DE102020205145A1

DE102020205145A1 - Method for determining material information

Info

Publication number: DE102020205145A1
Application number: DE102020205145.3A
Authority: DE
Inventors: Praveen Tamang; Timo Etzel
Original assignee: Robert Bosch GmbH
Current assignee: Robert Bosch GmbH
Priority date: 2020-04-23
Filing date: 2020-04-23
Publication date: 2021-10-28

Abstract

Es wird ein Verfahren (200) zum Ermitteln einer Materialinformation betreffend ein Werkstück (16) vorgeschlagen, umfassend die Verfahrensschritte
• Bereitstellen von Schall-Messdaten betreffend das Werkstück (16),
• Ermitteln der Materialinformation aus den bereitgestellten Schall-Messdaten mittels eines maschinellen Lernsystems (58), wobei das maschinelle Lernsystem (58) eingerichtet ist, die Materialinformation basierend auf den bereitgestellten Schall-Messdaten zu ermitteln.
Ferner betrifft die Erfindung ein Verfahren (100) zum Anlernen des maschinellen Lernsystems (58), sowie ein Computerprogramm, ein computerlesbares Speichermedium, ein elektrisches Gerät (10) und ein System, die jeweils dazu vorgesehen und eingerichtet sind, die vorgeschlagenen Verfahren (100, 200) auszuführen.

A method (200) for determining material information relating to a workpiece (16) is proposed, comprising the method steps
• Provision of sound measurement data relating to the workpiece (16),
• Determining the material information from the sound measurement data provided by means of a machine learning system (58), the machine learning system (58) being set up to determine the material information based on the sound measurement data provided.
The invention also relates to a method (100) for teaching the machine learning system (58), as well as a computer program, a computer-readable storage medium, an electrical device (10) and a system, each of which is provided and set up to implement the proposed method (100, 200).

Description

Die Erfindung betrifft ein Verfahren zum Ermitteln einer Materialinformation betreffend ein Werkstück mittels eines maschinellen Lernsystems. Ferner betrifft die Erfindung ein Verfahren zum Anlernen des maschinellen Lernsystems sowie ein Computerprogramm, ein computerlesbares Speichermedium, ein elektrisches Gerät und ein System, die jeweils dazu vorgesehen und eingerichtet sind, die vorgeschlagenen Verfahren auszuführen.The invention relates to a method for determining material information relating to a workpiece by means of a machine learning system. The invention also relates to a method for teaching the machine learning system and a computer program, a computer-readable storage medium, an electrical device and a system, each of which is provided and set up to carry out the proposed method.

Stand der TechnikState of the art

Die Erfindung geht aus von einem Verfahren zum Ermitteln einer Materialinformation, wie es aus DE 10 2014 218 371 A1 bekannt ist.The invention is based on a method for determining material information, such as that DE 10 2014 218 371 A1 is known.

Offenbarung der ErfindungDisclosure of the invention

Die Erfindung betrifft in einem ersten Aspekt ein Verfahren zum Ermitteln einer Materialinformation betreffend ein Werkstück, umfassend die Verfahrensschritte

• Bereitstellen von Schall-Messdaten, insbesondere Luftschall-Messdaten und/oder Körperschall-Messdaten, betreffend das Werkstück,
• Ermitteln der Materialinformation aus den bereitgestellten Schall-Messdaten mittels eines maschinellen Lernsystems, wobei das maschinelle Lernsystem eingerichtet ist, die Materialinformation basierend auf den bereitgestellten Schall-Messdaten zu ermitteln.

In a first aspect, the invention relates to a method for determining material information relating to a workpiece, comprising the method steps

• Provision of sound measurement data, in particular air-borne sound measurement data and / or structure-borne sound measurement data, relating to the workpiece,
Determining the material information from the sound measurement data provided by means of a machine learning system, the machine learning system being set up to determine the material information based on the sound measurement data provided.

Unter dem Verfahren zum Ermitteln einer Materialinformation ist ein Verfahren zu verstehen, unter dessen Anwendung eine Materialinformation betreffend das untersuchte Werkstück abgeleitet werden kann. Das Verfahren kann in einer Ausführungsform des Verfahrens ausschließlich in Hardware implementiert sein. In einer alternativen Ausführungsform kann das Verfahren auch in Form von Software oder in einer Mischung aus Software und Hardware realisiert sein. Insbesondere kann das Verfahren ein computerimplementiertes Verfahren darstellen, das mittels einer Computervorrichtung durchgeführt wird. Zur Durchführung des Verfahrens kann die Computervorrichtung zumindest eine Prozessorvorrichtung und ferner zumindest eine Speichervorrichtung aufweisen, in der das Verfahren als Computerprogramm hinterlegt ist.The method for ascertaining material information is to be understood as a method with the application of which material information relating to the examined workpiece can be derived. In one embodiment of the method, the method can be implemented exclusively in hardware. In an alternative embodiment, the method can also be implemented in the form of software or in a mixture of software and hardware. In particular, the method can represent a computer-implemented method that is carried out by means of a computer device. To carry out the method, the computer device can have at least one processor device and furthermore at least one storage device in which the method is stored as a computer program.

Unter Schall-Messdaten sind insbesondere Messdaten betreffend ein Luftschall-Signal, ein Körperschall-Signal, ein Vibrationssignal oder dergleichen zu verstehen, die insbesondere aus dem Werkstück reflektiert werden. Die Schall-Messdaten können dabei insbesondere Frequenzen und/oder Amplituden und/oder Wellenlängen und/oder Phasenverschiebungen betreffen oder diese charakterisieren.Sound measurement data are to be understood as meaning, in particular, measurement data relating to an airborne sound signal, a structure-borne sound signal, a vibration signal or the like, which are reflected in particular from the workpiece. The sound measurement data can in particular relate to frequencies and / or amplitudes and / or wavelengths and / or phase shifts or characterize them.

Unter „bereitstellen von Schall-Messdaten“ ist insbesondere zu verstehen, dass einer das Verfahren durchführenden Vorrichtung, insbesondere einer eine Prozessorvorrichtung umfassenden Computervorrichtung, die entsprechenden Schall-Messdaten bereitgestellt oder übergeben oder signaltechnisch zugeleitet werden. In einer Ausführungsform des Verfahrens zum Ermitteln einer Materialinformation umfasst das Bereitstellen von Schall-Messdaten ein Einleiten zumindest eines Schall-Signals in das Werkstück und ein anschließendes Erfassen zumindest eines in oder aus dem Werkstück reflektierten Schall-Signals in Form der Schall-Messdaten. Ein Einleiten eines Schall-Signals in das Werkstück kann dabei beispielsweise mittels eines Schallgenerators wie einem mechanischen Vibrator zur Einleitung von Körperschall oder einem Lautsprecher zur Einleitung von Luftschall erfolgen. Unter „Erfassen eines reflektierten Schall-Signals“ ist insbesondere zu verstehen, dass unter Verwendung zumindest eines Schallsensors ein Schall-Messsignal gemessen und der den Verfahrensschritt des Ermittelns einer Materialinformation durchführenden Vorrichtung, insbesondere einer Computervorrichtung, bereitgestellt oder übergeben oder signaltechnisch zugeleitet wird.“Providing sound measurement data” is to be understood in particular to mean that the corresponding sound measurement data are provided or transferred or fed to a device performing the method, in particular a computer device comprising a processor device. In one embodiment of the method for determining material information, the provision of sound measurement data includes introducing at least one sound signal into the workpiece and then recording at least one sound signal reflected in or out of the workpiece in the form of the sound measurement data. A sound signal can be introduced into the workpiece, for example, by means of a sound generator such as a mechanical vibrator for introducing structure-borne noise or a loudspeaker for introducing air-borne noise. “Detecting a reflected sound signal” is to be understood as meaning that, using at least one sound sensor, a sound measurement signal is measured and the device performing the method step of ascertaining material information, in particular a computer device, is provided or transferred or signaled.

