CN109937385A - 配置装置、方法、程序和存储介质以及学习数据获取装置和方法 - Google Patents

Abstract

本发明涉及配置装置、方法、程序和存储介质以及学习数据获取装置和方法。配置装置用于对作为获取学习数据的目标的学习对象、从学习对象采集学习数据的数据采集装置、以及能够操作学习对象和数据采集装置的操作装置进行配置。配置装置包括：配置指令生成部，其根据学习条件信息生成与学习对象、数据采集装置以及操作装置中的至少一方有关的配置指令，学习条件信息是根据用户委托学习的委托信息生成的信息；以及执行部，其根据配置指令对学习对象、数据采集装置以及操作装置中的至少一方进行配置，以便完成用于生成学习数据的环境配置。借助于该配置装置，可以缩短处理时间，可以节省本地计算机或服务器的系统资源，并且可以提高学习数据获取效率。

Description

配置装置、方法、程序和存储介质以及学习数据获取装置和 方法

技术领域

本发明涉及深度学习领域，更具体地，涉及配置装置、方法、程序和存储介质，以及学习数据获取装置和方法。

背景技术

近年来，以深度学习为代表的人工智能(AI)技术不断进步，并且诸如基于输入数据(例如摄像装置图像和传感器数据)对分析对象进行分类和预测的技术开始普及。通过利用诸如深度学习技术的AI技术，机器可以获得诸如通过自动学习来对分析对象进行分类的能力。

随着AI技术的快速发展，作为学习结果而由机器获得的能力越来越广泛。因此，更多用户希望使用诸如深度学习技术的学习来训练机器以获得所关注的能力。

近来，已经提出了一种能够借助于机器学习并且使用图像数据作为学习数据来对图像中涉及的对象进行分类或识别的装置(例如，专利文献1中的分类机)。

现有技术文献

专利文献

专利文献1：日本特开2016-40650号公报

发明内容

·要解决的技术问题

当进行深度学习时，应该基于大量学习数据进行学习。然而，准备学习数据会浪费时间和精力。特别地，在从学习对象采集学习数据的数据采集装置包括多个摄像装置和多个传感器等、并且对学习对象和数据采集装置执行操作的操作装置包括多个机器人的情况下，当每次采集学习数据时，需要这些摄像装置、传感器以及机器人的协作配置。这给用户带来了很大的负担，并且无法确保配置准确度。

例如，在上述专利文献1中公开了能够执行图像的高精度分类的学习机(分类机)。为了构成这样的学习机，需要采集大量且不同的学习数据，并且按需要根据学习机要获得的能力将这些学习数据输入到学习机。然而，这些大量且不同的学习数据的采集和输入将手动完成，从而浪费时间和人力。

本发明要解决的技术问题之一是提供可以自动或半自动地配置学习对象、数据采集装置和/或操作装置的配置装置、方法、程序和存储介质，以及包括该配置装置的学习数据获取装置。

·技术问题的解决方案

根据本发明的实施方式，提供了一种配置装置，该配置装置用于对作为获取学习数据的目标的学习对象、从所述学习对象采集学习数据的数据采集装置、以及能够操作所述学习对象和所述数据采集装置的操作装置进行配置。所述配置装置可以包括：配置指令生成部，其可以根据学习条件信息生成与所述学习对象、所述数据采集装置以及所述操作装置中的至少一方有关的配置指令，所述学习条件信息是根据用户委托学习的委托信息生成的信息；以及执行部，其可以根据所述配置指令对所述学习对象、所述数据采集装置以及所述操作装置中的至少一方进行配置，以便完成用于生成所述学习数据的环境配置。

在所述配置装置中，可选地，所述学习对象可以包括第一学习对象和第二学习对象。所述配置指令包括指示从所述第一学习对象切换至所述第二学习对象的切换指令，并且所述执行部可以根据所述切换指令，在针对所述第一学习对象生成预定量的学习数据或者经过了预定时段之后，从所述第一学习对象切换至所述第二学习对象以进行数据采集。

可选地，所述配置指令可以包括所述学习对象、所述操作装置以及所述数据采集装置中的至少一方的取向信息，以及与所述取向信息相对应的定时信息，并且所述执行部可以根据所述取向信息和所述定时信息对所述学习对象、所述操作装置以及所述数据采集装置中的至少一方的取向进行配置。

在所述配置装置中，可选地，所述操作装置可以设有多个。所述配置指令可以包括：在对所述学习对象或所述数据采集装置进行操作的多个所述操作装置中选定的操作装置的标识信息，以及要由所选定的操作装置执行的操作的操作信息，并且所述执行部可以根据所述标识信息和所述操作信息来指示所选定的操作装置执行所述操作。

在所述配置装置中，可选地，所述数据采集装置可以设有多个。所述配置指令可以包括：在从所述学习对象采集数据的多个所述数据采集装置中选定的数据采集装置的标识信息，以及由所选定的数据采集装置执行的操作的操作信息，并且所述执行部可以根据所述标识信息和所述操作信息来指示所选定的数据采集装置执行所述操作。

进一步地，根据本发明的实施方式的所述配置装置还可以包括：输入部，其可以接收与所述学习对象、所述数据采集装置或所述操作装置有关的状态信息，并且所述配置指令生成部可以根据所述学习条件信息和所述状态信息来生成所述配置指令。

还进一步地，根据本发明的实施方式的所述配置装置还可以包括：学习条件信息获取部，其从外部接收所述学习条件信息，或者根据所述委托信息生成所述学习条件信息，并且将所述学习条件信息发送至所述配置指令生成部。

根据本发明的实施方式，提供了一种学习数据获取装置，其可以包括：根据本发明的实施方式的配置装置；以及学习数据获取部，其可以根据由所述配置装置完成的所述环境配置来获取关于所述学习对象的学习数据。

根据本发明的实施方式，提供了一种配置方法，该配置方法用于对作为获取学习数据的目标的学习对象、从所述学习对象采集学习数据的数据采集装置、以及能够操作所述学习对象和所述数据采集装置的操作装置进行配置。所述配置方法可以包括以下步骤：配置指令生成步骤，其可以根据学习条件信息生成与所述学习对象、所述数据采集装置以及所述操作装置中的至少一方有关的配置指令，所述学习条件信息是根据用户委托学习的委托信息生成的信息；以及执行步骤，其可以根据所述配置指令对所述学习对象、所述数据采集装置以及所述操作装置中的至少一方进行配置，以便完成用于生成所述学习数据的环境配置。

