【技术实现步骤摘要】
【国外来华专利技术】
本申请要求于2022年8月31日在韩国知识产权局提交的韩国专利申请no.10-2022-0109750和于2023年7月13日在韩国知识产权局提交的韩国专利申请no.10-2023-0090949的优先权和权益，该两个韩国专利申请的全部内容以引用方式并入本文中。本专利技术涉及异常诊断方法、异常诊断设备和工厂监测系统，并且更具体地，涉及使用基于人工智能的诊断模型对检查对象进行诊断的异常诊断方法、异常诊断设备和使用该设备的工厂监测系统。
技术介绍
1、能够再充电和重新使用的二次电池被用作诸如智能电话、平板pc和真空吸尘器这样的小型装置的能量源以及用于个人移动装置、汽车和智能电网的能量储存系统(ess)的中大型能量源。
2、根据系统的要求，二次电池可以以诸如多个电池电芯串联或并联连接的电池模块或电池模块串联或并联连接的电池组这样的组件的形式使用。
3、生产电池电芯或电池组件需要各种工艺。这里，在生产线上安装执行各工艺的自动化设备，并且将多个自动化设备有机地连接，从而使电池电芯或电池组件的批量生产成为可能。
4、为确保产品质量符合所需标准，沿着生产线上在主要加工点实施监测。通常，使用的是使用安装在生产线上的主要加工点处的相机设备的基于视频的监测系统(fmvs；工厂监测视觉系统)。在fmvs的情况下，实时工艺管理是不可能的，因为操作者必须通过显示器视觉检查通过显示器输出的图像并确定特定设备或加工点中是否存在异常，并且在诊断准确性方面存在限制。
5、作为用于解决上述问题的技术，需要一种合适的工
技术实现思路
1、技术问题
2、为消除相关技术的一个或更多个问题，本公开的实施方式提供了一种基于人工智能模型的异常诊断设备。
3、为消除相关技术的一个或更多个问题，本公开的实施方式还提供了一种由异常诊断设备执行的异常诊断方法。
4、为消除相关技术的一个或更多个问题，本公开的实施方式还提供了一种包括异常诊断设备的工厂监测系统。
5、技术方案
6、为了实现本公开的目的，一种位于工厂监测系统内的异常诊断设备，所述设备可以包括：至少一个处理器；以及存储器，所述存储器被配置为存储由所述至少一个处理器执行的至少一条指令。
7、这里，所述至少一条指令可以包括：从图像传感器接收与检查对象有关的图像数据的指令；以及使用接收到的图像数据和经预先训练的基于人工智能的诊断模型来诊断所述检查对象中的异常的指令。
8、接收所述图像数据的指令可以包括每个预设单位时间接收所述检查对象的图像数据的指令。
9、所述诊断模型可以被预先训练，以通过接收所述检测对象的图像数据输出诊断结果数据，所述诊断结果数据包括所述检查对象是否异常、异常发生的位置和异常的类型中的一者或更多者。
10、诊断所述检查对象中的异常的指令可以包括：基于预定义的正常模式数据与接收到的图像数据之间的比较结果来输出诊断结果数据的指令。
11、诊断所述检查对象中的异常的指令可以包括：基于所述正常模式数据与所述图像数据之间的比较结果来计算误差分数的指令；以及在计算出的误差分数大于或等于预定义阈值的情形下确定在所述检查对象中出现了异常状态的指令。
12、诊断所述检查对象中的异常的指令可以包括：将接收到的图像数据与预先存储的标准图像数据进行比较的指令；基于所述比较结果来校正被定义为接收到的图像数据的至少一部分的感兴趣区域的位置的指令；以及基于校正后的感兴趣区域的位置来诊断在所述检查对象中是否存在异常的指令。
13、诊断所述检查对象中的异常的指令可以包括：将接收到的图像数据与预先存储的标准图像数据进行比较的指令；基于所述比较结果来推导用于将接收到的图像数据转换成所述标准图像数据的校正函数的指令；使用推导出的校正函数来校正接收到的图像数据的指令；以及将校正后的图像数据输入到所述诊断模型中的指令。