In einer Ausführungsform des Verfahrens zum Ermitteln einer Materialinformation werden die Schall-Messdaten unter Verwendung zumindest eines Schallsensors, insbesondere eines Luftschallsensors, eines Körperschallsensors und/oder eines Vibrationssensors, erfasst und bereitgestellt, wobei der Schallsensor die in oder aus dem Werkstück reflektierten Schall-Signale in Form der Schall-Messdaten erfasst und ausgibt. Ein Schallsensor ist dabei eine messtechnische Vorrichtung, mittels der Schall-Signale, die in das Werkstück ausgesendet und/oder aus dem Werkstück empfangen werden, erfasst werden können. Schallsensoren ermöglichen, mechanische und/oder akustische Schwingungen (Schallwellen) zu erfassen. Derart werden die Schall-Messdaten unter Verwendung zumindest eines Schallsensors gemessen und so erfasst und bereitgestellt. Dabei ist denkbar, dass Schall-Messdaten zwischenzeitlich gespeichert werden und durch Einlesen der gespeicherten Schall-Messdaten bereitgestellt werden. Beispielsweise können Schall-Messdaten durch Einlesen von auf einem Datenserver oder von in einer Speichervorrichtung hinterlegten Schall-Messdaten bereitgestellt werden, die vorab unter Verwendung zumindest eines Schallsensors erfasst wurden. Ferner ist denkbar, Schallsensoren zu verwenden, die hinsichtlich eines detektierbaren Frequenzbereichs besonders eingerichtet und/oder eingeschränkt sind, beispielsweise Infraschallsensoren (typischerweise unter 16 Hz), Hörschallsensoren (typischerweise von 16 Hz bis 20 kHz), Ultraschallsensoren (typischerweise von 20 kHz bis 1,6 GHz) und/oder Hyperschallsensoren (typischerweise oberhalb 1 GHz) oder Kombinationen derer. Insbesondere Körperschallsensoren und Vibrationssensoren ermöglichen, menschlich nicht oder kaum wahrnehmbare Erschütterungen, Vibrationen, Resonanzen oder dergleichen zu erfassen. In einer Ausführungsform des Verfahrens können derartige Schallsensoren beispielsweise durch MEMS-Mikrofon-Sensoren und/oder durch Laser-Mikrofon-Sensoren und/oder durch Piezo-Sensoren oder dergleichen realisiert sein.In one embodiment of the method for determining material information, the sound measurement data are acquired and provided using at least one sound sensor, in particular an air-borne sound sensor, a structure-borne sound sensor and / or a vibration sensor, the sound sensor recording the sound signals reflected in or from the workpiece in The form of the sound measurement data is recorded and output. A sound sensor is a metrological device by means of which sound signals that are transmitted into the workpiece and / or received from the workpiece can be recorded. Sound sensors enable mechanical and / or acoustic vibrations (sound waves) to be recorded. In this way, the sound measurement data are measured using at least one sound sensor and thus recorded and made available. It is conceivable that sound measurement data are stored in the meantime and are made available by reading in the stored sound measurement data. For example, sound measurement data can be provided by reading in sound measurement data stored on a data server or in a storage device, which sound measurement data was recorded in advance using at least one sound sensor. It is also conceivable to use sound sensors that are specially set up and / or restricted with regard to a detectable frequency range, for example infrasonic sensors (typically below 16 Hz), audible sound sensors (typically from 16 Hz to 20 kHz), Ultrasonic sensors (typically from 20 kHz to 1.6 GHz) and / or hypersonic sensors (typically above 1 GHz) or combinations thereof. Structure-borne sound sensors and vibration sensors, in particular, make it possible to detect shocks, vibrations, resonances or the like that are barely or barely perceptible to humans. In one embodiment of the method, such sound sensors can be implemented, for example, by MEMS microphone sensors and / or by laser microphone sensors and / or by piezo sensors or the like.

In einer Ausführungsform des Verfahrens zum Ermitteln einer Materialinformation werden die Schall-Messdaten vor Bereitstellung und/oder vor dem Verfahrensschritt des Ermittelns der Materialinformation gefiltert. Insbesondere werden Stimmanteile (d.h. menschliche Sprache) aus den Schall-Messdaten herausgefiltert. Alternativ oder zusätzlich werden anderweitige Störeinflüsse, beispielsweise ein Hintergrundsignalanteil, aus den Schall-Messdaten herausgefiltert. Auf diese Weise können Störeinflüsse in den Schall-Messdaten, die eine zuverlässige Ermittlung der Materialinformation beeinträchtigen, entfernt werden.In one embodiment of the method for determining material information, the sound measurement data are filtered before provision and / or before the method step of determining the material information. In particular, voice components (i.e. human speech) are filtered out of the sound measurement data. Alternatively or in addition, other interfering influences, for example a background signal component, are filtered out of the sound measurement data. In this way, interfering influences in the sound measurement data, which impair a reliable determination of the material information, can be removed.

Unter einer Materialinformation betreffend ein Werkstück ist eine Information zu verstehen, die zumindest eine Aussage zu mechanischen und/oder physikalischen und/oder chemischen Eigenschaften des Werkstücks zulässt. Das erfindungsgemäße Verfahren basiert auf der Erkenntnis, dass die bereitgestellten Schall-Messdaten das Werkstück in einer Weise charakterisieren, dass insbesondere Analysen und Rückschlüsse hinsichtlich mechanischer und/oder physikalischer und/oder chemischer Eigenschaften des Werkstücks möglich sind. Eine Propagation von Schall-Signalen, insbesondere akustischen Schall-Signalen und/oder Körperschall-Signalen, in einem Werkstück sowie deren Reflektion in oder aus dem Werkstück hängen maßgeblich von den Materialeigenschaften - wie beispielsweise der molekularen Struktur, der Zusammensetzung, der Dichte, der Porosität, dem Luft- und/oder Wassergehalt, der Temperatur oder dergleichen - des Werkstücks ab. In einer Ausführungsform des Verfahrens zum Ermitteln einer Materialinformation ist eine Materialinformation derart definiert oder gewählt, dass sie zumindest eine der folgenden Eigenschaften des Werkstücks betrifft bzw. charakterisiert oder klassifiziert:

• eine Eigenschaft, welche einen Materialtyp des Werkstücks charakterisiert, beispielsweise als Holz, Hartholz, Leichtholz, Beton, Ziegelstein, Metall, Kunststoff oder dergleichen;
• eine Eigenschaft, welche einen Materialtyp einer verdeckten Schicht des Werkstücks charakterisiert, beispielsweise das Substrat einer Tapete oder eines Farbanstrichs;
• eine Eigenschaft, welche eine Materialzusammensetzung des Werkstücks charakterisiert, beispielsweise ein Hybridmaterial, ein beschichtetes Material, eine Legierung oder dergleichen;
• eine Eigenschaft, welche eine Materialkonzentration und/oder eine Materialdichte in dem Werkstück charakterisiert, beispielsweise einen (relativen und/oder absoluten) Feuchtegehalt, eine Porosität oder einen Feuchtegradienten - mittels des Feuchtegehalts kann insbesondere ein Gesundheitszustand von organischen Materialien wie beispielsweise Obst, Gemüse, Pflanzen etc. geprüft werden;
• eine Eigenschaft, welche einen Materialzustand des Werkstücks charakterisiert, beispielsweise morsch, brüchig, spröde, oder dergleichen;
• eine Eigenschaft, welche eine Dimensionierung des Werkstücks charakterisiert, beispielsweise ein Volumen, eine Länge oder dergleichen.