在所述配置方法中，可选地，所述学习对象可以包括第一学习对象和第二学习对象。所述配置指令包括指示从所述第一学习对象切换至所述第二学习对象的切换指令，并且所述执行步骤可以包括以下步骤：根据所述切换指令，在针对所述第一学习对象生成预定量的学习数据或者经过了预定时段之后，从所述第一学习对象切换至所述第二学习对象以进行数据采集。

可选地，所述配置指令可以包括所述学习对象、所述操作装置以及所述数据采集装置中的至少一方的取向信息，以及与所述取向信息相对应的定时信息，并且所述执行步骤可以包括以下步骤：根据所述取向信息和所述定时信息对所述学习对象、所述操作装置以及所述数据采集装置中的至少一方的取向进行配置。

在所述配置装置中，可选地，所述操作装置可以设有多个。所述配置指令可以包括：在对所述学习对象或所述数据采集装置进行操作的多个所述操作装置中选定的操作装置的标识信息，以及要由所选定的操作装置执行的操作的操作信息，并且所述执行步骤可以包括以下步骤：根据所述标识信息和所述操作信息来指示所选定的操作装置执行所述操作。

类似地，所述数据采集装置可以设有多个。所述配置指令可以包括：在从所述学习对象采集数据的多个所述数据采集装置中选定的数据采集装置的标识信息，以及要由所选定的数据选择装置执行的操作的操作信息，并且所述执行步骤可以包括以下步骤：根据所述标识信息和所述操作信息来指示所选定的数据采集装置执行所述操作。

进一步地，根据本发明的实施方式的所述配置方法还可以包括以下步骤：状态信息接收步骤，其接收与所述学习对象、所述数据采集装置或所述操作装置有关的状态信息，并且所述配置指令生成步骤可以包括以下步骤：根据所述学习条件信息和所述状态信息来生成所述配置指令。

还进一步地，根据本发明的实施方式的所述配置方法还可以包括：学习条件信息获取步骤，其接收所述学习条件信息，或者根据所述委托信息生成所述学习条件信息。

根据本发明的实施方式，提供了一种学习数据获取方法，其可以包括以下步骤：环境配置步骤，其根据上述配置方法完成用于生成所述学习数据的环境配置；以及学习数据获取步骤，其在所述环境配置的条件下获取关于所述学习对象的学习数据。

根据本发明的实施方式，提供了一种程序，该程序用于对作为获取学习数据的目标的学习对象、从所述学习对象采集学习数据的数据采集装置、以及能够操作所述学习对象和所述数据采集装置的操作装置进行配置，并且使所述处理器能够执行上述配置方法。

根据本发明的实施方式，提供了一种存储介质，所述存储介质可以存储上述程序。

·本发明的效果

根据本发明实施方式的所述配置装置、方法、程序以及存储介质根据所述学习条件信息生成用于对学习对象、数据采集装置和/或操作装置进行配置的配置信息，以便能够在获取所述学习数据的处理期间协作地控制所述学习对象、所述数据采集装置和/或所述操作装置，并且大大减轻了用户的负担。

此外，与用户对与获取所述学习数据相关的各种装置进行手动配置和修改相比，根据本发明实施方式的所述配置装置或方法可以提高配置准确度，提高学习数据质量，并且避免在所述配置处理中可能发生的人为错误。此外，根据本发明实施方式的所述配置装置或方法可以缩短处理时间，节省本地计算机或服务器的系统资源，并且提高学习数据获取效率。

附图说明

这里例示的附图构成了本说明书的一部分，以供进一步理解本发明。本发明的例示性示例及其描述用于解释本发明，并不构成对本发明的不恰当限制。在附图中，

图1是示出作为实现根据本发明的例示性实施方式的配置装置的硬件构造的PC的示意图；

图2是示出根据本发明的例示性实施方式的配置装置的功能模块的框图；

图3是示出根据本发明的例示性实施方式的对象操作装置的功能模块的框图；

图4是示出根据本发明的例示性实施方式的、被包括在配置装置中的配置指令生成部的功能模块的框图；

图5是示出根据本发明的例示性实施方式的配置方法的流程图；

图6是示出根据本发明的例示性实施方式的学习数据获取装置的功能模块的框图；

图7是示出根据本发明的例示性实施方式的学习数据获取方法的流程图；

图8是示出使用根据本发明的例示性实施方式的配置装置的第一应用例的示意图；

图9是示出第一应用例的配置方法的流程图；以及

图10是根据本发明的例示性实施方式的配置方法的第二应用例的示意图。

具体实施方式

为了使本领域技术人员更好地理解本发明，下面将结合本发明的附图，清楚且完整地描述本发明的实施方式。显然，描述了本发明的一些但不是全部的实施方式。基于本发明的实施方式，本领域技术人员在无需付出创造性努力的情况下获得的所有其它实施方式都落入本发明的保护范围。

图1是示出作为实现根据本发明的例示性实施方式的配置装置200的硬件构造的PC(个人计算机)100的示例的示意图。如图1所示，该PC 100可以包括：被配置成执行总体控制的CPU 110、被配置成存储系统软件的只读存储器(ROM)120、被配置成存储写入/读出数据的随机存取存储器(RAM)130、被配置成存储各种程序和数据的存储部140、作为输入输出接口的接口部150，以及被配置成实现通信功能的通信部160。作为替代，CPU 110可以由诸如微处理器MCU或可编程逻辑器件FPGA的处理器替换。接口部150可以包括各种接口，例如输入/输出接口(I/O接口)、通用串行总线(USB)端口(其可以作为I/O接口的多个端口中的一个端口而被包括)，以及网络接口。本领域普通技术人员可以明白，图1中所示的结构仅仅是例示性的，并且其不限制配置装置200的硬件构造。例如，PC 100还可以包括比图1中所示更多或更少的组件，或者具有与图1中所示的配置不同的配置。

