DE102021201806A1 - Verfahren und Vorrichtung zum Bestimmen eines optimierten Parametersatzes zum Durchführen einer Messung - Google Patents
Verfahren und Vorrichtung zum Bestimmen eines optimierten Parametersatzes zum Durchführen einer Messung Download PDFInfo
- Publication number
- DE102021201806A1 DE102021201806A1 DE102021201806.8A DE102021201806A DE102021201806A1 DE 102021201806 A1 DE102021201806 A1 DE 102021201806A1 DE 102021201806 A DE102021201806 A DE 102021201806A DE 102021201806 A1 DE102021201806 A1 DE 102021201806A1
- Authority
- DE
- Germany
- Prior art keywords
- measurement
- method step
- carried out
- parameter sets
- parameters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B9/00—Measuring instruments characterised by the use of optical techniques
- G01B9/02—Interferometers
- G01B9/0209—Low-coherence interferometers
- G01B9/02091—Tomographic interferometers, e.g. based on optical coherence
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/086—Learning methods using evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
Die Erfindung betrifft ein Verfahren und eine Vorrichtung (10) zum Auffinden eines optimierten Parametersatzes für eine Messung mit einer Messvorrichtung (12). Hierfür werden insbesondere n*m Messungen durchgeführt und bewertet, vorzugsweise gemittelt und in der gemittelten Messung eine region of interest (ROI) bestimmt. Anschließend können o-fach n*m Messungen durchgeführt werden, wobei die Bewertung nur in der ROI erfolgt. Spätestens nach o Wiederholungen kann die Optimierung beendet und ein gut bewerteter Parametersatz ausgegeben und für eine Messung verwendet werden.
Description
- Hintergrund der Erfindung
- Die Erfindung betrifft ein Verfahren und eine Vorrichtung zum Bestimmen eines optimierten Parametersatzes.
- Komplexe Messvorrichtungen, wie optische Kohärenztomografie (OCT) Messvorrichtungen, verfügen über zahlreiche (Einstell-)Parameter, die es dem Nutzer erlauben, die Messvorrichtung an die jeweilige Messsituation bzw. Bearbeitungssituation eines Messkörpers anzupassen. Die Vielzahl der Parameter und deren Wechselwirkungen führen zu einem hochkomplexen Parameterraum. Die Einstellung der Parameter eines Parametersatzes erfordert daher bislang Expertenwissen und ist zeitaufwändig.
- Aufgabe der Erfindung
- Es ist demgegenüber Aufgabe der Erfindung, ein Verfahren und eine Vorrichtung zur automatisierten Ermittlung eines optimierten Parametersatzes bereit zu stellen.
- Beschreibung der Erfindung
- Diese Aufgabe wird erfindungsgemäß gelöst durch ein Verfahren gemäß Patentanspruch 1 und eine Vorrichtung gemäß Patentanspruch 12. Die abhängigen Patentansprüche geben bevorzugte Weiterbildungen wieder.
- Die erfindungsgemäße Aufgabe wird somit gelöst durch ein Verfahren mit folgenden, insbesondere automatisiert durchgeführten, Verfahrensschritten:
- C) Durchführen und Speichern von n Messungen eines Messkörpers mit jeweils einem Parametersatz, wobei jede Messung eine Vielzahl von Messpunkten aufweist;
- D) Bewerten der n Messungen mit einer Bewertungsfunktion und Speichern der Bewertung, wobei die Bewertung insbesondere graduell, vorzugsweise zwischen 0 und 1, vorgenommen wird;
- E) Erzeugen von, insbesondere n, neuen Parametersätzen, insbesondere durch Anwendung von Adaptionsfunktionen, die die Bewertung aus Verfahrensschritt D) bei der Bearbeitung, Auswahl und Weiterverwendung der Parametersätze berücksichtigt;
- F) mehrfache, insbesondere m-fache, Durchführung der Verfahrensschritte C) bis E);
- J) Ausgabe zumindest eines Parametersatzes, insbesondere des Parametersatzes mit der besten Bewertung. Zusätzlich dazu können weitere Parametersätze ausgegeben werden.
