【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及一种用于传送用于机器学习的模型的计算机实现的数据结构、计算机实现的方法、检查装置以及系统。此外，本专利技术涉及计算机程序、电子可读数据载体和数据载体信号。
技术介绍
1、现代产品经常包含关键的技术组件或要求高的材料，为了制造所述关键的技术组件或要求高的材料需要特殊的技术能力。
2、拥有所有所需要的生产能力并且自身执行所有生产步骤对于单独的企业来说通常是非常困难的并且也并不总是合理的。
3、制造网络是制造客户或参与者的永久或临时联盟，所述联盟包括例如在地理上分布的小型和中型企业和/或原始装备商(oem)的生产系统，所述企业和/或原始装备商在共同的价值链中协作，以便执行共同制造。
4、用于制造场景的示例在于，特定零件的生产被委托给其他供应商。在此，质量是在供应商与客户之间的最重要的因素之一。
5、在减少工艺波动的情况下的质量管理的改善可以直接对供应链中的多个性能指标产生影响。
6、通过连续地改善质量管理，可以减少差错，并且从而减少工艺和生产波动。
7、如果供应链中的一致性由于偏差的减小又得到改善，那么循环时、即两个相继的补给过程之间的时间可以被缩短，并且准时交货可以被改善。
8、如果发生较少的差错，则供应链中的库存可以被减少，这在各种各样的方面都是非常有利的。供应链的参与者、即生产客户仅通过供应链移动“良好的”单元，而不移动“有缺陷的”单元。
9、现今，经常使用如光学摄像机之类的传感器用于视觉地识别差错，在基础模型已经与此对
10、然而在此不利的是，必须耗费地根据示例、例如有缺陷的产品的图像来训练模型，这是耗时的且昂贵的。
技术实现思路
1、本专利技术的任务是借助于机器学习来改善对有缺陷的产品和工件的识别，并且可靠地、尽可能快速地并且以简单的方式进行识别。
2、根据本专利技术的任务通过计算机实现的数据结构来解决，所述数据结构包括：
3、·用于技术组件的描述，
4、·用于组件的特征的名称，
5、·用于组件的特征的分类模型，
6、·至少一个传感器参数，所述传感器参数描述借助于至少一个传感器装置对组件的检测。
7、在本上下文中，技术组件例如被理解为技术产品，例如用于计算机装置的所装配的电路板、半导体芯片、注塑件形式的塑料成品、通过铣削加工的金属体，在载体结构上或在容器中以流体形式的化学或生物组合物。
8、借助数据结构，模型和特征现在可以从第一检查系统被传输给相互连接的第二检查系统。
9、可以从数据结构中导出相应的数据集，所述数据集具有用于技术组件的描述、用于技术组件的特征的名称、用于技术组件的特征的分类模型以及至少一个传感器参数的相应数据元素。
10、在此，因为模型可以一起被使用并且用于训练第二或其他检查系统的耗费可以被减少，所以在第二检查系统中可以显著地减少用于训练模型的耗费。
11、尤其是在批量大小为1的生产情况下，该问题可能更加困难，因为如有缺陷产品的图像之类的数据很少。
12、关于联邦学习，可以在将客户贡献用在聚合中之前对其进行检验。
13、可以根据诸如“信任”和“质量”之类的关系度量来有利地对客户贡献进行加权。
14、通过根据本专利技术的数据结构实现：用语机器学习的模型可以在计算装置之间被交换，例如用于共同学习。换句话说，可以提供用于交换模型的标准化接口。
15、该数据结构可以通过各种数据元素和数据格式来实现，然而总是具有用于组件的描述、用于组件的特征的名称、用于组件的特征的分类模型以及至少一个传感器参数。
16、因为能够将分类模型调节到第二检查系统的训练数据，所以除了分类模型之外，尤其是将传感器参数包含到数据结构中允许在后续的相似度分析时的改善。
17、由此可以改善第二模型并且提高用于组件的特征的识别精度。
18、传感器参数是技术传感器装置的映射并且允许传感器装置被包含到计算机实现的数据结构中，使得例如在规定传感器参数时，与此相对应地设定传感器装置。
19、与此相对应地，通过数据结构在计算机中的实现，所述数据结构是传感器装置的直接物理映射，其中传感器装置中的技术效果与分类模型相关联，并且这允许对传感器数据进行有益的控制或分析。
20、传感器参数与通过传感器装置检测的传感器数据直接相关。
21、分类模型同样与通过传感器装置检测的传感器数据直接相关。
22、传感器装置检测组件的传感器数据，并且通过传感器参数在逻辑上和技术上与分类模型连接。
23、换句话说，计算机实现的传感器参数与分类模型相结合作为共同的数据结构允许在应用人工智能的情况下与传感器装置的有效交互和评估，并且与此相对应地在借助分类模型通过计算机对传感器装置进行操控时、尤其是在其中使用多个数据结构或以分布式方式存储数据结构的应用时改善内部流程，例如在云解决方案或具有基于联邦学习的模型的解决方案的情况下。
24、此外，通过以组合方式存储传感器参数和分类模型，可以根据传感器参数容易地区分不同的分类模型，可以高效地使用存储器并且可以例如在调用其中存储的数据结构时缩短对存储器的访问时间。
25、根据本专利技术的任务还通过在光学质量检查时使用根据本专利技术的数据结构来解决，其中传感器参数包括摄像机参数。
26、光学质量检查被理解为通过光学成像传感器进行的视觉检查，其中将针对一个或多个生产步骤的预先给定的执行质量通过参考图像与当前检测的图像进行比较，并且借助于相似度分析通过计算装置确定两个图像的一致性的程度。
27、关于视觉质量检查，根据本专利技术的解决方案支持以数据保护的方式在不同的场所和可能的企业之间共同使用模型参数。模型可以随着时间的推移而被改善，而在此不共同地使用数据。
28、根据本专利技术的数据结构尤其是对于在光学质量检查时使用是有利的，例如在成像方法的情况下，因为通过应用诸如摄像机参数之类的传感器参数由相似度变换可以考虑所接收的模型更加好地用于图像比较或模型比较，即通过考虑摄像机设定，诸如取向、距离、焦距、曝光时间等。
29、根据本专利技术的任务还通过一种用于在传送用于机器学习的模型时使用的检查装置来解决，所述检查装置包括检测传感器、具有存储器的计算装置，其中计算装置被设立用于借助基于根据本专利技术的数据结构的数据集产生、应用或训练用于机器学习的模型。
30、技术组件被提供给该检查装置并且通过包括在其前面的分析装置分析，其中应用先前提到的模型。
31、由此实现：可以借助所接收的数据集来产生和/或训练由具有存储器的计算装置应用的用于机器学习的模型，由此简化所接收的模型的应用，可以缩短训练时间并且可以改善模型精度。
32、根据本专利技术的任务还通过一种用于传送用于机器学习本文档来自技高网...