应注意到，上述CPU 100可以包括一个或更多个处理器和/或其它数据处理电路，所述一个或更多个处理器和/或其它数据处理电路的全部或一部分可以具体实施为软件、硬件、固件或任何其它组合。此外，一个或更多个处理器和/或其它数据处理电路可以是单个独立处理模块，或者完全或部分地组合在PC 100的任何一个其它部分中。

存储部140可以用于存储应用软件的软件程序和模块，例如，与用于配置学习对象、数据采集装置和/或操作装置的配置方法相对应的程序命令/数据，此外，存储部140还可以用于存储用户委托学习的委托信息、学习数据等。CPU 110通过运行存储在存储部140中的软件程序和模块来实现上述配置方法。存储部140可以包括非易失性存储器，例如，一个或更多个磁存储装置、闪存或其它非易失性固态存储器。在一些示例中，存储部140还可以包括相对于CPU 110远程设置的存储器，并且这些远程存储器可以经由网络连接至PC100。上述网络的示例包括但不限于，因特网、内联网、局域网、移动通信网络及其组合。

接口部150可以包括触摸显示器(也称为“触摸屏”)。在一些示例中，上述触摸显示器可以呈现图形用户界面(GUI)，并且用户可以通过用手指或触笔触摸屏幕和/或通过手势来与GUI进行人机交互，以便输入用于委托学习的委托信息等。此外，用户还可以通过上述触摸显示器所示的图像来了解学习数据采集的情况。用于执行上述人机交互功能的可执行命令被配置/存储在一个或更多个处理器可执行计算机程序产品或可读存储器介质中，例如，可执行命令可以存储在存储部140中。

通信部160用于经由网络接收或发送数据。上述网络的示例可以包括由PC 100的通信提供商提供的无线网络。在一个示例中，通信部160可以包括网络接口控制器(NIC)，该网络接口控制器可以通过基站与其它网络装置连接，使得其可以与因特网通信。在一个示例中，通信部160可以是被配置成以无线方式与因特网通信的射频(RF)模块。

本领域技术人员可以明白，作为实现根据本发明的例示性实施方式的配置装置200的硬件构造的示例不限于图1所示的PC 100，例如，其也可以是诸如智能手机(例如，Android手机、iOS手机)、平板PC、移动因特网装置(MID)以及PAD的终端装置。另选地，作为实现根据本发明的例示性实施方式的配置装置200的硬件构造的示例，图1中除接口部150以外的各个部分也可以位于服务器侧或云上。

图2是示出根据本发明的例示性实施方式的配置装置200的功能模块的框图。配置装置200用于对获取学习数据的目标的学习对象300、从学习对象300采集学习数据的数据采集装置400、以及能够操作学习对象300和数据采集装置400的操作装置500进行配置，以便完成用于生成学习数据的环境配置。利用这样的环境配置，获取与用于深度学习的学习对象300有关的学习数据。

作为学习对象300的示例可以例如是加工厂中的生产线上的工件。例如，作为数据采集装置400的示例可以包括拍摄工件以获取图像数据的摄像装置、以及检测工件以获得良品/次品信息的传感器。例如，作为操作装置500的示例可以包括操作工件的机器人、保持和移动工件的夹具、以及传送工件的传送带，并且还可以包括操作摄像装置和传感器的机器人。工件的图像及其良品/次品信息用作学习数据，并且借助于相关深度学习方法，生产线上的检测装置利用该学习数据进行学习，以获得判断工件是良品还是次品的能力。

如图2所示，根据本发明的例示性实施方式的配置装置200可以包括：配置指令生成部210，其基于学习条件信息生成与学习对象300、数据采集装置400以及操作装置500中的至少一方有关的配置指令，该学习条件信息是根据用户委托学习的委托信息生成的信息；以及执行部220，其对学习对象300、数据采集装置400以及操作装置500中的至少一方进行配置，以便根据配置指令来完成环境配置，以生成学习数据。

通过设置配置指令生成部210，当需要根据获取学习数据的要求来配置例如学习对象300、数据采集装置400和/或操作装置500时，配置装置200可以根据学习条件信息生成配置指令，以便在没有人工参与的情况下自动完成这些装置的配置操作，使得可以提高学习对象300、数据采集装置400和/或操作装置500的配置准确度，改进所获得学习数据的质量，并且避免了在配置这些装置的处理期间可能发生的人为错误。此外，根据本发明实施方式的配置装置200通过与各种连接装置的操作协作，可以缩短操作时间，节省本地计算机或服务器的系统资源，并且提高学习数据获取效率。

本发明中提到的“委托信息”可以包括由用户提供的用于委托学习的各类信息。在一个可选实施方式中，例如，委托信息可以包括学习对象的信息和学习目标的信息。作为一个示例，例如，当在加工厂的生产线上判断工件是良品/次品时，学习目标可以是使生产线上的检测装置能够获得将工件判断为良品/次品的能力，或者学习目标可以是使生产线上的检测装置能够获得对工件进行分类的能力、分级的能力等。当然，只要可以实现本发明的目的，委托信息还可以包括各类其它信息。例如，委托信息可以包括与用户(委托方)有关的信息等等。

而且，如图2所示，根据本发明的例示性实施方式的配置装置200还可以包括：学习条件信息获取部，其从外部接收学习条件信息，或者根据由用户提供的委托信息生成学习条件信息，并且将学习条件信息发送至配置指令生成部210；输入部240，其接收学习对象300、数据采集装置400或操作装置500的状态信息；以及存储部250，其存储学习条件信息和用于根据学习条件信息生成配置指令的程序/数据。

通过设置学习条件信息获取部230，用户可以直观地输入委托信息，而不需要对深度学习技术有深入的了解，因此，简化了用户操作，并且降低了用户使用深度学习技术的难度。例如，上述接口部150可以包括触摸显示器，该触摸显示器可以显示可以与用户交互的GUI。作为示例，GUI可以提示用户输入与学习目标的准确度有关的信息，例如，学习目标是使生产线上的检测装置能够具有区分良品/次品的能力，或者使检测装置能够具有将产品分级为一级品/二级品/三级品/次品的能力。学习条件信息获取部230可以确定与学习条件信息中的学习数据的量有关的信息、通过检测工件而获得的检测结果的数据类型的信息等等。