- Die Messparameter sind notwendig, um die Messung an die Vielzahl von Bearbeitungssituationen anpassen zu können. Der komplexe und asymmetrische Parameterraum mit der Vielzahl an Parametern und Wechselwirkungen kann vor dem Nutzer vollständig verborgen werden. Es ist somit kein spezifisches Wissen für die Bedienung erforderlich. Der Funktionsumfang und die Robustheit gegen die Änderung von Messsituationen, insbesondere von Bauteileigenschaften, bleiben jedoch vollständig erhalten. Das erfindungsgemäße Verfahren erlaubt mithin auch unerfahrenen Nutzern das Durchführen einer Messung mit sehr guten Messparametern.
- Ein Parametersatz entspricht einer Anzahl an Messparametern, mit denen eine Messung möglich ist. Zwei Parametersätze unterscheiden sich, wenn wenigstens ein Parameter eines Parametersatzes verschieden vom gleichen Parameter im anderen Parametersatz ist.
- Im Verfahrensschritt E) erfolgt die Erzeugung neuer Parametersätze insbesondere durch Anwendung von evolutionären Operatoren, vorzugsweise in Form von Cross-Over-Operatoren und/oder Mutationsoperatoren, auf die im Verfahrensschritt C) eingesetzten Parametersätze. Bei der Anwendung eines Cross-Over-Operators werden zwei Eltern-Parametersätze zu einem Parametersatz der nächsten Generation kombiniert. Bei Anwendung eines Mutationsoperators wird/werden ein einzelnes Teil/Teile eines Elternparametersatzes zufällig geändert.
- Der Messkörper kann in Form eines Werkstücks vorliegen.
- n und/oder m kann/können größer 1, insbesondere größer 2, vorzugsweise größer 5, besonders bevorzugt größer 10, sein.
- Die Messung im Verfahrensschritt C) wird vorzugsweise in Form eines berührungsfreien Scans durchgeführt. Der Scan kann eindimensional (Linienscan) oder mehrdimensional durchgeführt werden.
- Vorzugsweise wird die Messung im Verfahrensschritt C) in Form einer optischen Kohärenztomografie (OCT)-Messung oder in Form einer Pyrometrie-Messung durchgeführt. Der Parametersatz zur Durchführung von OCT-Messungen und Pyrometrie-Messungen ist mit dem erfindungsgemäßen Verfahren besonders gut optimierbar.
- Die Bewertungsfunktion kann einen Algorithmus, insbesondere in Form eines Bildverarbeitungsalgorithmus, zur Beurteilung der Aufnahmequalität der Messung und/oder ein tiefes faltendes neuronales Netz beinhalten. Der Algorithmus kann ein Sensorrohsignal, beispielsweise ein Fast Fourier Transform (FFT)-Signal, bewerten. Der Bildverarbeitungsalgorithmus kann dazu ausgebildet sein, die Bildqualität der Messung zu beurteilen. Beispielsweise kann der Bildverarbeitungsalgorithmus die Kantenschärfe und/oder das Bildrauschen beurteilen.
- Das Erzeugen von n neuen Parametersätzen im Verfahrensschritt E) kann durch Zufall (E1) oder (E2) eine künstliche Intelligenz (KI) erfolgen, die ihre Zielfunktion mittels eines online-learning Verfahrens und den Bewertungen der Bewertungsfunktion adaptiert. Die KI erreicht durch das permanent (online) durchgeführte Lernverfahren unter Beachtung der Bewertungen eine signifikant schnellere Optimierung des Parametersatzes.
- In weiter bevorzugter Ausgestaltung der Erfindung werden folgende Verfahrensschritte nach dem Verfahrensschritt F) und vor dem Verfahrensschritt J) durchgeführt:
- G) Zusammenführen, insbesondere Mitteln, aller im Verfahrensschritt C) durchgeführten Messungen;
- H) Definition einer kleinstmöglichen region of interest (ROI) in dieser zusammengeführten Messung, in der die Bewertungsfunktion einen definierten Schwellwert übersteigt;
- I) mehrfache, insbesondere o-fache, Wiederholung der Verfahrensschritte C) bis F), wobei die Bewertungsfunktion im Verfahrensschritt D) nur innerhalb der ROI angewendet wird.
- Das Zusammenführen im Verfahrensschritt G) kann durch ein Mitteln, das Bestimmen eines Median und/oder das Bestimmen anderer statistischer Werte erfolgen.
- Die ROI entspricht dem Messbereich, in dem ein Messsignal vom Probenkörper erhalten wird. Hierdurch werden die Bereiche der Messung von der Optimierung ausgenommen, in denen kein Signal vom Probenkörper erhalten wird. Die Optimierung wird hierdurch signifikant verbessert.