Material information relating to a workpiece is to be understood as information that allows at least a statement to be made about mechanical and / or physical and / or chemical properties of the workpiece. The method according to the invention is based on the knowledge that the sound measurement data provided characterize the workpiece in such a way that, in particular, analyzes and conclusions with regard to mechanical and / or physical and / or chemical properties of the workpiece are possible. Propagation of sound signals, in particular acoustic sound signals and / or structure-borne sound signals, in a workpiece and their reflection in or out of the workpiece depend largely on the material properties - such as the molecular structure, the composition, the density, the porosity , the air and / or water content, the temperature or the like - of the workpiece. In one embodiment of the method for determining material information, material information is defined or selected in such a way that it relates to or characterizes or classifies at least one of the following properties of the workpiece:

A property that characterizes a material type of the workpiece, for example as wood, hardwood, light wood, concrete, brick, metal, plastic or the like;
• a property that characterizes a material type of a hidden layer of the workpiece, for example the substrate of a wallpaper or a coat of paint;
A property that characterizes a material composition of the workpiece, for example a hybrid material, a coated material, an alloy or the like;
• a property that characterizes a material concentration and / or a material density in the workpiece, for example a (relative and / or absolute) moisture content, a porosity or a moisture gradient - the moisture content can be used in particular to determine the state of health of organic materials such as fruit, vegetables, Plants etc. are checked;
A property that characterizes a material state of the workpiece, for example rotten, brittle, brittle, or the like;
A property that characterizes a dimensioning of the workpiece, for example a volume, a length or the like.

Eine derartige Materialinformation wird aus den bereitgestellten Schall-Messdaten mittels eines maschinellen Lernsystems ermittelt, wobei das maschinelle Lernsystem eingerichtet ist, die entsprechende Materialinformation basierend auf den bereitgestellten Schall-Messdaten zu ermitteln, insbesondere auch auszugeben. Unter dem maschinellen Lernsystem ist dabei insbesondere eine technische Realisierung eines selbstlernenden Systems zu verstehen, das aus vorgegebenen Beispielen - den sogenannten Trainingsdaten - lernt und nach Beendigung der Lernphase die gelernten Verhalte verallgemeinern kann, indem es Muster und Gesetzmäßigkeiten in den Trainingsdaten identifiziert und abrufbar macht. Derartige maschinelle Lernsysteme sind prinzipiell bekannt, beispielsweise aus DE 10 2005 050 577 A1 . Es wird vorgeschlagen, dass in einer Ausführungsform des Verfahrens zum Ermitteln einer Materialinformation das maschinelle Lernsystem ein, insbesondere künstliches, neuronales Netz umfasst. Ein neuronales Netz besteht dabei aus einer Verkettung neuronaler Schichten, wobei die Topologie des Netzes zur Durchführung des Verfahrens eingerichtet und angepasst, insbesondere parametrisiert, ist. Dem maschinellen Lernsystem, insbesondere dem neuronalen Netz, werden dabei zunächst Messdaten als Eingangsgröße (Trainingseingangsdaten) bereitgestellt, wobei die Trainingseingangsdaten anschließend durch das maschinelle Lernsystem, insbesondere durch das neuronale Netz, propagiert werden. Insbesondere bei einem neuronalen Netz berechnet entsprechend jede (verdeckte) Schicht des neuronalen Netzes eine Ausgangsgröße, die wiederum als Eingangsgröße einer folgenden Schicht des Netzes verwendet wird. Die letzte Schicht des Netzes (Ausgabeschicht) erlaubt das Ablesen der entsprechenden Materialinformation, die basierend auf den eingegebenen Messdaten abgeschätzt wurde. Alternativ ist denkbar, das das maschinelle Lernsystem unter Verwendung eines anderweitigen Verfahrens zur automatischen Klassifikation realisiert ist. Derartige Verfahren sind einem Fachmann bekannt, beispielsweise als Decision-Tree-Verfahren, Random-Forest-Verfahren, Isolation-Forest-Verfahren oder dergleichen. Ein maschinelles Lernsystem, insbesondere ein neuronales Netz wie beispielsweise ein bayessches Netz und/oder anderweitige Verfahren zur automatischen Klassifikation, weist dabei den Vorteil auf, dass gegenüber existierenden statistischen oder regelbasierten Ansätzen eine zuverlässigere und präzisere Ermittlung einer Materialinformation möglich ist. Insbesondere können auch bei großen Mengen an Schall-Messdaten und unterschiedlichen Einflussfaktoren auf eine Materialinformation sinnvolle Ergebnisse bei der Ermittlung der entsprechenden Materialinformation erhalten werden. In einer Ausführungsform des Verfahrens ist das neuronale Netz als ein rekurrentes neuronales Netz oder als ein faltendes neuronales Netz realisiert.Such material information is determined from the provided sound measurement data by means of a machine learning system, the machine learning system being set up to determine, in particular also to output, the corresponding material information based on the provided sound measurement data. The machine learning system is to be understood in particular as a technical implementation of a self-learning system that learns from given examples - the so-called training data - and can generalize the learned behavior after the end of the learning phase by identifying patterns and regularities in the training data and making them accessible. Such machine learning systems are known in principle, for example from DE 10 2005 050 577 A1 . It is proposed that, in one embodiment of the method for determining material information, the machine learning system comprises an, in particular an artificial, neural network. A neural network consists of a concatenation of neural layers, the topology of the network being set up and adapted, in particular parameterized, for carrying out the method. The machine learning system, in particular the neural network, is initially provided with measurement data as an input variable (training input data), the training input data then being propagated by the machine learning system, in particular by the neural network. In a neural network in particular, each (hidden) layer of the neural network accordingly calculates an output variable, which in turn is used as an input variable next layer of the network is used. The last layer of the network (output layer) allows the reading of the corresponding material information, which was estimated based on the entered measurement data. Alternatively, it is conceivable that the machine learning system is implemented using a different method for automatic classification. Such methods are known to a person skilled in the art, for example as decision tree methods, random forest methods, isolation forest methods or the like. A machine learning system, in particular a neural network such as a Bayesian network and / or other methods for automatic classification, has the advantage that, compared to existing statistical or rule-based approaches, a more reliable and precise determination of material information is possible. In particular, even with large amounts of sound measurement data and different influencing factors on material information, meaningful results can be obtained when determining the corresponding material information. In one embodiment of the method, the neural network is implemented as a recurrent neural network or as a folding neural network.

Das erfindungsgemäße Verfahren zum Ermitteln einer Materialinformation erlaubt es, mittels maschinellem Lernen ein Modell zu trainieren, das auf neue Schall-Messdaten generalisiert werden kann und folglich in der Lage ist, auch betreffend zu untersuchender Werkstücke eine Materialinformation abzuleiten.The method according to the invention for determining material information makes it possible to use machine learning to train a model that can be generalized to new sound measurement data and is consequently able to derive material information also relating to workpieces to be examined.

In einer Ausführungsform des Verfahrens zum Ermitteln einer Materialinformation ist das maschinelle Lernsystem eingerichtet, die Materialinformation zumindest betreffend eine der bereits genannten Eigenschaften zu ermitteln, insbesondere zu klassifizieren, d.h. betreffend:

• eine Eigenschaft, welche einen Materialtyp des Werkstücks charakterisiert;
• eine Eigenschaft, welche einen Materialtyp einer verdeckten Schicht des Werkstücks charakterisiert;
• eine Eigenschaft, welche eine Materialzusammensetzung des Werkstücks charakterisiert;
• eine Eigenschaft, welche eine Materialkonzentration und/oder eine Materialdichte in dem Werkstück charakterisiert;
• eine Eigenschaft, welche einen Materialzustand des Werkstücks charakterisiert;
• eine Eigenschaft, welche eine Dimensionierung des Werkstücks charakterisiert.

In one embodiment of the method for determining material information, the machine learning system is set up to determine the material information at least with regard to one of the properties already mentioned, in particular to classify it, ie with regard to:

• a property that characterizes a material type of the workpiece;
A property that characterizes a material type of a hidden layer of the workpiece;
• a property that characterizes a material composition of the workpiece;
A property that characterizes a material concentration and / or a material density in the workpiece;
• a property that characterizes a material condition of the workpiece;
• a property that characterizes the dimensioning of the workpiece.

