CN114202715B 训练神经网络来识别工具状态的方法和相关方法以及设备 （西门子股份公司）

CA3002198A1,2018.11.02GB201818183D0,2018.12.26训练神经网络来识别工具状态的方法和相训练神经网络来识别工具状态的方法和相网络来识别工具状态的方法中训练神经网络来识别第一工具类型的工具状态并且使用经受图像处理将第二工具类型的图像数据转换为第一型进行加工和/或制造的方法中第一工具类型的加工和/或制造的设备包括神经网络，该神经网络根据这种用于训练神经网络的方法来训练和/或该神经网络被构成用于实施这种用于加工和/21.一种用于根据图像数据(BNS)训练训练所述神经网络(NN)来识别第一工具类型(50)的工具状态(MHS)并且其中使用经受图像处理(TF)的第二工具类型的图像数据(BHS)，借助所述图像处理将所述第二工具类型的图像数据(BHS)转换为所述第一工具类型(50)的图像数据(BNS)，其中所述图像数据(BHS)被转换使得所述第二工具类型的表征性特征(CMHS)被转变为所述第一工具类型(50)的表征2.根据权利要求1所述的方法，其中转换所述图像数3.根据上述权利要求1-2中任一项所述的方法，其述第二工具类型的颜色被转变为所述第一工具类型(54.根据上述权利要求1-2中任一项所述的方法，其中第一工具类型5.根据上述权利要求1-2中任一项所述的方法，其6.根据上述权利要求1-2中任一项所述的方法，其中所述图像数据来源于借助摄像机7.根据上述权利要求1-2中任一项所述的方法，其中所述图像数据来源于借助显微摄8.根据上述权利要求1-2中任一项所述的方法，其中给所具状态(MHS)，所述工具状态分别与所述图像数据(BNS)一起被用于训练所述神经网络10.根据上述权利要求1-2中任一项所述的方法，其中所述图像数据(BHS)通过如下方11.根据上述权利要求1-2中任一项所述的方法，其中所述图像数据(BHS)通过如下方述第一工具类型(50)的工具状态(MHS)借助神经网络(NN)来识别，所述神经网络按照根据上述权利要求1-11中任一项所述的方法3据并且因此对新工具类型的学习意味着高人工费用以及使用新工具类型[0009]本发明的该任务利用具有在权利要求1中所说明的特征的用于根据图像数据训练神经网络来识别工具状态的方法并且利用具有在权利要求9中所说明的特征的用于加工和/或制造的方法以及利用具有在权利要求10中所说明的特征的设备来解决。本发明的优4工具类型的图像数据否则需要的耗费减少为仅仅将第二工具类型的图像数据转换为第一[0013]易于理解的是，在本发明意义上的第一工具类型和第二工具类型适宜地彼此不工的区域处不同。第二和第一工具类型的不同的覆层和/或不同的材料可以借助工具类型类型的图像数据有效地转换为第一工具类型的那5[0025]根据本发明的用于加工和/或制造的方法借助第一工具类型来执行，其中第一工[0028]根据本发明的用于借助第一工具类型进行加工和/或制造的设备包括神经网络，所述神经网络按照如先前所描述的根据本发明的用于训练神经网络的方法以所解释的方成用于将第二工具类型的图像数据转换为第一工具类型的图及具有神经网络的评估单元，该评估单元被构成和设立用于识别第一工具类型的磨损程[0031]图1示意性地以原理草图示出用于执行根据本发明的用于加工工件的方法的设[0032]图2示意性地以流程图示出根据本发明的用于借助根据图1的设备加工工件的方[0033]图3示意性地以原理草图示出在实施根据图2的方法时第二切刃类型的图像数据[0034]在图1中所示出的根据本发明的设备10具有处理室20，在所述处理室中按照根据机60是显微摄像机，所述显微摄像机在图像检测步骤BEE中检测切刃50的高分辨率图像6则是否需要设备20的加工参数的适配以及需要设备20的加步骤中借助根据本发明的用于根据图像数据训练神经网络来识别工具状态的方法NMG来训据本发明的方法中使用被操纵的图像数据BNS对应于磨损状态的上面所描述的类别。磨损状态的这些类别MHS是由工艺专家根据第二切刃类型的切刃的图像BHS所识别出的类别借助编程语言Python实现的软件对图像BNS的评估，检测第一切刃类型的切刃50的表征性特征CMNS。该软件分析第一切刃类型的切刃50的图像BNS的集合并计算切刃50的表征性特[0043]在第二表征步骤ECMHS中，借助评估装置AUSW检测第二切刃类型的切刃的表征性BHS中几乎相同地出现。而第二切刃类型的表征性特征CMHS以及第一切刃类型的表征性特型的切刃的图像BHS，以便训练评估单元AUSW的神经网络NN来评估第一切刃类型的图像7[0046]借助传递函数TF，第二切刃类型的切刃的图像BHS被变换为第一切刃类型的切刃[0047]传递函数TF首先变换第二切刃类型的切刃的颜色，使得所得到的图像BNS在颜色形状：为此将第二切刃类型的图像BHS分成小的区段SEG，所述区段沿着方向R适当地被移图像信息的压缩和/或扩张，使得第二切刃类型的切刃的形状AF被变换成第一切刃类型的有图像转换为第一切刃类型的图像：在进一步的方法步骤AHB中将传递函数TF应用于第二态的相应类别。所述类别因此简单地被传递到第一切刃类型的切刃50的新生成的图像BNS输给神经网络，使得神经网络NN不仅获得磨损状态的类别MHS而且获得第一切刃类型的切[0050]在训练步骤MT中利用第一切刃类型的切刃50