- Die ROI ist vorzugsweise zusammenhängend.
- o kann größer 1, insbesondere größer 2, vorzugsweise größer 5, besonders bevorzugt größer 10, sein.
- Nach dem Verfahrensschritt J) kann in einem Verfahrensschritt K) der im Verfahrensschritt J) ausgegebene Parametersatz gespeichert werden. Zusätzlich dazu kann/können ein weiterer bzw. mehrere weitere gut bewertete Parametersätze gespeichert werden.
- Vor dem Verfahrensschritt C) kann folgender Verfahrensschritt durchgeführt werden:
- B) Erzeugen der im Verfahrensschritt C) eingesetzten n Parametersätze durch
- B1) Zufall oder
- B2) eine Default-Startparametrisierung oder
- B3) Durchführen einer Messung des Messkörpers mit einer Default-Startparametrisierung und Bestimmen eines oder mehrerer nächsten Nachbarn der Default-Startparametrisierung, insbesondere durch dichtebasiertes Clustering. Dabei können mehrere nächste Nachbarn in einem z-dimensionalen Featureraum durch dichtebasiertes Clustering bestimmt werden. Der Featureraum kann durch Featureextraktionsverfahren, wie Bildverarbeitungsverfahren und/oder tiefe faltende Netze aufgespannt sein. z liegt vorzugsweise zwischen 10 und 1000.
- Zusätzlich dazu kann vor dem Verfahrensschritt B) folgender Verfahrensschritt durchgeführt werden:
- A) Definieren von Wertebereichen für die Messparameter der Parametersätze, wobei die Parameter der Parametersätze in den Verfahrensschritten B) und E) innerhalb dieser Wertebereiche erzeugt werden.
- Die erfindungsgemäße Aufgabe wird weiterhin gelöst durch eine Vorrichtung zum Bestimmen eines optimierten Parametersatzes mit einem hier beschriebenen Verfahren, wobei die Vorrichtung eine Messvorrichtung zum Durchführen der Messungen im Verfahrensschritt C) und einen Rechner zum Durchführen der weiteren Verfahrensschritte aufweist. Der Rechner kann Teil der Messvorrichtung sein.
- Der Rechner kann eine Software mit einem Algorithmus zur Steuerung der Messvorrichtung aufweisen.
- Die Messvorrichtung ist vorzugsweise in Form einer OCT-Messvorrichtung oder einer Pyrometrie-Messvorrichtung ausgebildet.
- Weitere Vorteile der Erfindung ergeben sich aus der Beschreibung und der Zeichnung. Ebenso können die vorstehend genannten und die noch weiter ausgeführten Merkmale erfindungsgemäß jeweils einzeln für sich oder zu mehreren in beliebigen Kombinationen Verwendung finden. Die gezeigten und beschriebenen Ausführungsformen sind nicht als abschließende Aufzählung zu verstehen, sondern haben vielmehr beispielhaften Charakter für die Schilderung der Erfindung.
- Figurenliste
-
-
1 zeigt eine schematische Ansicht einer erfindungsgemäßen Vorrichtung mit einer Messvorrichtung und einem Rechner zur Durchführung eines erfindungsgemäßen Verfahrens. -
2 zeigt schematisch den Ablauf eines erfindungsgemäßen Verfahrens. -
1 zeigt eine Vorrichtung 10 mit einer Messvorrichtung 12 und einem Rechner 14. Der Rechner 14 steht drahtgebunden und/oder drahtungebunden in Verbindung 16 mit der Messvorrichtung 12. Der Rechner 14 weist eine Software 18 mit einem Algorithmus 20 zum Steuern der Messvorrichtung 12 auf. - Die Messung mit der Messvorrichtung 12 erfolgt unter Einstellung mehrerer Messparameter. Die Messparameter werden vom Rechner 14 vorgegeben. Die Messvorrichtung 12 übermittelt nach und/oder während der Messung das Messergebnis („die Messung“) mit einer Vielzahl von Messpunkten an den Rechner 14.
- Die Messvorrichtung 12 ist in Form einer optischen Kohärenztomografie (OCT)-Messvorrichtung ausgebildet. Die Messvorrichtung 12 weist zur Messung eines Messkörpers 22 einen OCT-Scanner 24 auf. Zusätzlich dazu kann eine Laserbearbeitungsoptik 28 zur Bearbeitung des Messkörpers 22 vorgesehen sein. In die Messvorrichtung 12 wird ein OCT-Messstrahl 30 eingekoppelt. Zusätzlich dazu kann ein Bearbeitungslaserstrahl 32 eingekoppelt werden. Die Messvorrichtung 12 kann alternativ oder zusätzlich zu den gezeigten Einrichtungen Umlenkspiegel und/oder Strahlteiler aufweisen.