In einer Ausführungsform des Verfahrens zum Ermitteln einer Materialinformation wird zumindest teilweise basierend auf der ermittelten Materialinformation ein elektrisches Gerät gesteuert, insbesondere eine Funktion des elektrischen Geräts ausgeführt und/oder beendet und/oder gesteuert. Unter „steuern eines elektrischen Geräts“ ist zu verstehen, dass zumindest teilweise basierend auf einer ermittelten Materialinformation eine Funktion des elektrischen Geräts beeinflusst wird. Dies kann beispielsweise durch Ausführen und/oder Beenden und/oder Steuern einer Funktion des elektrischen Geräts realisiert werden. Zur Steuerung des elektrischen Geräts wird dazu die ermittelte Materialinformation an eine Steuervorrichtung des elektrischen Geräts ausgegeben, insbesondere mittels einer Datenkommunikationsvorrichtung übermittelt. Hierzu kann die das erfindungsgemäße Verfahren durchführende Computervorrichtung signaltechnisch mit der Steuervorrichtung des elektrischen Geräts verbunden sein oder auch identisch mit dieser sein. Mittels der Steuervorrichtung kann dann unter Verwendung der Materialinformation eine Steuergröße zum Beeinflussen, insbesondere Steuern oder Regeln, des elektrischen Geräts, beispielsweise eines physikalischen Aktors des elektrischen Geräts, ermittelt werden. Die Steuervorrichtung des elektrischen Geräts ist dabei dazu vorgesehen, zumindest teilweise anhand der ermittelten Materialinformation eine weitere Verarbeitung durchzuführen und derart die entsprechende Materialinformation in eine Steuergröße zum Steuern des elektrischen Geräts zu übersetzen. Im Falle einer zum elektrischen Gerät externen Computervorrichtung kann die signaltechnische Verbindung beispielsweise über eine Datenkommunikationsschnittstelle erfolgen. Derart ist die Computervorrichtung mit der Steuervorrichtung des elektrischen Geräts verbunden, sodass Steuersignale von der Computervorrichtung an die Steuervorrichtung weiterleitbar sind oder ermittelte Materialinformationen an die Steuervorrichtung weiterleitbar sind, sodass mittels der Steuervorrichtung basierend auf der Materialinformation ein Steuersignal generiert werden kann. Vielfältige Ausführungsformen beeinflussbarer Funktionen sind denkbar - abhängig von der Wahl des elektrischen Geräts. Beispielsweise ist denkbar, eine Werkzeuggeschwindigkeit und/oder eine Leistungsaufnahme einer Handwerkzeugmaschine als elektrischem Gerät in Abhängigkeit einer ermittelten Materialinformation zu ändern, insbesondere zu steuern und/oder zu regeln, ganz insbesondere vorzuwählen.In one embodiment of the method for determining material information, an electrical device is controlled at least partially based on the determined material information, in particular a function of the electrical device is executed and / or terminated and / or controlled. “Controlling an electrical device” is understood to mean that a function of the electrical device is influenced at least partially based on ascertained material information. This can be implemented, for example, by executing and / or terminating and / or controlling a function of the electrical device. To control the electrical device, the material information determined is output to a control device of the electrical device, in particular transmitted by means of a data communication device. For this purpose, the computer device carrying out the method according to the invention can be signal-connected to the control device of the electrical device or can also be identical to it. Using the material information, the control device can then be used to determine a control variable for influencing, in particular controlling or regulating, the electrical device, for example a physical actuator of the electrical device. The control device of the electrical device is provided to carry out further processing at least partially on the basis of the ascertained material information and in this way to translate the corresponding material information into a control variable for controlling the electrical device. In the case of a computer device external to the electrical device, the signaling connection can take place, for example, via a data communication interface. In this way, the computer device is connected to the control device of the electrical device, so that control signals can be forwarded from the computer device to the control device or ascertained material information can be forwarded to the control device, so that a control signal can be generated by means of the control device based on the material information. Diverse embodiments of controllable functions are conceivable - depending on the choice of electrical device. For example, it is conceivable to change a tool speed and / or a power consumption of a handheld power tool as an electrical device as a function of ascertained material information, in particular to control and / or regulate it, in particular to preselect it.

Alternativ oder zusätzlich wird eine Information zumindest teilweise basierend auf der ermittelten Materialinformation mittels einer Ausgabevorrichtung ausgegeben. Die Information bezeichnet dabei eine zur Ausgabe mittels einer Ausgabevorrichtung aufbereitete, insbesondere nutzerfreundlich aufbereitete, und zumindest teilweise auf der ermittelten Materialinformation basierenden Information. Insbesondere kann die Information zur Ausgabe auch identisch sein mit der Materialinformation. Beispielsweise ist denkbar, dass die Information mittels eines Bildschirms an einen Nutzer bzw. Anwender des Verfahrens ausgegeben wird.Alternatively or additionally, information is output at least partially based on the ascertained material information by means of an output device. In this case, the information denotes information which has been processed for output by means of an output device, is in particular processed in a user-friendly manner, and is based at least in part on the material information determined. In particular, the information on the output can also be identical to the material information. For example, it is conceivable that the information is output to a user or user of the method by means of a screen.

Gemäß einem weiteren Aspekt der Erfindung wird ein, insbesondere computerimplementiertes, Verfahren zum Anlernen eines maschinellen Lernsystems, insbesondere eines neuronalen Netzes, vorgeschlagen. Das Verfahren zum Anlernen bewirkt, dass das maschinelle Lernsystem zur Durchführung des zuvor beschriebenen Verfahrens zum Ermitteln einer Materialinformation eingerichtet, d.h. speziell angelernt und/oder parametrisiert ist. Das Verfahren zum Anlernen weist zumindest die folgenden Verfahrensschritte auf:

• Bereitstellen von Trainingsdaten umfassend Trainingseingangsdaten und zugeordneten Trainingsausgangsdaten, wobei die Trainingseingangsdaten Schall-Messdaten betreffend ein Werkstück zu einer Vielzahl von Materialinformationen umfassen und wobei die Trainingsausgangsdaten jeweils den zugeordneten Trainingseingangsdaten zumindest eine Materialinformation betreffend das Werkstück zuordnen,
• Anlernen des maschinellen Lernsystems, wobei Parameter des maschinellen Lernsystems derart angepasst werden, dass das maschinelle Lernsystem abhängig von den angepassten Parametern und abhängig von den bereitgestellten Trainingseingangsdaten die jeweils zugehörigen Trainingsausgangsdaten ermittelt.

According to a further aspect of the invention, a particularly computer-implemented method for teaching a machine learning system, in particular a neural network, is proposed. The method for teaching has the effect that the machine learning system is set up to carry out the method described above for determining material information, ie is specially trained and / or parameterized. The learning process has at least the following process steps:

• Provision of training data comprising training input data and assigned training output data, the training input data including sound measurement data relating to a workpiece for a large number of material information items and wherein the training output data each assign at least one material information item relating to the workpiece to the assigned training input data,
• Training of the machine learning system, with parameters of the machine learning system being adapted in such a way that the machine learning system determines the respective associated training output data as a function of the adapted parameters and as a function of the training input data provided.

In einem weiteren Verfahrensschritt wird das angelernte maschinelle Lernsystem zu einer Computervorrichtung hinzugefügt.In a further process step, the learned machine learning system is added to a computer device.

