【技术实现步骤摘要】
【国外来华专利技术】
技术介绍
1、多年来，工业自动化已经严重依赖能够在各种任务中辅助操作员的机器视觉部件。在一些实施方式中，机器视觉部件(如相机)用于跟踪对象，如在传送带上移动经过静止相机的对象。通常，这些相机(也称为成像设备)与客户端设备(例如，个人计算机)交互，客户端设备运行可操作以在各种级别与这些成像设备交互的对应应用。在这些应用中，图像操纵和分析通常是例程，并且这包括通过使用这些图像内的多个感兴趣区域(roi)进行用户交互。
2、然而，当设置或以其他方式配置机器视觉部件和/或软件以准确地对对象、尤其是移动对象进行成像时，出现了问题。这样的移动对象可包括在传送带上移动的对象(例如，正在制造的产品)。在这种情况下，机器视觉部件和/或软件通常需要手动或自定义配置，这不仅耗时，而且容易出错。
3、在一些方面，机器视觉部件和/或软件可被手动配置为用于在特定环境(例如，传送带或其他制造过程)中对特定对象(例如，所制造产品的条形码或所制造产品的其他部分)进行成像的特定“作业”。然而，手动创建作业本身可能是耗时的过程。通常，用户必须针对潜在缺陷仔细标识图像内的roi，并针对要检测的偏差相应地设置机器视觉作业。此类用户还必须手动指定重要特征(诸如条形码)的区域。
4、因此，需要用于基于数字图像的roi自动生成一个或多个机器视觉作业的机器视觉系统和方法。
技术实现思路
1、在一方面，本公开描述了一种用于基于数字图像的感兴趣区域(roi)自动生成一个或多个机器视觉作业的专利技术
2、在附加方面，公开了一种机器视觉系统。该机器视觉系统被配置为基于数字图像的roi自动生成一个或多个机器视觉作业。该机器视觉系统包括被配置为实现一个或多个机器视觉作业的成像设备。该机器视觉系统进一步包括一个或多个处理器。该机器视觉系统进一步包括通信地耦合到一个或多个处理器并存储计算指令的存储器。该计算指令当由一个或多个处理器执行时，使一个或多个处理器配置用于捕获图像id的机器视觉工具。该计算指令当由一个或多个处理器执行时，进一步使一个或多个处理器加载多个训练图像。每个训练图像可描绘图像id。该计算指令当由一个或多个处理器执行时，进一步使一个或多个处理器标记多个训练图像中的每一者，以指示每个训练图像内描绘的对象的成功状态或失败状态。该计算指令当由一个或多个处理器执行时，进一步使一个或多个处理器从多个训练图像中提取一个或多个候选图像特征。该计算指令当由一个或多个处理器执行时，进一步使一个或多个处理器基于候选图像特征生成一个或多个候选roi。该计算指令当由一个或多个处理器执行时，进一步使一个或多个处理器从一个或多个候选roi中选择roi训练集。roi训练集中的每个roi可被指定为包括的roi或排除的roi。该计算指令当由一个或多个处理器执行时，进一步使一个或多个处理器利用roi训练集和多个训练图像来训练视觉学习模型。视觉学习模型可被配置为输出机器视觉作业。机器视觉作业可被配置用于到成像设备的电子部署。实现机器视觉作业的成像设备可被配置为检测描绘对象的附加图像的成功状态或失败状态。
3、在又另外的方面，公开了一种有形非瞬态计算机可读介质，存储用于基于数字图像的roi自动生成一个或多个机器视觉作业的计算指令。该计算指令当由一个或多个处理器执行时，使一个或多个处理器配置用于捕获图像id的机器视觉工具。该计算指令当由一个或多个处理器执行时，进一步使一个或多个处理器加载多个训练图像。每个训练图像可描绘图像id。该计算指令当由一个或多个处理器执行时，进一步使一个或多个处理器标记多个训练图像中的每一者，以指示每个训练图像内描绘的对象的成功状态或失败状态。该计算指令当由一个或多个处理器执行时，进一步使一个或多个处理器从多个训练图像中提取一个或多个候选图像特征。该计算指令当由一个或多个处理器执行时，进一步使一个或多个处理器基于候选图像特征生成一个或多个候选roi。该计算指令当由一个或多个处理器执行时，进一步使一个或多个处理器从一个或多个候选roi中选择roi训练集。roi训练集中的每个roi可被指定为包括的roi或排除的roi。该计算指令当由一个或多个处理器执行时，进一步使一个或多个处理器利用roi训练集和多个训练图像来训练视觉学习模型。视觉学习模型可被配置为输出机器视觉作业。机器视觉作业可被配置用于到成像设备的电子部署。实现机器视觉作业的成像设备可被配置为检测描绘对象的附加图像的成功状态或失败状态。
本文档来自技高网...【技术保护点】
1.一种机器视觉方法，所述机器视觉方法用于基于数字图像的感兴趣区域(ROI)自动生成一个或多个机器视觉作业，所述机器视觉方法包括：
2.如权利要求1所述的机器视觉方法，其中标记所述多个训练图像中的训练图像以指示失败状态包括：包含图形有界区域，用于指示所述训练图像内描绘的所述对象的视觉缺陷区域或部分。
3.如权利要求1所述的机器视觉方法，其中利用所述ROI训练集和所述多个训练图像来进一步训练所述视觉学习模型，以输出指示所述训练图像中描绘的所述对象的质量的质量得分。
