渐进地(graduell)进行、优选在0和1之间进行；
[0009]E)生成尤其是n个新的参数组，尤其是通过应用适应函数，该适应函数在处理、选择和进一步使用参数组时考虑来自方法步骤D)的评估；
[0010]F)执行方法步骤C)至E)多次、尤其是m次；
[0011]J)输出至少一个参数组、尤其是具有最好评估的参数组。附加于此地，还可以输出另外的参数组。
[0012]测量参数是必要的，以便使测量能够适配于大量处理情形。具有大量参数和相互作用的复杂且不对称的参数空间可以对用户完全隐藏。因此，操作不需要专门的知识。然而，功能范围和针对测量情形、尤其是构件特性的变化的鲁棒性都被完全保留。因此，根据本专利技术的方法也允许没有经验的用户以非常好的测量参数来执行测量。
[0013]一个参数组相应于利用其可进行一个测量的多个测量参数。如果一个参数组的至少一个参数与另一参数组中的同样的参数不同，则这两个参数组不同。
[0014]在方法步骤E)中，尤其是通过将进化算子、优选呈交叉算子和/或变异算子的形式的进化算子应用于在方法步骤C)中使用的参数组来生成新的参数组。在应用交叉算子时，将两个父参数组(Eltern
‑
)组合成一个下一代参数组。在应用变异算子时，随机地改变父参数组的单个部分/多个部分。
[0015]被测体可以以工件的形式存在。
[0016]n和/或m可以大于1，尤其是大于2，优选大于5，特别优选大于10。
[0017]在方法步骤C)中的测量优选以非接触扫描的形式执行。该扫描可以一维(线扫描)或多维地执行。
[0018]优选，在方法步骤C)中的测量以光学相干断层扫描(OCT)测量的形式或以高温测定法(Pyrometrie)测量的形式执行。用于执行OCT测量和高温测定法测量的参数组能够利用根据本专利技术的方法被特别好地优化。
[0019]评估函数可以包含用于判断测量的拍摄质量的、尤其是呈图像处理算法形式的算法和/或包含深度卷积神经网络。该算法可以评估传感器原始信号，例如傅里叶变换(FFT)信号。该图像处理算法能构造为用于判断测量的图像质量。例如，该图像处理算法可以判断边缘清晰度和/或图像噪声。
[0020]在方法步骤E)中的生成n个新的参数组可以通过随机(E1)或(E2)人工智能(KI)来实现，该人工智能借助在线学习方法和评估函数的评估来适配其目标函数。KI通过永久(在线)执行的学习方法在考虑所述评估的情况下实现了对参数组的显著更快的优化。
[0021]在本专利技术的进一步优选的构型中，在方法步骤F)之后且在方法步骤J)之前执行以下方法步骤：
[0022]G)对所有在方法步骤C)执行的测量进行合并，尤其是求平均；
[0023]H)限定在经合并的测量中的尽可能最小的感兴趣区域(ROI)，在该尽可能最小的感兴趣区域中评估函数超过限定的阈值；
[0024]I)重复方法步骤C)至F)多次、尤其是o次，其中，在方法步骤D)中仅在ROI内使用评估函数。
[0025]在方法步骤G)中的合并可以通过求平均、确定中值和/或确定其他统计值来进行。
[0026]ROI相应于包含样本体的一测量信号的测量区域。由此，将测量的以下区域(在该区域中从样本体没有获得信号)排除在优化之外。由此显著改进了优化。
[0027]ROI优选是连续的。
[0028]o可以大于1，尤其是大于2，优选大于5，特别优选大于10。
[0029]在方法步骤J)之后可以在方法步骤K)中将在方法步骤J)中输出的参数组存储。附加于此地，可以存储另一个或者说多个另外的评估为好的参数组。
[0030]在方法步骤C)之前可以执行以下方法步骤：
[0031]B)生成在方法步骤C)中使用的n个参数组，通过：
[0032]B1)随机，或者
[0033]B2)默认启动参数化，或者
[0034]B3)以默认启动参数化执行对被测体的测量，并且，确定该默认启动参数化的一个或多个最接近的邻居，尤其是通过基于密度的聚类。在此，可以通过基于密度的聚类来确定z维特征空间中的多个最接近的邻居。特征空间可以通过特征提取方法、例如图像处理方法和/或深度卷积网络来展开。z优选在10至1000之间。
[0035]附加于此地，可以在方法步骤B)之前执行以下方法步骤：
[0036]A)限定参数组的测量参数的值范围，其中，在方法步骤B)和E)中在这个值范围内
生成所述参数组的参数。
[0037]根据本专利技术的任务还通过一种用于利用本文所述的方法来确定经优化的参数组的设备，其中，该设备具有用于执行在方法步骤C)中的测量的测量装置和具有用于执行另外的方法步骤的计算机。该计算机可以是测量装置的一部分。
[0038]计算机可以具有软件，该软件具有算法，用于控制测量装置。
[0039]测量装置优选以OCT测量装置或高温测定法测量装置的形式构造。
[0040]本专利技术的另外的优点从说明书和附图中得出。同样地，上面提到的特征和下面将进一步详述的特征可以根据本专利技术本身单独地或多个一起在任何组合中使用。所示出和描述的实施方式不应被理解为详尽的列举，而是具有用于描述本专利技术的示例性特征。
附图说明
[0041]图1示出根据本专利技术的设备的示意图，该设备具有测量装置和用于执行根据本专利技术的方法的计算机。
[0042]图2示意性地示出根据本专利技术的方法的流程。
具体实施方式
[0043]图1示出具有测量装置12和计算机14的设备10。计算机14与测量装置12处于有线和/或无线连接16中。计算机14具有软件18，软件18具有算法20，用于控制测量装置12。
[0044]利用测量装置12实现的测量在多个测量参数的调设下进行。测量参数由计算本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于确定用于执行测量的经优化的参数组的方法，所述参数组具有多个测量参数，所述方法具有以下方法步骤：C)执行和存储以各一个参数组对被测体(22)进行的n次测量，其中，每次测量具有多个测量点；D)利用评估函数来评估所述n次测量，并且，存储所述评估；E)从在方法步骤C)中使用的参数组中生成新的参数组；F)多次执行方法步骤C)至E)；J)输出具有好评估的至少一个参数组。2.根据权利要求1所述的方法，其中，在方法步骤E)中的生成新的参数组是通过将进化算子应用于在方法步骤C)中使用的参数组来实现。3.根据权利要求1或2所述的方法，其中，在方法步骤C)中的测量以非接触扫描的形式执行。4.根据权利要求3所述的方法，其中，在方法步骤C)中的测量以光学相干断层扫描(OCT)测量的形式或以高温测定法测量的形式执行。5.根据前述权利要求中任一项所述的方法，其中，所述评估函数包含用于判断测量的拍摄质量的算法(20)和/或深度卷积神经网络。6.根据前述权利要求中任一项所述的方法，其中，在方法步骤E)中的生成n个新的参数组通过以下方式实现：E1)随机，或者E2)人工智能(KI)，所述人工智能借助在线学习方法和所述评估函数的评估来适配其目标函数。7.根据前述权利要求中任一项所述的方法，所述方法具有在方法步骤F)之后且在方法步骤J)之前执行的以下方法步骤：G)对所有在方法...

【专利技术属性】
技术研发人员：A，
申请(专利权)人：通快激光有限责任公司，
类型：发明
国别省市：