In Folge der Bereitstellung von Trainingseingangsdaten ermittelt das maschinelle Lernsystem, insbesondere das neuronale Netz, aus diesen Daten einen ersten Ausgabewert. Dieser Ausgabewert wird im Anlernprozess einem Trainingssystem (beispielsweise einer Computervorrichtung) zugeführt, wobei das Trainingssystem hieraus eine Vorschrift zur Anpassung der Parameter ermittelt, welche vorgibt, welcher oder welche Parameter des maschinellen Lernsystems auf welche Weise einer Anpassung unterzogen werden soll(en), um eine präzisere Ermittlung der vorgegebenen Trainingsausgangsdaten zu ermöglichen. Im Falle eines neuronalen Netzes kann diese Anpassung durch Vorgabe erwarteter bzw. gewünschter Werte für den Ausgabewert und anschließende Rückwärts-Propagation erfolgen. Die Trainingseingangsdaten stellen Schall-Messwerte dar. Ferner wird vorgeschlagen, dass die Trainingsausgangsdaten aus einer Liste von Materialinformationen ausgewählt sind, die zumindest folgende Eigenschaften betreffen: eine Eigenschaft, welche einen Materialtyp des Werkstücks charakterisiert, eine Eigenschaft, welche einen Materialtyp einer verdeckten Schicht des Werkstücks charakterisiert, eine Eigenschaft, welche eine Materialzusammensetzung des Werkstücks charakterisiert, eine Eigenschaft, welche eine Materialkonzentration und/oder eine Materialdichte in dem Werkstück charakterisiert, eine Eigenschaft, welche einen Materialzustand des Werkstücks charakterisiert, und/oder eine Eigenschaft, welche eine Dimensionierung des Werkstücks charakterisiert. Derart kann ein besonders zielgerichtetes Verfahren zum Anlernen angegeben werden, dass auf in einem Verfahren zum Ermitteln einer Materialinformation bereitgestellte Schall-Messdaten vorteilhaft angepasst ist, da es als Grundlage für das Anlernen die gleichen Informationsquellen verwendet.As a result of the provision of training input data, the machine learning system, in particular the neural network, determines a first output value from this data. This output value is fed to a training system (for example a computer device) in the learning process, the training system using this to determine a rule for adapting the parameters, which specifies which parameter or parameters of the machine learning system should be adapted in what way in order to achieve a to enable more precise determination of the given training output data. In the case of a neural network, this adaptation can take place by specifying expected or desired values for the output value and subsequent backward propagation. The training input data represent sound measurement values. It is also proposed that the training output data are selected from a list of material information that relate to at least the following properties: a property that characterizes a material type of the workpiece, a property that a material type of a hidden layer of the workpiece characterized, a property that characterizes a material composition of the workpiece, a property that characterizes a material concentration and / or a material density in the workpiece, a property that characterizes a material state of the workpiece, and / or a property that characterizes a dimensioning of the workpiece . In this way, a particularly targeted method for teaching can be specified that is advantageously adapted to sound measurement data provided in a method for determining material information, since it uses the same information sources as the basis for teaching.

In einer Ausführungsform des Verfahrens zum Anlernen werden zu jeweils von einem in das Werkstück einzuleitenden Schall-Signal (beispielsweise Klopfen mit der Faust, Klopfen mit einem Knöchel, stehender Ton (Schwingung bestimmter Frequenz), vorgegebenes Frequenzmuster oder dergleichen) abhängige Trainingsdaten verwendet. Derart kann das maschinelle Lernsystem auf unterschiedliche einzuleitende Schall-Signale angelernt werden.In one embodiment of the method for teaching, training data that are dependent on a sound signal to be introduced into the workpiece (for example knocking with the fist, knocking with an ankle, standing tone (oscillation of a certain frequency), predetermined frequency pattern or the like) are used. In this way, the machine learning system can be trained for different sound signals to be introduced.

In einer Ausführungsform des Verfahrens zum Anlernen werden in einem weiteren Verfahrensschritt weitere, ein Werkstück betreffende Schall-Messdaten bereitgestellt, wobei den weiteren Schall-Messdaten zumindest eine, insbesondere vorgegebene, Materialinformation betreffend das Werkstück, insbesondere durch einen Experten, zugeordnet wird und derart das maschinelle Lernsystem mit den weiteren Schall-Messdaten weiter angelernt wird. Unter „weiter anlernen“ ist insbesondere zu verstehen, dass das maschinelle Lernsystem wiederholt mit den nun bereitgestellten weiteren Trainingsdaten angelernt wird. Auf diese Weise kann realisiert werden, dass das maschinelle Lernsystem zunächst unter Verwendung „allgemeiner Schall-Messdaten“ vortrainiert wird, anschließend einer Computervorrichtung zugeordnet wird und dann im Folgenden mit weiteren - beispielsweise von Nutzern bereitgestellten Schall-Messdaten - weiter trainiert bzw. weiter angelernt wird. Folglich kann im Laufe der Zeit ein besonders gut trainiertes maschinelles Lernsystem realisiert werden, das ferner eine besonders zuverlässige Ermittlung einer Materialinformation betreffend ein jeweilig untersuchtes Werkstück ermöglicht.In one embodiment of the method for teaching, further sound measurement data relating to a workpiece are provided in a further method step, with the further sound measurement data being assigned at least one, in particular predetermined, material information relating to the workpiece, in particular by an expert, and thus the machine Learning system with the further sound measurement data is learned further. “Continue learning” is to be understood in particular as the fact that the machine learning system is repeatedly learned with the additional training data that is now made available. In this way, it can be realized that the machine learning system is first pre-trained using “general sound measurement data”, then assigned to a computer device and then further trained or further learned in the following with further sound measurement data provided by users, for example . Consequently, in the course of time, a particularly well-trained machine learning system can be implemented, which also enables a particularly reliable determination of material information relating to a respective examined workpiece.

In einem weiteren Aspekt der Erfindung wird das maschinelle Lernsystem, insbesondere das neuronale Netz, zur Durchführung des erfindungsgemäßen Verfahrens zum Ermitteln einer Materialinformation vorgeschlagen. Das maschinelle Lernsystem wird insbesondere durch Ausführen des erfindungsgemäßen Verfahrens zum Anlernen des maschinellen Lernsystems erhalten.In a further aspect of the invention, the machine learning system, in particular the neural network, is proposed for carrying out the method according to the invention for determining material information. In particular, the machine learning system is implemented by executing the Method according to the invention for teaching the machine learning system.

In einem weiteren Aspekt wird ein Computerprogramm vorgeschlagen. Das Computerprogramm ist eingerichtet, eines der vorherigen genannten Verfahren auszuführen. Das Computerprogramm umfasst Anweisungen, welche bei ihrer Ausführung auf einer Computervorrichtung, insbesondere einer Steuervorrichtung eines elektrischen Geräts, die Computervorrichtung, bzw. insbesondere die Steuervorrichtung, veranlassen, eines der beschriebenen Verfahren mit allen seinen Schritten auszuführen.In a further aspect, a computer program is proposed. The computer program is set up to carry out one of the aforementioned methods. The computer program comprises instructions which, when executed on a computer device, in particular a control device of an electrical device, cause the computer device, or in particular the control device, to carry out one of the described methods with all of its steps.

Ferner wird ein computerlesbares Speichermedium vorgeschlagen, auf welchem das Computerprogramm hinterlegt, insbesondere gespeichert, ist. Speichermedien an sich sind einem Fachmann dabei bekannt.Furthermore, a computer-readable storage medium is proposed on which the computer program is deposited, in particular stored. Storage media per se are known to a person skilled in the art.

Des Weiteren wird eine Computervorrichtung vorgeschlagen, die eingerichtet ist, eines der beschriebenen Verfahren auszuführen. Dabei weist die Computervorrichtung insbesondere eine Prozessorvorrichtung und eine Speichervorrichtung auf, wobei auf der Speichervorrichtung Befehle hinterlegt sind, die beim Ausführen dieser durch die Prozessorvorrichtung bewirken, dass die Computervorrichtung das Verfahren ausführt. Unter einer „Prozessorvorrichtung“ soll insbesondere eine Vorrichtung verstanden werden, die zumindest einen Informationseingang, eine Informationsverarbeitungseinheit zur Bearbeitung sowie eine Informationsausgabe zur Weitergabe der bearbeiteten und/oder ausgewerteten Informationen aufweist. In einem Ausführungsbeispiel umfasst die Prozessorvorrichtung zumindest einen Prozessor. Eine „Speichervorrichtung“ dient dabei dazu, ein zur Durchführung eines der beschriebenen Verfahren notwendiges Computerprogramm für die Prozessorvorrichtung bereitzuhalten. In einer Ausführungsform kann die Computervorrichtung als ein elektrisches Gerät umfassend eine Steuervorrichtung realisiert sein, beispielsweise in Form eines Smart Devices wie einem Smartphone, einem Tablet oder dergleichen. Ferner ist denkbar, dass das elektrische Gerät zumindest einen Schall-Sensor zur Erfassung und Bereitstellung von Schall-Messdaten und/oder einen Schallgenerator zur Erzeugung von in das Werkstück einzuleitenden Schall-Signalen umfasst.Furthermore, a computer device is proposed which is set up to carry out one of the described methods. In this case, the computer device has in particular a processor device and a memory device, wherein commands are stored on the memory device which, when they are executed by the processor device, cause the computer device to execute the method. A “processor device” is to be understood in particular as a device which has at least one information input, an information processing unit for processing and an information output for forwarding the processed and / or evaluated information. In one embodiment, the processor device comprises at least one processor. A “storage device” is used to hold ready a computer program for the processor device that is necessary to carry out one of the described methods. In one embodiment, the computer device can be implemented as an electrical device comprising a control device, for example in the form of a smart device such as a smartphone, a tablet or the like. It is also conceivable that the electrical device comprises at least one sound sensor for acquiring and providing sound measurement data and / or a sound generator for generating sound signals to be introduced into the workpiece.