- Die bei der Messung verwendeten Messparameter („Parametersatz“) werden mit dem erfindungsgemäßen Verfahren optimiert. Dies wird in
2 erläutert. -
2 zeigt den Ablauf einer Ausführungsform des erfindungsgemäßen Verfahrens: - Im Verfahrensschritt A) werden Wertebereiche für Messparameter der Parametersätze definiert, wobei die Parameter der Parametersätze in den Verfahrensschritten B) und E) innerhalb dieser Wertebereiche erzeugt werden.
- Im Verfahrensschritt B) werden n Parametersätze innerhalb der zuvor definierten Wertebereiche erzeugt. Dies erfolgt durch B1) Zufall; oder B2) eine Default-Startparametrisierung; oder B3) Messung des Messkörpers 22 mit einer Default-Startparametrisierung und Bestimmung eines oder mehrerer nächster Nachbarn der Default-Startparametrisierung.
- Im Verfahrensschritt C) werden n Messungen des Messkörpers 22 mit jeweils einem Parametersatz durchgeführt und gespeichert, wobei jede Messung eine Vielzahl von Messpunkten aufweist.
- Im Verfahrensschritt D) werden die n Messungen aus dem Verfahrensschritt C) mit einer Bewertungsfunktion bewertet. Die Bewertungen werden gespeichert.
- Im Verfahrensschritt E) wird eine Schleife ausgeführt. Im Verfahrensschritt E) werden n neue Parametersätze erzeugt. Die Erzeugung erfolgt durch Anwendung von Cross-Over-Operatoren und/oder Mutationsoperatoren auf die im Verfahrensschritt C) verwendeten Parametersätze. Die Erzeugung erfolgt durch E1) Zufall; oder E2) eine künstliche Intelligenz, die ihre Zielfunktion mittels online-learning-Verfahren und den zuvor erstellten Bewertungen adaptiert.
- Die Schleife der Verfahrensschritte C), D) und E) wird gemäß Verfahrensschritt F) m-fach wiederholt.
- Nach m Wiederholungen werden im Verfahrensschritt G) alle im Verfahrensschritt C) durchgeführten Messungen gemittelt.
- Anschließend wird im Verfahrensschritt H) eine kleinstmögliche region of interest (ROI) in der gemittelten Messung ermittelt. In dieser ROI übersteigt die Bewertungsfunktion einen definierten Schwellwert.
- Im Verfahrensschritt I wird eine erneute Schleife durchgeführt: Die Verfahrensschritte C), D), E) und F) werden o-fach durchgeführt, wobei der Verfahrensschritt D) dahingehend modifiziert wird, dass die Bewertungsfunktion nur innerhalb der ROI angewendet wird.
- Nach den o Wiederholungen wird im Verfahrensschritt J) die Optimierung der Parametersätze beendet und ein Parametersatz mit einer guten Bewertung ausgegeben.
- Im Verfahrensschritt K) wird zumindest dieser Parametersatz mit einer guten Bewertung gespeichert. Dieser Parametersatz kann in einem späteren Verfahren im Verfahrensschritt B) eingesetzt werden.
- Unter Vornahme einer Zusammenschau beider Figuren der Zeichnung betrifft die Erfindung zusammenfassend ein Verfahren und eine Vorrichtung 10 zum Auffinden eines optimierten Parametersatzes für eine Messung mit einer Messvorrichtung 12. Hierfür werden insbesondere n*m Messungen durchgeführt und bewertet, vorzugsweise gemittelt und in der gemittelten Messung eine region of interest (ROI) bestimmt. Anschließend können o-fach n*m Messungen durchgeführt werden, wobei die Bewertung nur in der ROI erfolgt. Spätestens nach o Wiederholungen kann die Optimierung beendet und ein gut bewerteter Parametersatz ausgegeben und für eine Messung verwendet werden.
