跳到主要內容區
回首頁   |    高科大    |   網站管理
 

資訊分類清單

相關法規原頁面開啟
表單下載原頁面開啟
常見Ｑ＆Ａ原頁面開啟

快速搜尋

【I850888】量測輔助系統及方法 A MEASUREMENT ASSISTANCE SYSTEM AND METHOD

書目
公告號 I850888 公開202424822
公告日 2024/08/01
公報卷期 51-22
證書號 I850888
申請號 111146448 E
申請日 2022/12/02
公報IPC G06N 3/08(2023.01); G06F 18/00(2023.01)
當前IPC G06N 3/08(2023.01); G06F 18/00(2023.01)
申請人 國立高雄科技大學 高雄市三民區建工路415號 (中華民國);
NATIONAL KAOHSIUNG UNIVERSITY OF SCIENCE AND TECHNOLOGY NO.415, JIANGONG RD., SANMIN DIST., KAOHSIUNG CITY 807618, TAIWAN (R.O.C.) (TW)
當前專利權人 國立高雄科技大學; NATIONAL KAOHSIUNG UNIVERSITY OF SCIENCE AND TECHNOLOGY
發明人 郭峻志 (中華民國); KUO, CHUN-CHIH (TW);
張嘉宏 (中華民國); CHANG, CHIA-HUNG (TW);
侯博允 (中華民國); HOU, BO-YUN (TW);
楊正鈺 (中華民國); YANG, CHENG-YU (TW)
代理人 陳瑞田; 金玉書
當前代理人 陳瑞田; 金玉書
審查委員 高元良
摘要 一種量測輔助系統及方法，包括：量測平台，具有工作區，用以供放置待測物及量具；攝影機，設置於量測平台上，用以取得量測影像；以及伺服器模組，電性連接攝影機，依據量測影像分別執行量具辨識程序、量測部位辨識程序、以及量測姿勢辨識程序，比對量具外觀影像、量測部位影像、以及量測姿勢影像是否正確；其中，伺服器模組具有處理單元，當量具外觀影像、量測部位影像、以及量測姿勢影像均正確時，依據量測數據產生量測結果。

參考文獻
引用專利 CN101702010A E; CN112518748A E; TW200825426A; TW201800769A; US7138653B1 E

專利範圍   原始格式 
專利範圍 1.一種量測輔助系統，包括：一量測平台，具有一工作區，用以供放置一待測物及至少一量具；至少一攝影機，設置於該量測平台上，用以取得一量測影像；以及一伺服器模組，電性連接該些攝影機，依據該量測影像透過一量具外觀標準模型、一量測部位標準模型、以及一量測姿勢標準模型分別執行一量具辨識程序、一量測部位辨識程序、以及一量測姿勢辨識程序，並取得該些量具對應的一量具外觀影像、該待測物的一量測部位影像、以及一量測者的一量測姿勢影像，用以比對該量具外觀影像、該量測部位影像、以及該量測姿勢影像是否正確；其中，該伺服器模組具有一處理單元，當該量具外觀影像、該量測部位影像、以及該量測姿勢影像均正確時，依據一量測數據產生一量測結果；其中，該量具外觀標準模型、該量測部位標準模型、以及該量測姿勢標準模型透過預先搭建的一深度學習神經網路框架進行訓練，該深度學習神經網路框架包括Tensorflow object detection演算法，用以進行物件辨識，辨識該些量具、HU Moment演算法，用以描述及比較物件的相似度，並比對該量具外觀影像、TensorFlow CNN演算法和MediaPipe hand演算法，用以將該量測姿勢影像分為複數個特徵點，並由該些特徵點將手部姿勢與手指角度得出，利用手部姿勢進行是否抓取量具的依據。

2.如申請專利範圍第1項所述的量測輔助系統，其中該量測輔助系統更包括一顯示模組，該顯示模組位於該工作區，用以顯示一量測資訊。

3.如申請專利範圍第2項所述的量測輔助系統，其中該量測資訊包括一指定量具、一量測部位、以及該量測結果。

4.如申請專利範圍第1項所述的量測輔助系統，其中該量測輔助系統更包括一輸入模組，該輸入模組用以取得該量測數據。

5.如申請專利範圍第1項所述的量測輔助系統，其中該量測輔助系統更包括一判斷模組，該判斷模組用以判斷該量測數據是否符合一預設閾值範圍。

6.如申請專利範圍第1項所述的量測輔助系統，其中該些量具包括一有線量具和/或一無線量具，該無線量具具有相對應的一量測數據接收單元。

7.如申請專利範圍第1項所述的量測輔助系統，其中該量具外觀標準模型以Tensorflow object detection演算法作為深度學習神經網路框架，並以深度學習方式訓練出的類神經網路模型。

8.如申請專利範圍第1項所述的量測輔助系統，其中該量測部位標準模型以HU Moment演算法以及TensorFlow CNN演算法作為深度學習神經網路框架，並以深度學習方式訓練出的類神經網路模型。

9.如申請專利範圍第1項所述的量測輔助系統，其中該量測姿勢標準模型以MediaPipe hand演算法作為手部辨識之方法。

10.一種量測輔助方法，適用於請求項1至請求項9中任一項的量測輔助系統，其中該量測輔助方法，包含下列步驟：透過一顯示模組顯示一量測資訊；以至少一攝影機持續取得一工作區的一量測影像；透過一伺服器模組，依據該量測影像，透過一量具外觀標準模型執行一量具辨識程序，取得一量具外觀影像，並與該量測資訊比對；當該量具外觀影像正確時，依據該量測影像，透過一量測部位標準模型執行一量測部位辨識程序，取得一量測部位影像，並與該量測資訊比對；當該量測部位影像正確時，依據該量測影像，透過一量測姿勢標準模型執行一量測姿勢辨識程序，取得一量測姿勢影像，並與該量測資訊比對；當該量測姿勢影像正確時，透過一輸入模組取得一量測數據；通過一判斷模組判斷該量測數據是否符合一預設閾值範圍；以及當該量測數據符合該預設閾值範圍時，透過一處理單元依據該量測數據產生一量測結果；其中，該量具外觀標準模型、該量測部位標準模型、以及該量測姿勢標準模型透過預先搭建的一深度學習神經網路框架進行訓練，該深度學習神經網路框架包括Tensorflow object detection演算法，用以進行物件辨識，辨識該些量具、HU Moment演算法，用以描述及比較物件的相似度，並比對該量具外觀影像、TensorFlow CNN演算法和MediaPipe hand演算法，用以將該量測姿勢影像分為複數個特徵點，並由該些特徵點將手部姿勢與手指角度得出，利用手部姿勢進行是否抓取量具的依據。
瀏覽數:
登入成功