本领域技术人员可以理解，根据本发明的例示性实施方式的配置装置200也可以不包括学习条件信息获取部230，例如，配置指令生成部210可以直接从配置装置200外部接收学习条件信息。同样地，根据本发明的例示性实施方式的配置装置200也可以不包括存储部250，并且用于根据学习条件信息生成配置指令的程序/数据等可以嵌入在配置指令生成部210中。

本发明中提到的“学习条件信息”是根据由用户提供的委托学习的委托信息生成的信息。在一个可选实施方式中，例如，配置装置200可以包括被配置成存储学习条件信息的学习条件信息数据库(图中未示出)，当从客户接收到委托信息时，学习条件信息获取部230从学习条件信息数据库读取与委托信息相对应的学习条件信息。作为替代，配置装置200可以预先存储被配置成根据委托信息生成学习条件信息的程序，并且在接收到委托信息时，学习条件信息获取部230利用该程序生成与委托信息相对应的学习条件信息。可以根据相关深度学习技术预先准备学习条件信息数据库或用于生成学习条件信息的程序。

学习条件信息可以包括关于学习对象的各类学习数据信息。在一个可选实施方式中，例如，学习条件信息可以包括与学习对象、数据采集装置、操作装置、学习目标、学习数据等有关的信息。作为示例，学习条件信息可以包括关于操作装置500的信息，例如，操作装置500的类型(例如，机器人、传送带、夹具等)、硬件配置(例如，机器人具有多个机械臂)、控制方法(例如，机器人的控制程序、传送带的输送参数信息等)。配置指令生成部210可以根据学习条件信息向执行部220提供配置指令，使得执行部220可以向操作装置500提供控制信息，并且操作装置500根据控制信息对学习对象执行操作。

本发明中提到的“操作装置”可以对学习对象进行操作，以使学习对象采取各种动作来生成学习数据，或者实现学习对象的各种状态等等。此外，可选地，本发明中提到的“操作装置”还可以对数据采集装置进行操作，以使数据采集装置采取各种动作来从学习对象采集数据，或实现各种状态等等。

图3是示出根据本发明的例示性实施方式的操作装置500的功能模块的框图。如图3所示，操作装置500可以包括：控制部510、通信部520以及操作部530。控制部510根据来自配置装置200的控制信息总体上控制操作装置500的各部分的操作。操作部530可以对学习对象和/或数据采集装置执行操作。通信部520可以通过局域网700与外部通信，例如，从配置装置200接收控制信息，并且将操作装置的状态信息发送给配置装置200等等。可选地，通信部520还可以通过各种其它通信方式(例如，因特网、内联网、移动通信网络及其组合)发送/接收信息。

作为示例，例如，当在加工厂的生产线上判断工件是良品/次品时，操作装置500例如可以包括机器人，并且操作部530例如可以包括该机器人的一个或更多个机械臂。可选地，操作部530还可以包括例如用于夹紧工件的夹具。控制部510根据由通信部520从配置装置200接收到的控制信息来控制操作部530对工件的操作，以便改变工件的配置，例如工件的取向。

操作装置500还可以对数据采集装置400执行操作。作为示例，尽管未示出，但数据采集装置400可以包括对工件进行拍摄的一个或更多个摄像装置，以及感测工件当中的良品/次品的信息的传感器。该传感器例如可以是通过感测工件的温度、重量、表面状况等来确定工件是良品还是次品的红外传感器、重量传感器、反射光传感器等。操作装置500的控制部510可以根据由通信部520从配置装置200接收到的控制信息来控制操作部530配置一个或更多个摄像装置，以便改变摄像装置的姿态，以拍摄工件的预期图像。

在图2中，示出了操作装置500将其状态信息(例如机械臂的取向信息)提供给配置装置200，但本发明不限于此。还可以将操作装置500的状态信息通过数据采集装置400提供给配置装置200。例如，数据采集装置400可以包括对操作装置500进行检测的传感器。

图4是示出根据本发明的例示性实施方式的、包括在配置装置200中的配置指令生成部210的功能模块的框图。如图4所示，配置指令生成部210可以包括：解析部211，其接收并解析学习条件信息，并将解析后的信息提供给组合部212；定时部213，其将定时信息提供给组合部212；以及组合部212，其根据解析后的信息和定时信息生成并输出配置指令。

作为示例，例如，学习条件信息可以包括与要获得的学习数据的量有关的信息。解析部211可以对学习条件信息进行分析，并且计算与工件的移动次数及其每次移动量有关的信息，以使组合部212可以根据与工件的移动次数及其每次移动量有关的信息、结合由定时部213提供的定时信息，生成对用于夹紧工件的夹具的移动次数及其移动量进行控制的配置指令，并将该配置指令提供给操作装置500。

可选地，可以向配置装置200的输入部240输入学习对象300、数据采集装置400或操作装置500的状态信息，并将状态信息或经处理的状态信息提供给配置指令生成部210。在配置指令生成部210中，解析部211可以分析学习条件信息和状态信息，并将分析后的信息提供给组合部212，使得组合部212根据分析后的信息和定时信息生成并输出配置指令。

作为示例，例如，状态信息可以包括夹具的当前取向的信息。解析部211可以分析学习条件信息和状态信息，并计算与工件的移动次数和每次移动的目标坐标有关的信息，以使组合部212可以根据与工件的移动次数和每次移动的目标坐标有关的信息、结合由定时部213提供的定时信息，生成对用于夹紧工件的夹具的移动次数及其移动的坐标进行控制的配置指令，并将该配置指令提供给操作装置500。

可选地，定时部213可以组合到解析部211或组合部212。作为替代，配置指令生成部210可以不包括定时部213。当配置指令生成部210不包括定时部213时，配置指令可以不包括定时信息，并且操作装置500根据配置指令顺序地完成一系列操作。

图5是示出根据本发明的例示性实施方式的配置方法的流程图。该配置方法可以用于配置学习对象300、数据采集装置400和/或操作装置500。如图5所示，在步骤S501中，学习条件信息生成部230接收或生成学习条件信息，并且该方法前进至步骤S502。在步骤S502中，配置指令生成部201根据学习条件信息生成与学习对象300、数据采集装置400以及操作装置500中的至少一方有关的配置指令，并且该方法前进至步骤S503。