- Bezugszeichenliste
-
- 10
- Vorrichtung
- 12
- Messvorrichtung
- 14
- Rechner
- 16
- Verbindung (Kommunikation)
- 18
- Software
- 20
- Algorithmus
- 22
- Messkörper
- 24
- OCT-Scanner
- 28
- Laserbearbeitungsoptik
- 30
- OCT-Messstrahl
- 32
- Bearbeitungslaserstrahl
- A)-K)
- Verfahrensschritte
Claims (12)
- Verfahren zum Bestimmen eines optimierten, mehrere Messparameter aufweisenden, Parametersatzes zur Durchführung einer Messung, mit folgenden Verfahrensschritten: C) Durchführen und Speichern von n Messungen eines Messkörpers (22) mit jeweils einem Parametersatz, wobei jede Messung eine Vielzahl von Messpunkten aufweist; D) Bewerten der n Messungen mit einer Bewertungsfunktion und Speichern der Bewertung; E) Erzeugen von neuen Parametersätzen aus den im Verfahrensschritt C) eingesetzten Parametersätzen; F) mehrfache Durchführung der Verfahrensschritte C) bis E); J) Ausgabe zumindest eines Parametersatzes mit einer guten Bewertung.
- Verfahren nach
Anspruch 1 , bei dem die Erzeugung neuer Parametersätze im Verfahrensschritt E) durch Anwendung von evolutionären Operatoren auf die im Verfahrensschritt C) eingesetzten Parametersätze erfolgt. - Verfahren nach
Anspruch 1 oder2 , bei dem die Messung im Verfahrensschritt C) in Form eines berührungsfreien Scans durchgeführt wird. - Verfahren nach
Anspruch 3 , bei dem die Messung im Verfahrensschritt C) in Form einer optischen Kohärenztomografie (OCT)-Messung oder in Form einer Pyrometrie-Messung durchgeführt wird. - Verfahren nach einem der vorhergehenden Ansprüche, bei dem die Bewertungsfunktion einen Algorithmus (20) zur Beurteilung der Aufnahmequalität der Messung und/oder ein tiefes faltendes neuronales Netz beinhaltet.
- Verfahren nach einem der vorhergehenden Ansprüche, bei dem das Erzeugen von n neuen Parametersätzen im Verfahrensschritt E) erfolgt durch E1) Zufall oder E2) eine künstliche Intelligenz (KI), die ihre Zielfunktion mittels eines online-learning-Verfahrens und den Bewertungen der Bewertungsfunktion adaptiert.
- Verfahren nach einem der vorhergehenden Ansprüche, mit folgenden, nach dem Verfahrensschritt F) und vor dem Verfahrensschritt J) durchgeführten Verfahrensschritten: G) Zusammenführen aller im Verfahrensschritt C) durchgeführten Messungen; H) Definition einer kleinstmöglichen region of interest (ROI) in dieser zusammengeführten Messung, in der die Bewertungsfunktion einen definierten Schwellwert übersteigt; I) mehrfache Wiederholung der Verfahrensschritte C) bis F), wobei die Bewertungsfunktion im Verfahrensschritt D) nur innerhalb der ROI angewendet wird.
- Verfahren nach einem der vorhergehenden Ansprüche, bei dem nach dem Verfahrensschritt J) folgender Verfahrensschritt durchgeführt wird: K) Speichern des im Verfahrensschritt J) ausgegebenen Parametersatzes in einer Datenbank.
- Verfahren nach einem der vorhergehenden Ansprüche, bei dem vor dem Verfahrensschritt C) folgender Verfahrensschritt durchgeführt wird: B) Erzeugen der im Verfahrensschritt C) eingesetzten n Parametersätze durch B1) Zufall oder B2) eine Default-Startparametrisierung.
- Verfahren nach
Anspruch 8 , bei dem vor dem Verfahrensschritt C) folgender Verfahrensschritt durchgeführt wird: B) Erzeugen der im Verfahrensschritt C) eingesetzten n Parametersätze durch B3) Durchführen einer Messung des Messkörpers mit einer Default-Startparametrisierung und Bestimmen eines oder mehrerer nächsten Nachbarn der Default-Startparametrisierung. - Verfahren nach
Anspruch 9 oder10 , bei dem vor dem Verfahrensschritt B) folgender Verfahrensschritt durchgeführt wird: A) Definieren von Wertebereichen für die Messparameter der Parametersätze, wobei die Parameter der Parametersätze in den Verfahrensschritten B) und E) innerhalb dieser Wertebereiche erzeugt werden. - Vorrichtung (10) zum Bestimmen eines optimierten Parametersatzes mit einem Verfahren nach einem der vorhergehenden Ansprüche, wobei die Vorrichtung (10) eine Messvorrichtung (12) zum Durchführen der Messungen im Verfahrensschritt C) und einen Rechner (14) zum Durchführen der weiteren Verfahrensschritte aufweist.