4.如权利要求3所述的机器视觉方法，其中所述ROI训练集中的至少一者包括关键ROI，所述关键ROI导致所述视觉学习模型输出以下各项中的至少一者：(a)指示所述训练图像中描绘的所述对象的高质量的质量得分，或(b)指示所述训练图像中描绘的所述对象的低质量的质量得分。
5.如权利要求1所述的机器视觉方法，其中所述视觉学习模型是包括多个人工智能模型的集成模型，其中用所述ROI训练集的子集来训练所述多个人工智能模型中的每一个人工智能模型，以针对描绘所述对象的数字图像内的特定ROI输出
6.一种机器视觉系统，所述机器视觉系统被配置为基于数字图像的感兴趣区域(ROI)自动生成一个或多个机器视觉作业，所述机器视觉系统包括：
7.如权利要求6所述的机器视觉系统，其中标记所述多个训练图像中的训练图像以指示失败状态包括：包含图形有界区域，用于指示所述训练图像内描绘的所述对象的视觉缺陷区域或部分。
8.如权利要求6所述的机器视觉系统，其中利用所述ROI训练集和所述多个训练图像来进一步训练所述视觉学习模型，以输出指示所述训练图像中描绘的所述对象的质量的质量得分。
9.如权利要求8所述的机器视觉系统，其中所述ROI训练集中的至少一者包括关键ROI，所述关键ROI导致所述视觉学习模型输出以下各项中的至少一者：(a)指示所述训练图像中描绘的所述对象的高质量的质量得分，或(b)指示所述训练图像中描绘的所述对象的低质量的质量得分。
10.如权利要求6所述的机器视觉系统，其中所述视觉学习模型是包括多个人工智能模型的集成模型，其中用所述ROI训练集的子集来训练所述多个人工智能模型中的每一个人工智能模型，以针对描绘所述对象的数字图像内的特定ROI输出质量得分。
11.一种有形非瞬态计算机可读介质，存储用于基于数字图像的感兴趣区域(ROI)自动生成一个或多个机器视觉作业的计算指令，当由一个或多个处理器执行时，所述计算指令使所述一个或多个处理器用于：
12.如权利要求11所述的有形非瞬态计算机可读介质，其中标记所述多个训练图像中的训练图像以指示失败状态包括：包含图形有界区域，用于指示所述训练图像内描绘的所述对象的视觉缺陷区域或部分。
13.如权利要求11所述的有形非瞬态计算机可读介质，其中利用所述ROI训练集和所述多个训练图像来进一步训练所述视觉学习模型，以输出指示所述训练图像中描绘的所述对象的质量的质量得分。
14.如权利要求13所述的有形非瞬态计算机可读介质，其中所述ROI训练集中的至少一者包括关键ROI，所述关键ROI导致所述视觉学习模型输出以下各项中的至少一者：(a)指示所述训练图像中描绘的所述对象的高质量的质量得分，或(b)指示所述训练图像中描绘的所述对象的低质量的质量得分。
15.如权利要求11所述的有形非瞬态计算机可读介质，其中所述视觉学习模型是包括多个人工智能模型的集成模型，其中用所述ROI训练集的子集来训练所述多个人工智能模型中的每一个人工智能模型，以针对描绘所述对象的数字图像内的特定ROI输出质量得分。
...【技术特征摘要】
【国外来华专利技术】
1.一种机器视觉方法，所述机器视觉方法用于基于数字图像的感兴趣区域(roi)自动生成一个或多个机器视觉作业，所述机器视觉方法包括：
2.如权利要求1所述的机器视觉方法，其中标记所述多个训练图像中的训练图像以指示失败状态包括：包含图形有界区域，用于指示所述训练图像内描绘的所述对象的视觉缺陷区域或部分。
3.如权利要求1所述的机器视觉方法，其中利用所述roi训练集和所述多个训练图像来进一步训练所述视觉学习模型，以输出指示所述训练图像中描绘的所述对象的质量的质量得分。
4.如权利要求3所述的机器视觉方法，其中所述roi训练集中的至少一者包括关键roi，所述关键roi导致所述视觉学习模型输出以下各项中的至少一者：(a)指示所述训练图像中描绘的所述对象的高质量的质量得分，或(b)指示所述训练图像中描绘的所述对象的低质量的质量得分。
5.如权利要求1所述的机器视觉方法，其中所述视觉学习模型是包括多个人工智能模型的集成模型，其中用所述roi训练集的子集来训练所述多个人工智能模型中的每一个人工智能模型，以针对描绘所述对象的数字图像内的特定roi输出质量得分。
6.一种机器视觉系统，所述机器视觉系统被配置为基于数字图像的感兴趣区域(roi)自动生成一个或多个机器视觉作业，所述机器视觉系统包括：
7.如权利要求6所述的机器视觉系统，其中标记所述多个训练图像中的训练图像以指示失败状态包括：包含图形有界区域，用于指示所述训练图像内描绘的所述对象的视觉缺陷区域或部分。
8.如权利要求6所述的机器视觉系统，其中利用所述roi训练集和所述多个训练图像来进一步训练所述视觉学习模型，以输出指示所述训练图像中描绘的所述对象的质量的质量得分。
9.如权利要求8所述的机器视觉系统，其中所述roi训练集中...
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。