在步骤S503中，执行部220根据配置指令将控制信息提供给学习对象300、数据采集装置400和/或操作装置500，以配置学习对象300、数据采集装置400和/或操作装置500，从而完成用于生成学习数据的环境配置。然后流程结束。

借助于该配置方法，用户可以仅通过简单地输入委托信息而无需人工配置用于获取学习数据的环境来获得各种装置的预期配置，从而简化了用户操作。即使用户不了解深度学习技术，用户也可以容易地利用该配置方法来获取学习数据。

图6是示出根据本发明的例示性实施方式的学习数据获取装置600的功能模块的框图。如图6所示，学习数据获取装置600可以包括：配置装置200，其根据由用户(委托方)提供的用户委托学习的委托信息来配置学习对象300、数据采集装置400和/或操作装置500，以完成用于生成学习数据的环境配置；以及学习数据获取部610，其根据由配置装置200完成的环境配置来获取关于学习对象300的学习数据。

例如，学习数据获取部610可以将数据采集装置400采集的数据(例如，GO游戏的手册)用作存储在学习数据获取装置600内部或输出至外部的学习数据。该学习数据可以用于训练机器以便具有玩GO游戏的能力。可选地，学习数据获取部610可以将数据采集装置400采集的数据(例如工件的图像数据)用作学习数据的一部分，并将其与其它信息(例如，用户输入的关于所识别的工件是良品还是次品的信息)组合，作为学习数据。该学习数据可以将机器训练成具有判断工件是良品还是次品的能力。

图7是示出根据本发明的例示性实施方式的学习数据获取方法的流程图。如图7所示的步骤S701至步骤S703可以与结合上下文的图5的配置方法中的步骤S501至步骤S503相同。因此，为避免重复，省略了步骤S701至步骤S703的具体说明。

在步骤S704中，学习数据获取部610接收由数据采集装置400从学习对象300采集的数据。根据接收到的数据，生成学习数据并将该学习数据存储在学习数据获取装置600内部或输出至外部。该方法进行至步骤S705。在步骤S705中，学习数据获取部610确定是否已经针对当前学习对象300生成了第一预定量的学习数据。当没有针对当前学习对象300生成第一预定量的学习数据(S705：否)时，返回至该方法的步骤S702，并且继续生成下一个学习数据；当针对当前学习对象300生成了第一预定量的学习数据(S705：是)时，该方法进行至步骤S706。

在步骤S706中，学习数据获取部610确定是否已经针对第二预定量的学习对象生成了学习数据。当没有针对所有第二预定量的当前学习对象300生成学习数据(S706：否)时，方法进行至步骤S707；在步骤S707中更换学习对象300，然后该方法返回至步骤S702，并且继续利用下一个学习对象300生成数据；当针对所有第二预定量的当前学习对象300生成了学习数据(S706：是)时，流程结束。

在如图7所示的学习数据获取方法中，由配置装置生成的配置信息是针对一个学习数据的，即，用于生成一个学习数据的环境配置的配置信息。可选地，该配置信息还可以是针对一组学习数据的配置信息，例如，当针对同一学习对象获取10000个学习数据时，该配置信息可以包括获取10000个学习数据分别所需的环境配置。这时，当在步骤S705中，学习数据获取部610确定没有针对当前学习对象300生成第一预定量的学习数据(S705：否)时，返回至该方法的步骤S703，并且继续生成下一个学习数据。

可选地，该配置信息也可以是用于获取针对一组学习对象300的学习数据的配置信息，例如，当100个工件中的每个工件将获取10000个学习数据时，该配置信息可以包括获取100*10000个学习数据分别所需的环境配置。这时，在步骤S707中更换学习对象300之后，该方法可以进行至步骤S703，并且继续生成针对下一个学习对象300的学习数据。

在如图7所示的根据本发明的例示性实施方式的学习数据获取方法中，在步骤S705中，学习数据获取部610确定是否已经生成了第一预定量的学习数据。第一预定量的信息可以是学习条件信息的一部分。例如，当获得了用于将机器训练成具有分级能力的学习数据时，根据用户输入的委托信息中的分级准确度信息来确定所需的学习数据量(例如，第一预定量)。第一预定量的信息可以是学习条件信息的一部分，并且用于生成配置指令。

类似地，上下文中的第二预定量的信息也可以是学习条件信息的一部分，并且用于生成配置指令。例如，为了获取用于提高机器人抓取具有不规则形状的产品的成功率的学习数据，根据用户输入的委托信息中的预期成功率的信息确定根据需要的产品(学习对象)的量。

在如图7所示的根据本发明的例示性实施方式的学习数据获取方法中，可选地，在步骤S705中，代替判断第一预定量，还可以判断时间。例如，在步骤S705中，学习数据获取部610可以确定是否已经针对当前学习对象执行学习数据生成达第一预定时段。如果该生成未被执行达第一预定时段(判断结果为“否”)，则返回至步骤S702，以继续针对当前学习对象生成下一个学习数据；如果该生成已经被执行达第一预定时段(判断结果为“是”)，则该方法进行至步骤S706。

类似地，在步骤S706中，代替判断第二预定量，还可以判断时间。例如，在步骤S706中，学习数据获取部610可以确定是否执行学习数据生成达第二预定时段。如果该生成未被执行达第二预定时段(判断结果为“否”)，则方法进行至步骤S707，并且更换学习对象，然后返回至步骤S702，并且继续针对下一学习对象生成学习数据；如果该生成已经被执行达第二预定时段(判断结果为“是”)，则流程结束。

可选地，关于上述第一预定时段或第二预定时段的信息可以被包括在用于生成配置指令的学习条件信息中。作为示例，例如，当获得用于将机器训练成具有判断散热器(radiator)的质量的能力的学习数据时，根据用户输入的委托信息中的准确度测试信息来确定获取针对每个散热器的学习数据的时间。该时间信息可以用作学习条件信息的一部分，并且可以用于生成配置指令。

基于上述学习数据获取方法，用户只需输入委托信息，便可以获得所关注的学习数据，而不会过多地参与生成学习数据的处理。这大大简化了用户的操作，使得用户也可以利用深度学习技术而无需了解诸如深度学习算法之类的知识。