Priority Applications (6)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE102021201806.8A DE102021201806A1 (de) | 2021-02-25 | 2021-02-25 | Verfahren und Vorrichtung zum Bestimmen eines optimierten Parametersatzes zum Durchführen einer Messung |
| PCT/EP2022/051444 WO2022179776A1 (de) | 2021-02-25 | 2022-01-24 | Verfahren und vorrichtung zum bestimmen eines optimierten parametersatzes zum durchführen einer messung |
| JP2023551753A JP2024509784A (ja) | 2021-02-25 | 2022-01-24 | 測定を実行するための最適化されたパラメータセットを特定するための方法および装置 |
| CN202280017143.6A CN116917689A (zh) | 2021-02-25 | 2022-01-24 | 用于确定用于执行测量的经优化的参数组的方法和设备 |
| KR1020237029092A KR20230133382A (ko) | 2021-02-25 | 2022-01-24 | 측정을 수행하기 위한 최적화된 파라미터 세트를 결정하는 방법 및 장치 |
| US18/448,203 US20230384084A1 (en) | 2021-02-25 | 2023-08-11 | Method and device for determining an optimized parameter set to perform a measurement |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE102021201806.8A DE102021201806A1 (de) | 2021-02-25 | 2021-02-25 | Verfahren und Vorrichtung zum Bestimmen eines optimierten Parametersatzes zum Durchführen einer Messung |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| DE102021201806A1 true DE102021201806A1 (de) | 2022-09-08 |
Family
ID=80445502
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| DE102021201806.8A Pending DE102021201806A1 (de) | 2021-02-25 | 2021-02-25 | Verfahren und Vorrichtung zum Bestimmen eines optimierten Parametersatzes zum Durchführen einer Messung |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US20230384084A1 (de) |
| JP (1) | JP2024509784A (de) |
| KR (1) | KR20230133382A (de) |
| CN (1) | CN116917689A (de) |
| DE (1) | DE102021201806A1 (de) |
| WO (1) | WO2022179776A1 (de) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102023105580A1 (de) * | 2023-03-07 | 2024-09-12 | TRUMPF Werkzeugmaschinen SE + Co. KG | Computerimplementiertes Verfahren zum Bestimmen von Schnittspaltbreiten für ein Laserschneidverfahren |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN119140977B (zh) * | 2024-11-12 | 2025-03-04 | 长春工程学院 | 一种铝合金搅拌摩擦焊工艺参数优化方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102016204577A1 (de) | 2016-03-18 | 2017-09-21 | Trumpf Laser- Und Systemtechnik Gmbh | Heißrisserkennen beim Laserschweißen |
| DE102013017795C5 (de) | 2013-10-25 | 2018-01-04 | Lessmüller Lasertechnik GmbH | Prozessüberwachungsverfahren und -vorrichtung |
| DE102019114477A1 (de) | 2019-05-29 | 2020-12-03 | Trumpf Werkzeugmaschinen Gmbh + Co. Kg | Automatische Materialerkennung mit Laser |
| DE102019209088A1 (de) | 2019-06-24 | 2020-12-24 | Trumpf Werkzeugmaschinen Gmbh + Co. Kg | Verfahren zum Bewerten einer Laserschnittkante, mobiles Endgerät und System |
Family Cites Families (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000351009A (ja) * | 1999-06-11 | 2000-12-19 | Nippon Steel Corp | スラブ積載方法 |
| US7330279B2 (en) * | 2002-07-25 | 2008-02-12 | Timbre Technologies, Inc. | Model and parameter selection for optical metrology |
| US20060187466A1 (en) * | 2005-02-18 | 2006-08-24 | Timbre Technologies, Inc. | Selecting unit cell configuration for repeating structures in optical metrology |
| CA2616376A1 (en) * | 2005-07-25 | 2007-02-01 | Duke University | Methods, systems, and computer program products for optimization of probes for spectroscopic measurement in turbid media |
| US20090237656A1 (en) * | 2008-03-05 | 2009-09-24 | Lin Ma | Tomographic Imaging Using Hyperspectral Absorption Spectroscopy |
| WO2011091283A1 (en) * | 2010-01-22 | 2011-07-28 | Board Of Regents, The University Of Texas System | Systems, devices and methods for imaging and surgery |