Abschließend wird ein System umfassend ein erfindungsgemäßes elektrisches Gerät und umfassend eine Sensoreinheit vorgeschlagen, wobei die Sensoreinheit zumindest einen Schall-Sensor zur Erfassung und Bereitstellung von Schall-Messdaten umfasst. Ferner kann die Sensoreinheit einen Schallgenerator zur Erzeugung von in das Werkstück einzuleitenden Schall-Signalen umfassen.Finally, a system comprising an electrical device according to the invention and comprising a sensor unit is proposed, the sensor unit comprising at least one sound sensor for recording and providing sound measurement data. Furthermore, the sensor unit can comprise a sound generator for generating sound signals to be introduced into the workpiece.

Unter „vorgesehen“ und „eingerichtet“ soll im Folgenden speziell „programmiert“, „ausgelegt“, „konzipiert“, „parametrisiert“ und/oder „ausgestattet“ verstanden werden. Darunter, dass ein Objekt zu einer bestimmten Funktion „vorgesehen“ ist, soll insbesondere verstanden werden, dass das Objekt diese bestimmte Funktion in zumindest einem Anwendungs- und/oder Betriebszustand erfüllt und/oder ausführt oder dazu ausgelegt ist, die Funktion zu erfüllen.In the following, “provided” and “set up” are specifically intended to mean “programmed”, “designed”, “designed”, “parameterized” and / or “equipped”. The fact that an object is “intended” for a specific function should be understood in particular to mean that the object fulfills and / or executes this specific function in at least one application and / or operating state or is designed to fulfill the function.

Zeichnungendrawings

Die Erfindung ist anhand von in den Zeichnungen dargestellten Ausführungsbeispielen in der nachfolgenden Beschreibung näher erläutert. Die Zeichnung, die Beschreibung und die Ansprüche enthalten zahlreicher Merkmale in Kombination. Der Fachmann wird die Merkmale zweckmäßigerweise auch einzeln betrachten und zu sinnvollen weiteren Kombinationen zusammenfassen. Gleiche Bezugszeichen in den Figuren bezeichnen gleiche Elemente.The invention is explained in more detail in the following description on the basis of exemplary embodiments shown in the drawings. The drawing, the description and the claims contain numerous features in combination. The person skilled in the art will expediently also consider the features individually and combine them into meaningful further combinations. The same reference symbols in the figures denote the same elements.

Es zeigen:

1 eine schematische Darstellung einer Ausgestaltung des erfindungsgemäßen elektrischen Geräts in Form eines Smartphones,
2 eine schematische Darstellung einer Ausführungsform des erfindungsgemäßen maschinellen Lernsystems in Form eines neuronalen Netzes,
3 eine schematische Darstellung einer Ausführungsform des erfindungsgemäßen Verfahrens zum Anlernen,
4 eine schematische Darstellung einer Ausführungsform des erfindungsgemäßen Verfahrens zum Ermitteln einer Materialinformation.

Show it:

1 a schematic representation of an embodiment of the electrical device according to the invention in the form of a smartphone,
2 a schematic representation of an embodiment of the machine learning system according to the invention in the form of a neural network,
3 a schematic representation of an embodiment of the method according to the invention for teaching,
4th a schematic representation of an embodiment of the method according to the invention for determining material information.

Beschreibung der AusführungsbeispieleDescription of the exemplary embodiments

In 1 ist in schematischer Ansicht ein elektrisches Gerät 10, beispielsweise eine Computervorrichtung 10' in Form eines Smartphones, dargestellt. Das elektrische Gerät 10 weist ein Gehäuse 12 auf. An der Oberfläche des Gehäuses 12 weist das elektrische Gerät 10 Öffnungen auf (hier nicht näher dargestellt), die dem Auslass von ausgesendeten Schall-Signalen 14, 14a in ein Werkstück 16 und dem Einlass von in bzw. aus dem Werkstück 16 reflektierten Schall-Signalen 14, 14b aus bzw. in das Gehäuse 12 dienen. Im Inneren des elektrischen Geräts 10 befindet sich - hinter den Öffnungen angeordnet - ein Schallgenerator 18 in Form eines Lautsprechers (alternativ: in Form eines Vibrationselements) und ein Schallsensor 20 in Form eines Mikrofons (alternativ: in Form eines Körperschallsensors). Der Schallsensor 20 dient der Erfassung von in bzw. aus dem Werkstück 16 reflektierten Schall-Signalen 14, 14b und der Erzeugung von Schall-Messsignalen basierend auf diesen reflektierten Schall-Signalen 14, 14b. Der Schallsensor 20 und der Schallgenerator 18 sind mit einer Steuervorrichtung 22 des elektrischen Geräts 10 signaltechnisch verbunden. Mittels des Schallsensors 20 werden Schall-Messdaten erfasst und an die Steuervorrichtung 22 weitergeleitet, auf der sie in einer hier nicht näher dargestellten Speichervorrichtung zwischengespeichert werden. Die Steuervorrichtung 22 kann ferner über eine Datenkommunikationsschnittstelle (hier nicht näher dargestellt) mit einer weiteren externen Computervorrichtung - beispielsweise einer Cloud - verbunden sein. Die Schall-Messdaten können von der Speichervorrichtung während der Ausführung des Verfahrens 200 zum Ermitteln einer Materialinformation durch die das Verfahren ausführende Computervorrichtung 24 - hier identisch mit dem elektrischen Gerät 10 - abgerufen und derart dieser bereitgestellt werden. In einem alternativen Ausführungsbeispiel kann die Computervorrichtung 24 auch als zum elektronischen Gerät 10 externe Computervorrichtung 24 - beispielsweise als Cloud oder Computer - realisiert sein.In 1 is a schematic view of an electrical device 10 , for example a computing device 10 ' in the form of a smartphone. The electrical device 10 has a housing 12th on. On the surface of the case 12th instructs the electrical device 10 Openings (not shown here) that allow the outlet of emitted sound signals 14th , 14a in a workpiece 16 and the inlet to and from the workpiece 16 reflected sound signals 14th , 14b out of or into the housing 12th to serve. Inside the electrical device 10 there is a sound generator behind the openings 18th in the form of a loudspeaker (alternatively: in the form of a vibration element) and a sound sensor 20th in the form of a microphone (alternatively: in the form of a structure-borne sound sensor). The sound sensor 20th is used to detect in or out of the workpiece 16 reflected sound signals 14th , 14b and the generation of sound measurement signals based on these reflected sound signals 14th , 14b . The sound sensor 20th and the sound generator 18th are with a control device 22nd of the electrical device 10 connected in terms of signaling. Using the sound sensor 20th sound measurement data are recorded and sent to the control device 22nd forwarded, on which they are temporarily stored in a storage device not shown here. The control device 22nd can also be connected to a further external computer device - for example a cloud - via a data communication interface (not shown in detail here). The sound measurement data can be stored in the storage device during the execution of the method 200 for determining material information by the computer device executing the method 24 - here identical to the electrical device 10 - can be called up and made available in this way. In an alternative embodiment, the computing device 24 also as to the electronic device 10 external computing device 24 - for example as a cloud or computer - be implemented.