在如图7所示的根据本发明的例示性实施方式的学习数据获取方法中，在步骤S706中，确定是否需要更换学习对象，并且在步骤S707中，更换学习对象。然而，本发明不限于此。另选地，在步骤S706中，可以判断是否需要更换操作装置或数据采集装置，并且在步骤S707中，更换操作装置或数据采集装置。

作为示例，例如，设置多个操作装置500(例如，多个机器人)。这些机器人具有抓取不同类型工件的不同能力，例如，在抓取成功率和抓取时间方面存在差异。当用户希望提高这些机器人的综合处理能力时(例如，抓取大量不同类型的工件，同时期望获得抓取成功率和抓取时间的最佳组合)，需要为不同类型的工件选择一定数量的可用机器人，并使用这些机器人来操作工件以获得学习数据。配置信息中可以包括所选择的机器人的标识信息以及与操作工件的机器人有关的操作信息，使得配置装置200的执行部220可以根据该标识信息和操作信息将控制信息发送给对应机器人，以指示机器人执行预定操作。

作为另一示例，例如，设置多个数据采集装置400(例如，多个温度传感器)。这些温度传感器沿不同取向设置。当期望获得最佳的空间-温度变化模型时，用户需要选择处于不同取向的一些传感器来采集温度数据，以获得学习数据。配置信息中可以包括所选择的传感器的标识信息以及与要由传感器执行的采集操作有关的操作信息，使得配置装置200的执行部220可以根据该标识信息和操作信息将控制信息发送给对应传感器，以指示机器人执行预定操作。

因此，根据学习条件信息生成配置指令，并且根据该配置指令操作/修改多个操作装置或多个数据采集装置，并且可以通过根据本发明的例示性实施方式的配置装置来配置复杂的学习环境。用于根据学习条件信息生成配置指令的程序可以由配置装置的制造商预先存储在配置装置中。用户仅需要直观地输入委托信息，而无需过多地了解用于生成学习数据的环境的细节或手动操作各种装置，从而节省了人力，并且大大提高了获取学习数据的效率。

[应用例1]

图8是示出根据本发明的例示性实施方式的配置装置的第一应用例的示意图。如图8所示，配置装置800配置生产线上的机器人811、传送部812、夹具813、拍摄部821以及传感器部822，以完成用于生成学习数据的环境配置，该学习数据用于将生产线上的检测装置(图中未示出)训练成获得判断工件830是良品还是次品的能力。

在图8中，配置装置800等同于配置装置200，工件830等同于学习对象300，拍摄部820和传感器部822等同于数据采集装置400，机器人811、传送部812以及夹具813等同于操作装置500。拍摄部821拍摄工件830，以获得工件830的图像数据。传感器部822检测工件830，以获得工件830的良品/次品信息。另选地，例如，也可以借助于人工观察工件830来手动输入工件830的良品/次品信息。图像数据和良品/次品信息是学习数据的一部分。

机器人811利用其机械臂8111来操作工件830，例如，抓取工件830并将其固定至夹具813，或者将工件830从夹具813移除并将该工件830放置在传送部812上。传送部812用于传送工件830。夹具813用于保持工件813并且可以改变工件830的取向和位置。

在配置装置800中，配置指令生成部(图中未示出)可以根据学习条件信息来生成工件830、机器人811、传送部812、夹具813、拍摄部821以及传感器部822中的至少一方的配置指令，该学习条件信息是根据用户委托学习的委托信息生成的信息。例如，用于生成学习条件信息的程序和用于生成配置指令的程序可以由配置装置800的制造商预先存储在配置装置800中。

而且，在配置装置800中，执行部(图中未示出)根据配置指令来对工件830、机器人811、传送部812、夹具813、拍摄部821以及传感器部822中的至少一方进行配置，以完成用于生成学习数据的环境配置。

图9是示出第一应用例的配置方法的流程图。如图9所示，在步骤S901中，配置装置800接收用户提供的并且用于委托学习的委托信息，并且根据该委托信息生成学习条件信息，并且该方法进行至步骤S902。在步骤S902中，配置指令生成部(图中未示出)根据学习条件信息来生成工件830、机器人811、传送部812、夹具813、拍摄部821以及传感器部822的配置指令，并且该方法进行至步骤S903。在步骤S903中，配置装置800将控制信息提供给机器人811、传送部812、夹具813、拍摄部821以及传感器部822，以对这些部件以及工件830执行初始化操作。例如，该初始化操作包括：将传送带上的用作学习对象的当前工件830固定至夹具813，将拍摄部821移动至初始拍摄位置并调整拍摄取向等。

此后，该方法进行至步骤S904。在步骤S904中，配置装置800将控制信息提供给机器人811、夹具813、拍摄部821以及传感器部822，以使夹具813移动0.1mm，并且拍摄部821和传感器部822对应地移动，并且该方法进行至步骤S905。在步骤S905中，配置装置800确定夹具813是否移动了10000次。如果夹具813未移动10000次(S905：否)，则返回至该方法的步骤S904，以继续对夹具813进行下一次操作；如果夹具813移动了10000次(S905：是)，则该方法进行至步骤S906。

在步骤S906中，配置装置800确定是否对100个工件830进行了上述配置。如果没有对100个工件830进行上述配置(S906：否)，则该方法进行至步骤S907。在步骤S907中，配置装置800将控制信息提供给机器人811、夹具813以及传送部812，以利用机器人811从夹具813移除当前工件830，并且将由传送部812传送的下一工件830固定至夹具813，然后返回至该方法的步骤S903。对新工件进行新一轮配置。在步骤S906中，如果对100个工件进行了上述配置(S906：是)，则流程结束。

在图9中的第一应用例的配置方法中，例如，在步骤S904与步骤S905之间执行采集学习数据的操作。

在上述配置方法中，根据用户的委托信息，在配置指令中预先确定切换指令。例如，在步骤S905中，夹具813的移动次数用作更换工件830的基础。在步骤S906中，工件的量用作判断方法是否结束的基础。即，切换指令包括每个工件的配置次数(每个工件需要获得的学习数据的数量)和/或工件的量的信息，但本发明不限于此。例如，切换指令可以包括针对每个工件的处理时间和/或针对更多工件的总处理时间的信息。例如，在步骤S904中，每10秒移动夹具813一次。在步骤S905中，配置装置800确定10⁵秒是否到期，这用作继续移动夹具813的基础。