| JP5832523B2 (ja) * | 2010-04-29 | 2015-12-16 | マサチューセッツ インスティテュート オブ テクノロジー | 光コヒーレンストモグラフィのための動き補正および画像改善の方法および装置 |
| US8822875B2 (en) * | 2010-09-25 | 2014-09-02 | Queen's University At Kingston | Methods and systems for coherent imaging and feedback control for modification of materials |
| US9317626B2 (en) * | 2011-11-16 | 2016-04-19 | Wai Man Chan | Method and system for combinatorial layout design |
| CA2887052C (en) * | 2012-10-12 | 2020-07-07 | Thorlabs, Inc. | Compact, low dispersion, and low aberration adaptive optics scanning system |
| CN108135466B (zh) * | 2015-09-11 | 2021-07-09 | 西蒙弗雷泽大学 | 相干门控无波前传感器自适应光学多光子显微以及相关系统和方法 |
| TWI632342B (zh) * | 2016-11-30 | 2018-08-11 | 財團法人工業技術研究院 | 量測設備及量測方法 |
| PL3571003T3 (pl) * | 2017-01-18 | 2024-11-18 | Ipg Photonics Corporation | Sposoby i systemy obrazowania koherentnego i sterowania informacją zwrotną dla modyfikacji materiałów |
| US11687800B2 (en) * | 2017-08-30 | 2023-06-27 | P Tech, Llc | Artificial intelligence and/or virtual reality for activity optimization/personalization |
| EP3485815B1 (de) * | 2017-11-21 | 2020-05-13 | Siemens Healthcare GmbH | Verfahren zum steuern einer röntgenbildgebungsvorrichtung, computerprogramm und elektronisch lesbares speichermedium |
| JP7081677B2 (ja) * | 2018-09-26 | 2022-06-07 | 日本電気株式会社 | 個体識別システム |
| ES2938909T3 (es) * | 2018-12-20 | 2023-04-17 | Suez Int | Un procedimiento mejorado para evaluar el estado de la tubería |
-
2021
- 2021-02-25 DE DE102021201806.8A patent/DE102021201806A1/de active Pending
-
2022
- 2022-01-24 CN CN202280017143.6A patent/CN116917689A/zh active Pending
- 2022-01-24 JP JP2023551753A patent/JP2024509784A/ja active Pending
- 2022-01-24 KR KR1020237029092A patent/KR20230133382A/ko active Pending
- 2022-01-24 WO PCT/EP2022/051444 patent/WO2022179776A1/de not_active Ceased
-
2023
- 2023-08-11 US US18/448,203 patent/US20230384084A1/en active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102013017795C5 (de) | 2013-10-25 | 2018-01-04 | Lessmüller Lasertechnik GmbH | Prozessüberwachungsverfahren und -vorrichtung |
| DE102016204577A1 (de) | 2016-03-18 | 2017-09-21 | Trumpf Laser- Und Systemtechnik Gmbh | Heißrisserkennen beim Laserschweißen |
| DE102019114477A1 (de) | 2019-05-29 | 2020-12-03 | Trumpf Werkzeugmaschinen Gmbh + Co. Kg | Automatische Materialerkennung mit Laser |
| DE102019209088A1 (de) | 2019-06-24 | 2020-12-24 | Trumpf Werkzeugmaschinen Gmbh + Co. Kg | Verfahren zum Bewerten einer Laserschnittkante, mobiles Endgerät und System |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102023105580A1 (de) * | 2023-03-07 | 2024-09-12 | TRUMPF Werkzeugmaschinen SE + Co. KG | Computerimplementiertes Verfahren zum Bestimmen von Schnittspaltbreiten für ein Laserschneidverfahren |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2024509784A (ja) | 2024-03-05 |
| WO2022179776A1 (de) | 2022-09-01 |
| US20230384084A1 (en) | 2023-11-30 |
| CN116917689A (zh) | 2023-10-20 |
| KR20230133382A (ko) | 2023-09-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| DE102022106892A1 (de) | Optische senderabstimmung durch maschinelles lernen und referenzparameter | |
| DE102019114459A1 (de) | Verfahren zum Scannen von Teilbereichen einer Probe mittels eines Rastermikroskops, Computerprogrammprodukt, computerlesbares Medium und System zum Scannen von Teilbereichen einer Probe mittels eines Rastermikroskops | |
| EP3287951B1 (de) | Verfahren für die urheberschaftsbewertung eines gemäldes | |