Die Computervorrichtung 24 dient dazu, eine Materialinformation betreffend das Werkstück 16 aus den bereitgestellten Schall-Messdaten zu ermitteln. Dazu führt die Computervorrichtung 24 mittels deren Prozessorvorrichtung - hier der Steuervorrichtung 22 - ein computerimplementiertes Verfahren 200 aus (vergleiche 4), das die Verfahrensschritte Bereitstellen von Schall-Messdaten betreffend das Werkstück 16 und Ermitteln der Materialinformation aus den bereitgestellten Schall-Messdaten umfasst. Die Computervorrichtung 24 implementiert bei Ausführung des Verfahrens 200 zum Ermitteln einer Materialinformation ein maschinelles Lernsystems 58 (vergleiche 2), das eingerichtet ist, die Materialinformation basierend auf den bereitgestellten Schall-Messdaten zu ermitteln. Die von dem Schallsensor 20 bereitgestellten Schall-Messdaten werden dem maschinellen Lernsystem 58 als Eingangsgrößen bereitgestellt. In Abhängigkeit einer Mehrzahl von Parametern des maschinellen Lernsystems 58 ermittelt das maschinelle Lernsystem 58 dann eine Ausgangsgröße, insbesondere die entsprechende Materialinformation betreffend das Werkstück 16.The computing device 24 serves to provide material information relating to the workpiece 16 to be determined from the sound measurement data provided. The computer device leads to this 24 by means of their processor device - here the control device 22nd - a computer-implemented method 200 off (compare 4th ), which includes the process steps of providing sound measurement data relating to the workpiece 16 and determining the material information from the provided sound measurement data. The computing device 24 implemented when executing the procedure 200 a machine learning system to determine material information 58 (compare 2 ), which is set up to determine the material information based on the sound measurement data provided. The one from the sound sensor 20th The sound measurement data provided are fed into the machine learning system 58 provided as input variables. Depending on a plurality of parameters of the machine learning system 58 determines the machine learning system 58 then an output variable, in particular the corresponding material information relating to the workpiece 16 .

Ferner weist das elektrische Gerät 10 eine Ausgabevorrichtung 26 auf, die der Ausgabe einer zumindest teilweise auf der Materialinformation basierenden Information an einen Nutzer dient. Die Ausgabevorrichtung 26 ist mit der Steuervorrichtung 22 signaltechnisch verbunden.Furthermore, the electrical device 10 an output device 26th which is used to output information based at least partially on the material information to a user. The output device 26th is with the control device 22nd connected in terms of signaling.

2 zeigt eine schematische Darstellung des maschinellen Lernsystems 58, welches in diesem Ausführungsbeispiel durch ein neuronales Netz 58a gegeben ist. Das neuronale Netz 58a umfasst mehrere Schichten 62, die jeweils mittels Verbindungen 64 miteinander verkettet sind und die jeweils mehrere Neuronen 66 umfassen. Dem neuronalen Netz 58a werden dabei zumindest Messdaten als Eingangsgröße 68 bereitgestellt, wobei die Messdaten anschließend durch das neuronale Netz 58a propagiert werden. Das neuronale Netz 58a ermittelt dabei schichtweise abhängig von der Eingangsgröße 68 eine Ausgangsgröße 70. Hierfür ermittelt jede Schicht 62 abhängig von der ihr bereitgestellten Eingangsgröße 68 und abhängig von den Parametern dieser Schicht eine Ausgangsgröße 70. Die Ausgangsgröße 70 wird daraufhin durch die Verbindungen 64 an die weiteren Schichten 62 weitergeleitet. Die letzte Schicht 62a des Netzes 58a erlaubt das Ablesen der Materialinformation, die basierend auf den bereitgestellten Messdaten berechnet wurde. Die Materialinformation, die beispielhaft mittels des hier dargestellten maschinellen Lernsystems ermittelbar ist, betrifft einen Materialtyp des Werkstücks 16, beispielsweise „Holz“, „Beton“ oder „Ziegel“. 2 shows a schematic representation of the machine learning system 58 , which in this embodiment is carried out by a neural network 58a given is. The neural network 58a comprises several layers 62 , each by means of connections 64 are chained together and each has several neurons 66 include. The neural network 58a are at least measured data as an input variable 68 provided, the measurement data then through the neural network 58a be propagated. The neural network 58a determined layer by layer depending on the input variable 68 an output variable 70 . For this purpose, each layer is determined 62 depending on the input variable made available to it 68 and, depending on the parameters of this layer, an output variable 70 . The output size 70 will then go through the connections 64 to the other layers 62 forwarded. The last shift 62a of the network 58a allows reading of the material information, which was calculated based on the measurement data provided. The material information, which can be determined by way of example by means of the machine learning system shown here, relates to a material type of the workpiece 16 , for example “wood”, “concrete” or “brick”.

3 zeigt ein Verfahrensdiagramm eines Ausführungsbeispiels des computerimplementierten Verfahrens 100 zum prozessorgestützten Anlernen des maschinellen Lernsystems 58, insbesondere des neuronalen Netzes 58a. Das Verfahren 100 wird ausgeführt von einem Trainingssystem (hier nicht näher dargestellt), welches das maschinelle Lernsystem 58 anlernt. Dabei werden in Verfahrensschritt 102 dem maschinellen Lernsystem 58 Trainingsdaten bereitgestellt. Die Trainingsdaten umfassen Trainingseingangsdaten und Trainingsausgangsdaten, wobei die Trainingseingangsdaten Schall-Messdaten betreffend das Werkstück 16 zu einer Vielzahl von Materialinformationen und die Trainingsausgangsdaten jeweils zumindest eine zugeordnete Materialinformation umfassen. Die Trainingseingangsdaten sind in diesem Ausführungsbeispiel Schall-Messdaten des Schallsensors 20. Die Trainingsausgangsdaten betreffen in diesem Ausführungsbeispiel eine Materialinformation betreffend die Unterscheidung von drei unterschiedlichen Materialtypen (wie im Zusammenhang mit 2 erläutert beispielsweise „Holz“, „Beton“, „Ziegel“). In Verfahrensschritt 104 wird das maschinelle Lernsystem 58, insbesondere das neuronale Netz 58a, angelernt. Beim Anlernen des maschinellen Lernsystems 58 werden die Parameter der jeweiligen Schichten 62 derart angepasst, dass das maschinelle Lernsystem 58 abhängig von den bereitgestellten Trainingseingangsdaten die jeweils zugeordneten Trainingsausgangsdaten ermittelt. Dabei kann das Anlernen des maschinellen Lernsystems 58 unter Verwendung einer Differenzfunktion (Kostenfunktion) durchgeführt werden, die insbesondere eine Differenz zwischen der berechneten Ausgangsgrößen 70 und der Trainingsausgangsdaten charakterisiert, wobei die Differenzfunktion mittels eines Gradientenabstiegsverfahrens hinsichtlich der Parameter optimiert wird. Ein derartiges Gradientenabstiegsverfahren ist dem Fachmann aus dem Stand der Technik bekannt. Nachdem die Parameter optimiert wurden, werden diese in Verfahrensschritt 106 in einer Speichervorrichtung der Computervorrichtung 24 - hier in der Steuervorrichtung 22 - hinterlegt. 3 shows a method diagram of an embodiment of the computer-implemented method 100 for processor-based teaching of the machine learning system 58 , especially the neural network 58a . The procedure 100 is carried out by a training system (not shown here), which is the machine learning system 58 learns. Thereby are in process step 102 the machine learning system 58 Training data provided. The training data include training input data and training output data, the training input data being sound measurement data relating to the workpiece 16 for a plurality of material information items and the training output data each comprise at least one associated material information item. In this exemplary embodiment, the training input data are sound measurement data from the sound sensor 20th . In this exemplary embodiment, the training output data relate to material information relating to the distinction between three different material types (as in connection with 2 explains for example “wood”, “concrete”, “brick”). In process step 104 becomes the machine learning system 58 , especially the neural network 58a , learned. When teaching the machine learning system 58 become the parameters of the respective layers 62 adapted in such a way that the machine learning system 58 the respectively assigned training output data is determined depending on the training input data provided. The training of the machine learning system 58 be carried out using a difference function (cost function), which in particular is a difference between the calculated output variables 70 and characterizes the training output data, the difference function being optimized with regard to the parameters by means of a gradient descent method. Such a gradient descent method is known to the person skilled in the art known. After the parameters have been optimized, they are in process step 106 in a storage device of the computing device 24 - here in the control device 22nd - deposited.