另外，在上述配置方法中，机器人操纵夹具813每次从初始位置向预定取向移动0.1mm，但本发明不限于此，例如，可以存在各种控制模式。例如，配置指令可以包括夹具813的每次移动的预期坐标的信息(取向信息)以及与预期坐标相对应的定时信息。根据该配置指令，由配置装置800的执行部提供的控制信息可以用于控制机器人对夹具813的操作。

在上述配置方法中，针对每个工件830，夹具813每次移动0.1mm，以获得10000个学习数据。手动操作几乎不能确保准确度，并且大量的工作量还可能增加用户的负担。然而，上述配置方法自动完成环境配置，从而节省了大量的人力，增加了配置准确度，缩短了配置时间，并且节省了系统资源。

[第二应用例]

图10是示出根据本发明的例示性实施方式的配置方法的第二应用例的示意图。在第二应用例中，用户期望在空调机1010的初始化期间获得整个房间的温度降低率模型，该温度降低率模型可以用作学习数据，以获得空调机1010的最佳启动控制模式。

如图10所示，将多个温度传感器布置在房间H中。图10示出了四个温度传感器，即，温度传感器1021至温度传感器1024。然而，温度传感器的数量不限于四个，例如，温度传感器的数量可以少于或多于四个。温度传感器1021至1024设置在房间H中的不同位置处，例如，温度传感器1021设置在离空调机1010最远的位置处并且高度与空调机1010相同；温度传感器1022设置在房间H的中间；温度传感器1023设置在离空调机1010最远的地面上；温度传感器1024设置在空调机1010的正下方。设置有温度传感器的位置不限于上述，例如，温度传感器可以分别设置在不同的高度处并且具有相对于空调机1010的不同距离。

配置装置1000的配置指令生成部(图中未示出)根据学习条件信息生成温度传感器1021至1024的配置指令，该学习条件信息是根据用户委托学习的委托信息生成的信息。此外，配置装置1000的执行部(图中未示出)根据配置指令配置温度传感器1021至1024，以完成用于生成学习数据的环境配置。

在第二应用例中，例如，上述多个温度传感器被固定在房间H中的预定位置处，以便测试房间H中的预定位置处的温度。配置指令可以包括定时信息以及与该定时信息相对应的、温度传感器的标识信息，以便在预定定时内选择所关注的温度传感器以采集数据。可选地，在第二应用例中，可以借助于机器人将温度传感器移动至所关注的位置，以便测试所关注的位置处的温度。这时，配置指令可以包括定时信息以及与该定时信息相对应的所关注的坐标信息，使得在预定定时内，机器人将温度传感器移动至所关注的坐标。

在第二应用例中，配置装置1000生成配置指令，该配置指令可以对大量温度传感器(例如，100个)执行自动配置，而不需要人工设置或重新放置传感器。因此，提高了获取学习数据的自动化水平，并且保存了获取学习数据的准确度。

以上内容仅用于描述根据本发明的例示性实施方式的配置装置200的功能模块。本领域技术人员可以明白，上述功能模块的划分仅仅是逻辑功能划分，而在实际实现中可以存在多种不同的划分方式，例如，执行部220的一部分或全部可以被组合或集成到配置指令生成部210中。上述功能模块可以物理集成或分离，它们可以位于一个地方，也可以分布到多个网络单元上，可以根据实际需要选择合适的实现方式。

当上述配置装置200、800、1000或它们的一部分如果以软件功能单元的形式实现并作为独立产品出售或使用，则可以存储在一个计算机可读存储介质中。基于这样的理解，本发明的技术方案基本上可以以软件产品的形式具体实施，或者对现有技术做出贡献的部分或本技术方案的一部分可以以软件产品的形式具体实施，并且该计算机软件产品存储在一个存储介质中、包含用于使一个计算机装置(其可以是个人计算机、服务器或网络装置等)执行本发明的各种示例的方法的全部或部分步骤的若干命令。前述存储介质包括可以存储程序代码的各种介质，例如U盘、移动硬盘、只读存储器(ROM)、随机存取存储器(RAM)、软盘或光盘等等，并且还可以包括可以从服务器或云下载的数据流。

以上仅是本发明的优选实施方式。需要指出的是，对于本领域普通技术人员来说，在不脱离本发明的原理的情况下，还可以进行若干改进和修改，并且这些改进和修改也应被视为本发明的保护范围。

附图标记列表

100 PC

110 CPU

120 ROM

130 RAM

140 存储部

150 接口部

160 通信部

200、800、1000 配置装置

210 配置指令生成部

220 执行部

230 学习条件信息获取部

240 输入部

250 存储部

300 学习对象

400 数据采集装置

500 操作装置

510 控制部

520 通信部

530 操作部

700 局域网

211 解析部

212 组合部

213 定时部

600 学习数据获取装置

610 学习数据获取部

811 机器人

8111 机械臂

812 传送部

813 夹具

821 拍摄部

822 传感器部

830 工件

1010 空调机

H 房间

1021-1024 温度传感器。

Claims (18)

1.一种配置装置，所述配置装置用于对作为获取学习数据的目标的学习对象、从所述学习对象采集学习数据的数据采集装置、以及能够操作所述学习对象和所述数据采集装置的操作装置进行配置，所述配置装置的特征在于包括：

配置指令生成部，所述配置指令生成部根据学习条件信息生成与所述学习对象、所述数据采集装置以及所述操作装置中的至少一方有关的配置指令，所述学习条件信息是根据用户委托学习的委托信息生成的信息；以及