| DE102014115851A1 (de) | Verfahren und Vorrichtung zur Berechnung, Darstellung und Weiterverarbeitung von lokalen Gütemaßen aus einem Volumenbilddatensatz | |
| EP3956736B1 (de) | Computer-implementiertes verfahren zur bestimmung von defekten eines mittels eines additiven fertigungsprozesses hergestellten objekts | |
| DE102021201806A1 (de) | Verfahren und Vorrichtung zum Bestimmen eines optimierten Parametersatzes zum Durchführen einer Messung | |
| DE102010037746A1 (de) | Verfahren zum optischen Antasten einer Kante in oder an einem Oberflächenbereich | |
| WO2021038079A1 (de) | Verfahren und vorrichtung zum analysieren eines ablaufprozesses | |
| DE4124501C2 (de) | Neuronales Netz mit automatischer Installation von Zwischenneuronen | |
| DE102019208266A1 (de) | Überwachung der maschinellen Fertigung von Werkstücken | |
| WO2003034327A1 (de) | Automatische ermittlung von geometrischen modellen für optische teilerkennungen | |
| EP3923193B1 (de) | Messung der empfindlichkeit von bildklassifikatoren gegen veränderungen des eingabebildes | |
| EP4130656B1 (de) | Vorbereitung der auswertung von stichproben von messwerten einer messgrösse aus einer vermessung einer vielzahl von werkstücken durch ein oder mehrere koordinatenmessgeräte | |
| DE102022208384A1 (de) | Verfahren zum Ermitteln eines Qualitätszustands eines Prüfobjekts | |
| EP3685349B1 (de) | Verfahren zur erkennung einer geometrie eines teilbereichs eines objekts | |
| EP3901717A2 (de) | Verfahren und vorrichtung zur bestimmung einer messstrategie zur vermessung eines messobjekts sowie programm | |
| DE102018109816B3 (de) | Verfahren zur Gewinnung mindestens eines signifikanten Merkmals in einer Serie von Bauteilen gleichen Typs und Verfahren zur Klassifikation eines Bauteils eienr solchen Serie | |
| DE102020207323A1 (de) | Messung der Empfindlichkeit von Bildklassifikatoren anhand realistischer Änderungen, die Klassengrenzen überschreiten | |
| DE102015206192A1 (de) | Verfahren zur Kontrolle von Prüflingen sowie Vorrichtung hierfür | |
| DE102020112649A1 (de) | Computerimplementiertes Verfahren zur Messung eines Objekts | |
| DE102020204140A1 (de) | Vorrichtung und automatisiertes Verfahren zur Auswertung von Sensormesswerten und Verwendung der Vorrichtung | |
| DE102021117716B4 (de) | Verfahren, computerlesbares Speichermedium, Vorrichtung und System zur Auswahl einer fotografischen Aufnahme | |
| DE102023201749A1 (de) | Verfahren zum Trainieren eines Ensemble Algorithmus des maschinellen Lernens zum Klassifizieren von Bilddaten | |
| DE102023207761A1 (de) | Verfahren und Vorrichtung zum Identifizieren von Variablen aus einer Mehrzahl von Variablen, die eine Abhängigkeit von einer vorgegebenen Variable aus der Mehrzahl der Variablen aufweisen | |
| DE102023202838A1 (de) | Verfahren und Vorrichtung zum Identifizieren von Variablen aus einer Mehrzahl von Variablen, die eine Abhängigkeit von einer vorgegebenen Variable aus der Mehrzahl der Variablen aufweisen |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| R012 | Request for examination validly filed | ||
| R082 | Change of representative |
Representative=s name: KUEMMEL, FELIX, DIPL.-PHYS. DR. RER. NAT., DE Representative=s name: PROBST, MATTHIAS, DE |
|
| R082 | Change of representative |
Representative=s name: KUEMMEL, FELIX, DIPL.-PHYS. DR. RER. NAT., DE Representative=s name: PROBST, MATTHIAS, DE |
|
| R016 | Response to examination communication | ||
| R081 | Change of applicant/patentee |
Owner name: TRUMPF LASER SE, DE Free format text: FORMER OWNER: TRUMPF LASER GMBH, 78713 SCHRAMBERG, DE |
|
| R082 | Change of representative |
Representative=s name: PROBST, MATTHIAS, DE |