【技术保护点】
1.一种用于传送用于机器学习的模型的计算机实现的数据结构(DS)，其包括
2.一种根据前一项权利要求的数据结构(DS)的用途，用于在光学质量检查时传送根据前一项权利要求所述的用于机器学习的模型，其中所述传感器参数(SETUP)包括摄像机参数。
3.一种用于在传送用于机器学习的模型时使用的检查装置(PS1-PS3)，所述检查装置包括检测传感器、具有存储器的计算装置，其中所述计算装置被设立为借助数据集(DSET)产生、应用或训练用于机器学习的模型(M1-M3)，所述数据集基于根据权利要求1所述的数据结构(DS)。
4.一种用于传送用于机器学习的模型的系统，所述系统包括第一和至少一个第二相互连接的分别根据权利要求3所述的检查装置(PS1-PS3)，其中第一检查装置(PS1)被设立用于从所述第一检查装置(PS1)的模型(M1)中导出数据集(DSET)，所述数据集基于根据权利要求1所述的数据结构(DS)，并且将所述数据集(DSET)传送给至少一个第二检查装置(PS2、PS3)，所述至少一个第二检查装置(PS2、PS3)被设立用于利用从所述第一检查装置(P
5.根据前一项权利要求所述的系统，其中所述第一检查装置和至少一个第二检查装置(PS1-PS3)经由服务器(OEM)彼此连接，所述服务器具有带存储器的计算装置并且所述计算装置被设立用于从所述第一检查装置(PS1)接收所述数据集(DSET)，并且从中产生、应用或训练总模型(M)。
6.一种用于传送用于机器学习的模型的计算机实现的方法，其中根据权利要求3所述的第一检查装置具有用于机器学习的第一模型，从所述第一模型中基于根据权利要求1所述的数据结构(DS)导出数据集(DSET)，所述数据集(DSET)被传送给至少一个具有用于机器学习的第二模型的根据权利要求3所述的第二检查装置，并且借助所述数据集(DSET)训练所述第二模型。
7.根据前一项权利要求所述的方法，其中对于所述第一模型，在训练所述第二模型时应用至少一个权重函数(wt1-wt3，wq1-wq3)。
8.一种计算机程序，所述计算机程序包括指令，所述指令在由计算机执行时促使所述计算机执行根据权利要求5所述的方法。
9.一种电子可读数据载体，具有其上存储的可读控制信息，所述可读控制信息至少包括根据前一项权利要求所述的计算机程序，并且被设计为使得当在计算装置中使用所述数据载体时，所述可读控制信息执行根据权利要求5所述的方法。
10.一种数据载体信号，所述数据载体信号传输根据权利要求7所述的计算机程序。
...【技术特征摘要】
【国外来华专利技术】
1.一种用于传送用于机器学习的模型的计算机实现的数据结构(ds)，其包括
2.一种根据前一项权利要求的数据结构(ds)的用途，用于在光学质量检查时传送根据前一项权利要求所述的用于机器学习的模型，其中所述传感器参数(setup)包括摄像机参数。
3.一种用于在传送用于机器学习的模型时使用的检查装置(ps1-ps3)，所述检查装置包括检测传感器、具有存储器的计算装置，其中所述计算装置被设立为借助数据集(dset)产生、应用或训练用于机器学习的模型(m1-m3)，所述数据集基于根据权利要求1所述的数据结构(ds)。
4.一种用于传送用于机器学习的模型的系统，所述系统包括第一和至少一个第二相互连接的分别根据权利要求3所述的检查装置(ps1-ps3)，其中第一检查装置(ps1)被设立用于从所述第一检查装置(ps1)的模型(m1)中导出数据集(dset)，所述数据集基于根据权利要求1所述的数据结构(ds)，并且将所述数据集(dset)传送给至少一个第二检查装置(ps2、ps3)，所述至少一个第二检查装置(ps2、ps3)被设立用于利用从所述第一检查装置(ps1)接收的数据集(dset)产生、应用或训练所述至少一个第二检查装置的模型(m2、m3)。
5.根据前一项权利要求所述的系统，其中所述第一检查装置和至少一...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。