执行部，所述执行部根据所述配置指令对所述学习对象、所述数据采集装置以及所述操作装置中的至少一方进行配置，以便完成用于生成所述学习数据的环境配置。

2.根据权利要求1所述的配置装置，其中，

所述学习对象包括第一学习对象和第二学习对象，

所述配置指令包括指示从所述第一学习对象切换至所述第二学习对象的切换指令，并且

所述执行部根据所述切换指令，在针对所述第一学习对象生成预定量的学习数据或者经过了预定时段之后，从所述第一学习对象切换至所述第二学习对象以进行数据采集。

3.根据权利要求1所述的配置装置，其中，

所述配置指令包括所述学习对象、所述操作装置以及所述数据采集装置中的至少一方的取向信息，以及与所述取向信息相对应的定时信息，并且

所述执行部根据所述取向信息和所述定时信息对所述学习对象、所述操作装置以及所述数据采集装置中的至少一方的取向进行配置。

4.根据权利要求1所述的配置装置，其中，

所述操作装置设有多个，

所述配置指令包括：在对所述学习对象或所述数据采集装置进行操作的多个所述操作装置中选定的操作装置的标识信息，以及要由所选定的操作装置执行的操作的操作信息，并且

所述执行部根据所述标识信息和所述操作信息来指示所选定的操作装置执行所述操作。

5.根据权利要求1所述的配置装置，其中，

所述数据采集装置设有多个，

所述配置指令包括：在从所述学习对象采集数据的多个所述数据采集装置中选定的数据采集装置的标识信息，以及要由所选定的数据采集装置执行的操作的操作信息，并且

所述执行部根据所述标识信息和所述操作信息来指示所选定的数据获取装置执行所述操作。

6.根据权利要求1至5中的任一项所述的配置装置，所述配置装置还包括：

输入部，所述输入部接收与所述学习对象、所述数据采集装置或所述操作装置有关的状态信息，并且

所述配置指令生成部根据所述学习条件信息和所述状态信息来生成所述配置指令。

7.根据权利要求1至6中的任一项所述的配置装置，所述配置装置还包括：

学习条件信息获取部，所述学习条件信息获取部从外部接收所述学习条件信息，或者根据所述委托信息生成所述学习条件信息，并且将所述学习条件信息发送至所述配置指令生成部。

8.一种学习数据获取装置，所述学习数据获取装置包括：

根据权利要求1至7中的任一项所述的配置装置，以及

学习数据获取部，所述学习数据获取部根据由所述配置装置完成的所述环境配置来获取关于所述学习对象的学习数据。

9.一种配置方法，所述配置方法用于对作为获取学习数据的目标的学习对象、从所述学习对象采集学习数据的数据采集装置、以及能够操作所述学习对象和所述数据采集装置的操作装置进行配置，所述配置方法的特征在于包括以下步骤：

配置指令生成步骤，根据学习条件信息生成与所述学习对象、所述数据采集装置以及所述操作装置中的至少一方有关的配置指令，所述学习条件信息是根据用户委托学习的委托信息生成的信息；以及

执行步骤，根据所述配置指令对所述学习对象、所述数据采集装置以及所述操作装置中的至少一方进行配置，以便完成用于生成所述学习数据的环境配置。

10.根据权利要求9所述的配置方法，其中，

所述学习对象包括第一学习对象和第二学习对象，

所述配置指令包括指示从所述第一学习对象切换至所述第二学习对象的切换指令，并且

所述执行步骤包括以下步骤：根据所述切换指令，在针对所述第一学习对象生成预定量的学习数据或者经过了预定时段之后，从所述第一学习对象切换至所述第二学习对象以进行数据采集。

11.根据权利要求9所述的配置方法，其中，

所述配置指令包括所述学习对象、所述操作装置以及所述数据采集装置中的至少一方的取向信息，以及与所述取向信息相对应的定时信息，并且

所述执行步骤包括以下步骤：根据所述取向信息和所述定时信息对所述学习对象、所述操作装置以及所述数据采集装置中的至少一方的取向进行配置。

12.根据权利要求9所述的配置方法，其中，

所述操作装置设有多个，

所述配置指令包括：在对所述学习对象或所述数据采集装置进行操作的多个所述操作装置中选定的操作装置的标识信息，以及要由所选定的操作装置执行的操作的操作信息，并且

所述执行步骤包括以下步骤：根据所述标识信息和所述操作信息来指示所选定的操作装置执行所述操作。

13.根据权利要求9所述的配置方法，其中，

所述数据采集装置设有多个，

所述配置指令包括：在从所述学习对象采集数据的多个所述数据采集装置中选定的数据采集装置的标识信息，以及由所选定的数据采集装置执行的操作的操作信息，并且

所述执行步骤包括以下步骤：根据所述标识信息和所述操作信息来指示所选定的数据采集装置执行所述操作。

14.根据权利要求9至13中的任一项所述的配置方法，所述配置方法还包括以下步骤：

状态信息接收步骤，接收与所述学习对象、所述数据采集装置或所述操作装置有关的状态信息，并且

所述配置指令生成步骤包括以下步骤：根据所述学习条件信息和所述状态信息来生成所述配置指令。

15.根据权利要求9至14中的任一项所述的配置方法，所述配置方法还包括以下步骤：

学习条件信息获取步骤，接收所述学习条件信息，或者根据所述委托信息生成所述学习条件信息。

16.一种学习数据获取方法，所述学习数据获取方法包括以下步骤：

环境配置步骤，根据权利要求9至15中的任一项所述的配置方法来完成用于生成学习数据的环境配置；以及

学习数据获取步骤，在所述环境配置的条件下获取关于所述学习对象的学习数据。

17.一种配置程序，所述配置程序用于对作为获取学习数据的目标的学习对象、从所述学习对象采集学习数据的数据采集装置、以及能够操作所述学习对象和所述数据采集装置的操作装置进行配置，所述配置程序的特征在于使处理器能够执行如下操作：

根据学习条件信息生成与所述学习对象、所述数据采集装置以及所述操作装置中的至少一方有关的配置指令，所述学习条件信息是根据用户委托学习的委托信息生成的信息；以及

根据所述配置指令对所述学习对象、所述数据采集装置以及所述操作装置中的至少一方进行配置，以便完成用于生成所述学习数据的环境配置。

18.一种存储介质，所述存储介质的特征在于存储配置程序，所述配置程序用于对作为获取学习数据的目标的学习对象、从所述学习对象采集学习数据的数据采集装置、以及能够操作所述学习对象和所述数据采集装置的操作装置进行配置，所述配置程序用于实现如下操作：

根据学习条件信息生成与所述学习对象、所述数据采集装置以及所述操作装置中的至少一方有关的配置指令，所述学习条件信息是根据用户委托学习的委托信息生成的信息；以及

根据所述配置指令对所述学习对象、所述数据采集装置以及所述操作装置中的至少一方进行配置，以便完成用于生成所述学习数据的环境配置。