14、诊断所述检查对象中的异常的指令可以包括：检查所述检查对象的操作状态的指令；以及在所述检查对象处于静止状态的情形下不将接收到的图像数据输入到所述诊断模型中或者使由所述诊断模型输出的诊断结果数据无效的指令。
15、诊断所述检查对象中的异常的指令可以包括：在所述图像数据被分类为预定义的例外处理类型的情况下，即使计算出的误差分数等于或大于预定义阈值也确定所述检查对象处于正常状态的指令。
16、所述至少一条指令还可以包括：收集作为所述诊断的结果被确定为处于异常状态的多个图像数据的指令；提取每个所述图像数据的特征数据的指令；以及基于提取的所述特征数据，将所述图像数据聚类成多个集群的指令。
17、所述至少一条指令还可以包括：基于由用户输入的缺陷类型信息对每个所述集群执行标记的指令；以及使用标记的集群来重新训练所述诊断模型的指令。
18、根据本公开的另一实施方式，一种由位于工厂监测系统内的异常诊断设备执行的异常诊断方法，所述方法可以包括以下步骤：从图像传感器接收与检查对象有关的图像数据；以及使用接收到的图像数据和经预先训练的基于人工智能的诊断模型来诊断所述检查对象中的异常。
19、接收与所述检查对象有关的图像数据可以包括每个预设单位时间接收所述检查对象的图像数据。
20、所述诊断模型可以被预先训练，以通过接收所述检查对象的图像数据输出诊断结果数据，所述诊断结果数据包括所述检查对象是否异常、所述异常发生的位置和所述异常的类型中的一者或更多者。
21、诊断所述检查对象中的异常可以包括基于预定义的正常模式数据与接收到的图像数据之间的比较结果来输出诊断结果数据。
22、诊断所述检查对象中的异常可以包括：基于所述正常模式数据与所述图像数据之间的比较结果来计算误差分数；以及在计算出的误差分数大于或等于预定义阈值的情形下，确定在所述检查对象中出现了异常状态。
23、诊断所述检查对象中的异常可以包括：将接收到的图像数据与预先存储的标准图像数据进行比较；基于所述比较结果来校正感兴趣区域的位置，所述感兴趣区域被定义为接收到的图像数据的至少一部分；以及基于校正后的感兴趣区域的位置来诊断所述检查对象中是否存在异常。
24、诊断所述检查对象中的异常可以包括：将接收到的图像数据与预先存储的标准图像数据进行比较；基于所述比较结果来推导用于将接收到的图像数据转换成所述标准图像数据的校正函数；使用推导出的所述校正函数来校正接收到的图像数据；以及将校正后的所述图像数据输入到所述诊断模型中。
25、诊断所述检查对象中的异常可以包括：识别所述检查对象的操作状态；以及在所述检查对象处于静止状态的情形下，不将接收到的图像数据输入到所述诊断模型中或者使由所述诊断模型输出的诊断结果数据无效。
26、诊断所述检查对象中的异常可以包括：在所述图像数据被分类为预定义的例外处理类型本文档来自技高网...
【技术保护点】
1.一种位于工厂监测系统内的异常诊断设备，所述异常诊断设备包括：
2.根据权利要求1所述的异常诊断设备，其中，接收所述图像数据的指令包括每个预设单位时间接收所述检查对象的图像数据的指令。
3.根据权利要求1所述的异常诊断设备，其中，所述诊断模型被预先训练，以通过接收所述检查对象的图像数据输出诊断结果数据，所述诊断结果数据包括所述检查对象是否异常、所述异常发生的位置和所述异常的类型中的一者或更多者。
4.根据权利要求1所述的异常诊断设备，其中，诊断所述检查对象中的异常的指令包括：基于预定义的正常模式数据与接收到的图像数据之间的比较结果来输出诊断结果数据的指令。
5.根据权利要求4所述的异常诊断设备，其中，诊断所述检查对象中的异常的指令包括：
6.根据权利要求1所述的异常诊断设备，其中，诊断所述检查对象中的异常的指令包括：
7.根据权利要求1所述的异常诊断设备，其中，诊断所述检查对象中的异常的指令包括：
8.根据权利要求1所述的异常诊断设备，其中，诊断所述检查对象中的异常的指令包括：
9.
