通过基于机器学习的图像处理对组件的异常检测制造技术

本发明专利技术涉及通过基于机器学习的图像处理对组件的异常检测。实施方式使用机器学习ML模型处理图像，以生成降维ML输出。环境例如工业自动化设施的一个或多个图像捕获组件能够经由环境内的移动机器人的视觉组件来捕获。对于图像的N个区域中的每一个，ML输出指示对应的异常检测概率，该异常检测概率指示图像的N个区域中的相应区域中是否存在异常。这些实施方式基于ML输出来确定各自满足阈值的异常检测概率的数量。这些实施方式还确定该数量是否既大于下界值又小于上界值，并且如果是，则使得执行一个或多个补救动作，诸如使得呈现指示对于一个或多个组件存在异常的警告。

【技术实现步骤摘要】

本专利技术涉及通过基于机器学习的图像处理对组件的异常检测，特别涉及通过基于机器学习的图像处理并考虑上下界值的对组件的异常检测。

技术介绍

1、诸如石化炼油厂、化工厂等的复杂工业设施能够包括在工业设施的(一个或多个)工业过程中涉及的(多种)液体、(多种)气体和/或(一个或多个)其他物质的处理中利用的许多组件。重要的是确保(一个或多个)工业过程中涉及的组件按预期操作和/或确保(一个或多个)工业过程中涉及的(一个或多个)物质处于其预期状态。

2、在工业设施中已经利用各种传感器来监测这样的(一个或多个)组件和/或(一个或多个)物质中的异常。这样的传感器包括用于监测(一个或多个)组件和/或(一个或多个)物质中的温度异常的温度传感器、用于监测(一个或多个)物质组分中的异常的光学传感器(例如，基于用光源激发那些物质)等。

3、虽然能够在工业设施中利用各种传感器来监测各种异常，但是这样的传感器各自通常部署在工业设施内的对应固定位置。因此，会需要非常大量的传感器来有效地监测工业设施。此外，向传感器中的每个提供电力和/或通信会要求整个工业设施的大量布线本文档来自技高网...

【技术保护点】

1.一种由一个或更多个处理器实施的方法，所述方法包括：

2.如权利要求1所述的方法，还包括：

3.如权利要求1所述的方法，还包括：

4.如权利要求1所述的方法，其中，N大于9。

5.如权利要求4所述的方法，其中，所述下界值是N的20％或更小。

6.如权利要求4所述的方法，其中，所述上界值是N的50％或更大。

7.如权利要求1所述的方法，其中，基于所述一个或更多个特定组件的一种或更多种类型来确定所述下界值。

8.如权利要求1所述的方法，其中，基于所述一个或更多个特定组件的一种或更多种类型来确定所述上界值。<...

【技术特征摘要】

1.一种由一个或更多个处理器实施的方法，所述方法包括：

2.如权利要求1所述的方法，还包括：

3.如权利要求1所述的方法，还包括：

4.如权利要求1所述的方法，其中，n大于9。

5.如权利要求4所述的方法，其中，所述下界值是n的20％或更小。

6.如权利要求4所述的方法，其中，所述上界值是n的50％或更大。

7.如权利要求1所述的方法，其中，基于所述一个或更多个特定组件的一种或更多种类型来确定所述下界值。

8.如权利要求1所述的方法，其中，基于所述一个或更多个特定组件的一种或更多种类型来确定所述上界值。

9.如权利要求1所述的方法，其中，基于捕获所述图像的时间和/或基于所述环境的光水平来选择所述下界值和所述上界值中的一个或两个。

10.如权利要求1所述的方法，其中，所述相机是单图相机、立体相机、紫外相机或热相机。

11.如权利要求1...

【专利技术属性】
技术研发人员：达科塔·马汉，
申请(专利权)人：横河电机株式会社，
类型：发明
国别省市：