[发明专利]用于设定照明条件的方法、装置、系统以及存储介质

权利要求书

1.一种用于在检查对象时设定照明条件的方法，其中，检查模块包括用于检查所述对象的机器学习模型，所述机器学习模型通过使用包括图像的学习数据来产生，所述方法的特征在于，包括：

由能够改变照明参数的光源对所述对象进行照明，所述照明参数规定拍摄所述对象时的所述照明条件，且由图像传感器以多个照明参数来拍摄所述对象，以获得对应于所述多个照明参数的所拍摄的图像，其中，所述对象具有已知的标签数据；

基于通过将所述所拍摄的图像与对应于所述所拍摄的图像的所述照明参数相关联而获得的图像数据集，来产生当以可变照明参数对所述对象进行照明时所述对象的估计图像；及

将所述对象的对应于所述可变照明参数的所述估计图像及对应的所述标签数据应用于所述机器学习模型的学习，且基于所述机器学习模型的估计结果与所述对象的所述标签数据之间的比较结果，通过同时优化所述照明参数及检查算法参数，来设定所述机器学习模型的所述照明条件及所述检查算法参数。

2.根据权利要求1所述的方法，其中，产生当以可变照明参数对所述对象进行照明时所述对象的估计图像包括：

准备对应于多种对象的多个图像数据集；及

基于所述多个图像数据集，产生当以所述可变照明参数对所述多种对象进行照明时分别对应于所述多种对象的多个估计图像。

3.一种用于在检查对象时设定照明条件的方法，其中，检查模块包括用于检查所述对象的机器学习模型，所述机器学习模型通过使用包括图像的学习数据来产生，所述方法的特征在于，包括：

由能够改变照明参数的光源对所述对象进行照明，所述照明参数规定拍摄所述对象时的所述照明条件，且由图像传感器以多个照明参数来拍摄所述对象，以获得对应于所述多个照明参数的多个所拍摄的图像，其中，所述对象具有对应的标签数据；

基于通过将所述所拍摄的图像与对应于所述所拍摄的图像的所述照明参数相关联而获得的图像数据集，来产生当以可变照明参数对所述对象进行照明时所述对象的估计图像；及

将对应于所述可变照明参数的所述估计图像应用于已经实行学习的所述机器学习模型，且基于所述机器学习模型的估计结果与所述对象的所述标签数据之间的比较结果，根据仅针对所述照明参数的优化结果，来设定所述照明条件。

4.根据权利要求3所述的方法，其中，将对应于所述可变照明参数的所述估计图像应用于已经实行学习的所述机器学习模型包括：

将包括所述对象的所述估计图像及对应的所述标签数据的学习数据应用于所述机器学习模型的附加学习，以更新所述机器学习模型的部分或全部检查算法参数，其中，所述标签数据表示所述对象的检查特征；及

优化所述机器学习模型的所述照明参数及部分或全部所述检查算法参数，以使所述机器学习模型的所述估计结果与所述标签数据一致。

5.根据权利要求3或4所述的方法，其中，

当设定所述照明条件时，应用于所述机器学习模型以确定所述照明参数的所述估计图像的数量少于应用于所述机器学习模型的所述学习的所述所拍摄的图像的数量。

6.根据权利要求1或3所述的方法，其中，

所述照明参数包括所述光源的发光位置及发光强度。

7.根据权利要求1或3所述的方法，其中，设定使用所述检查模块检查所述对象时的所述照明条件包括：

选择将表示所述比较结果的损失函数最小化的所述照明参数，其中，选择所述照明参数包括：对于预定范围的所述照明参数，选择将所述损失函数的损失平均值最小化的所述照明参数。

8.根据权利要求1或3所述的方法，其中，产生当以可变照明参数对所述对象进行照明时所述对象的估计图像包括：

基于与所述图像数据集中包括的所述照明参数对应的所述所拍摄的图像的加权线性叠加和，来产生当以所述可变照明参数对所述对象进行照明时所述对象的所述估计图像，其中，根据所述可变照明参数及所述所拍摄的图像的所述照明参数来确定其权重。