10.根据权利要求1所述的异常诊断设备，其中，所述至少一条指令还包括：
11.根据权利要求10所述的异常诊断设备，其中，所述至少一条指令还包括：
12.一种由位于工厂监测系统内的异常诊断设备执行的异常诊断方法，所述异常诊断方法包括以下步骤：
13.根据权利要求12所述的异常诊断方法，其中，接收与所述检查对象有关的图像数据的步骤包括每个预设单位时间接收所述检查对象的图像数据。
14.根据权利要求12所述的异常诊断方法，其中，所述诊断模型被预先训练，以通过接收所述检查对象的图像数据输出诊断结果数据，所述诊断结果数据包括所述检查对象是否异常、所述异常发生的位置和所述异常的类型中的一者或更多者。
15.根据权利要求12所述的异常诊断方法，其中，诊断所述检查对象中的异常的步骤包括基于预定义的正常模式数据与接收到的图像数据之间的比较结果来输出诊断结果数据。
16.根据权利要求15所述的异常诊断方法，其中，诊断所述检查对象中的异常的步骤包括：
17.根据权利要求12所述的异常诊断方法，其中，诊断所述检查对象中的异常的步骤包括：
18.根据权利要求12所述的异常诊断方法，其中，诊断所述检查对象中的异常的步骤包括：
19.根据权利要求12所述的异常诊断方法，其中，诊断所述检查对象中的异常的步骤包括：
20.根据权利要求16所述的异常诊断方法，其中，诊断所述检查对象中的异常的步骤包括：
21.根据权利要求12所述的异常诊断方法，所述异常诊断方法还包括以下步骤：
22.根据权利要求21所述的异常诊断方法，所述异常诊断方法还包括以下步骤：
23.一种工厂监测系统，所述工厂监测系统包括：
...【技术特征摘要】
【国外来华专利技术】
1.一种位于工厂监测系统内的异常诊断设备，所述异常诊断设备包括：
2.根据权利要求1所述的异常诊断设备，其中，接收所述图像数据的指令包括每个预设单位时间接收所述检查对象的图像数据的指令。
3.根据权利要求1所述的异常诊断设备，其中，所述诊断模型被预先训练，以通过接收所述检查对象的图像数据输出诊断结果数据，所述诊断结果数据包括所述检查对象是否异常、所述异常发生的位置和所述异常的类型中的一者或更多者。
4.根据权利要求1所述的异常诊断设备，其中，诊断所述检查对象中的异常的指令包括：基于预定义的正常模式数据与接收到的图像数据之间的比较结果来输出诊断结果数据的指令。
5.根据权利要求4所述的异常诊断设备，其中，诊断所述检查对象中的异常的指令包括：
6.根据权利要求1所述的异常诊断设备，其中，诊断所述检查对象中的异常的指令包括：
7.根据权利要求1所述的异常诊断设备，其中，诊断所述检查对象中的异常的指令包括：
8.根据权利要求1所述的异常诊断设备，其中，诊断所述检查对象中的异常的指令包括：
9.根据权利要求5所述的异常诊断设备，其中，诊断所述检查对象中的异常的指令包括：
10.根据权利要求1所述的异常诊断设备，其中，所述至少一条指令还包括：
11.根据权利要求10所述的异常诊断设备，其中，所述至少一条指令还包括：
12.一种由位于工厂监测系统内的异常诊断设备执行的异常诊断...
【专利技术属性】
技术研发人员：金基坤，申成昌，俞承助，李载旭，林相昊，
申请(专利权)人：株式会社LG新能源，
类型：发明
国别省市：
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。