Optional kann sich ein weiterer Verfahrensschritt 108 (hier gestrichelt dargestellt) anschließen, in dem das maschinelle Lernsystem 58 unter Verwendung weiterer, weitere Werkstücke 16 betreffender Schall-Messdaten sowie Materialinformationen angelernt und verfeinert wird, wobei die weiteren Schall-Messdaten durch Nutzer des Verfahrens 100 erfasst, bereitgestellt und bezeichnet („gelabelt“) werden.A further process step can optionally be used 108 (shown here with dashed lines), in which the machine learning system 58 using further, further workpieces 16 relevant sound measurement data and material information is learned and refined, with the further sound measurement data being used by users of the method 100 recorded, provided and labeled ("labeled").

Abschließend ist in 4 ein Verfahren 200 zum Ermitteln einer Materialinformation betreffend ein zu untersuchendes Werkstück 16 dargestellt. Das Verfahren 200 wird dabei von der Computervorrichtung 24 - hier dem elektrischen Gerät 10 - durchgeführt. In einem ersten Verfahrensschritt 202 werden der Computervorrichtung 24 unter Verwendung des Schallsensors 20 Schall-Messdaten betreffend das Werkstück 16 bereitgestellt. Das Bereitstellen untergliedert sich dabei weiter in die Verfahrensschritte 202a - Einleiten zumindest eines Schall-Signals 14, 14a in das Werkstück 16 mittels des Schallgenerators 18 -, 202b - Erfassen zumindest eines aus dem Werkstück 16 reflektierten Schall-Signals 14, 14b in Form der Schall-Messdaten unter Verwendung des Schallsensors 20. Während der Verfahrensschritte 202a und 202b wird das elektrische Gerät 10 mit der Seite, auf der der Schallgenerator 18 sowie der Schallsensor 20 angeordnet sind, in unmittelbare Nähre an das Werkstück 16 angehalten, insbesondere in Kontakt mit dem Werkstück 16 gehalten. Die erfassten Schall-Messdaten werden sodann in Verfahrensschritt 202c gefiltert, um Stimmanteile in den Schall-Messdaten zu entfernen, und der das Verfahren 200 ausführenden Computervorrichtung 24 bereitgestellt. In Verfahrensschritt 204 wird mittels des maschinellen Lernsystems 58, insbesondere mittels des neuronalen Netzes 58a, abhängig von den bereitgestellten bzw. abgerufenen Schall-Messdaten eine Materialinformation aus den Schall-Messdaten ermittelt. Die Materialinformation betrifft auch hier - wie in obigen Beispielen bereits eingeführt - die Eigenschaft „Materialtyp“ des Werkstücks und klassifiziert diese nach den angelernten Materialtypen „Holz“, „Beton“, „Ziegel“. In Verfahrensschritt 206 wird anschließend zumindest teilweise basierend auf der ermittelten Materialinformation das elektrische Gerät 10 gesteuert, indem eine aus der ermittelten Materialinformation abgeleitete Information - in Form eines Schriftzugs „Holz“, „Beton“ oder „Ziegel“ - mittels der Ausgabevorrichtung 26 des elektrischen Geräts 10 an einen Nutzer des elektrischen Geräts ausgegeben wird.Finally, in 4th a procedure 200 for determining material information relating to a workpiece to be examined 16 shown. The procedure 200 is done by the computer device 24 - here the electrical device 10 - carried out. In a first process step 202 become the computing device 24 using the sound sensor 20th Sound measurement data relating to the workpiece 16 provided. The provision is further subdivided into the process steps 202a - Initiation of at least one sound signal 14th , 14a into the workpiece 16 by means of the sound generator 18th -, 202b - Detecting at least one from the workpiece 16 reflected sound signal 14th , 14b in the form of the sound measurement data using the sound sensor 20th . During the procedural steps 202a and 202b becomes the electrical device 10 with the side on which the sound generator 18th as well as the sound sensor 20th are arranged in close proximity to the workpiece 16 stopped, especially in contact with the workpiece 16 held. The recorded sound measurement data are then used in process step 202c filtered in order to remove vocal components in the sound measurement data, and the process 200 executing computer device 24 provided. In process step 204 is made using the machine learning system 58 , in particular by means of the neural network 58a , depending on the provided or retrieved sound measurement data, material information is determined from the sound measurement data. As already introduced in the examples above, the material information relates to the “material type” property of the workpiece and classifies it according to the learned material types “wood”, “concrete”, “brick”. In process step 206 the electrical device is then at least partially based on the ascertained material information 10 controlled by information derived from the ascertained material information - in the form of a lettering "wood", "concrete" or "brick" - by means of the output device 26th of the electrical device 10 is output to a user of the electrical device.

ZITATE ENTHALTEN IN DER BESCHREIBUNGQUOTES INCLUDED IN THE DESCRIPTION

Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of the documents listed by the applicant was generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.

Zitierte PatentliteraturPatent literature cited

DE 102014218371 A1 [0002]
DE 102005050577 A1 [0010]

Claims

Method (200) for determining material information relating to a workpiece (16), comprising the method steps • Provision of sound measurement data relating to the workpiece (16), • Determining the material information from the sound measurement data provided by means of a machine learning system (58), the machine learning system (58) being set up to determine the material information based on the sound measurement data provided.

Procedure according to Claim 1 , wherein the provision of sound measurement data comprises an introduction of at least one sound signal into the workpiece (16) and a subsequent acquisition of at least one sound signal reflected from the workpiece (16) in the form of the sound measurement data.

Method according to one of the preceding claims, wherein the sound measurement data are recorded and provided using at least one sound sensor (20), in particular an air-borne sound sensor, a structure-borne sound sensor and / or a vibration sensor.

Method according to one of the preceding claims, wherein the machine learning system (58) comprises a neural network (58a).

Method according to one of the preceding claims, wherein the machine learning system (58) is set up to determine the material information relating to at least one of the following properties: • a property which characterizes a material type of the workpiece (16); • a property which characterizes a material type of a hidden layer of the workpiece (16); • a property which characterizes a material composition of the workpiece (16); • a property which characterizes a material concentration and / or a material density in the workpiece (16); • a property which characterizes a material state of the workpiece (16); • a property that characterizes a dimensioning of the workpiece (16).

Method (200) according to one of the preceding claims, wherein an electrical device (10) is controlled at least partially based on the ascertained material information, in particular a function of the electrical device (10) is executed and / or terminated and / or controlled, and / or information is output at least partially based on the ascertained material information by means of an output device (26).

Method (200) according to one of the preceding claims, wherein the sound measurement data are filtered before provision, in particular voice components in the sound measurement data are filtered out.

Method (100) for teaching a machine learning system (58), in particular a neural network (58a), so that the machine learning system (58) is set up to carry out a method according to one of the preceding claims, comprising the method steps: • Provision of training data comprising training input data and assigned training output data, the training input data including sound measurement data relating to a workpiece (16) for a large number of material information items and wherein the training output data each assign at least one material information item relating to the workpiece (16) to the assigned training input data, • Teaching the machine learning system (58), with parameters of the machine learning system (58) being adapted in such a way that the machine learning system (58) determines the respective associated training output data depending on the adapted parameters and depending on the training input data provided.

Method (100) according to Claim 8 , wherein in a further method step further sound measurement data relating to a workpiece (16) are provided, with at least one, in particular predetermined, material information relating to the workpiece (16) being assigned to the further sound measurement data and thus the machine learning system (58) is learned with the further sound measurement data, in particular further.

Method (100) according to one of the Claims 8 - 9 , the training output data being selected from a list of material information relating to at least the following properties: a property which characterizes a material type of the workpiece (16); • a property which characterizes a material type of a hidden layer of the workpiece (16); • a property which characterizes a material composition of the workpiece (16); • a property which characterizes a material concentration and / or a material density in the workpiece (16); • a property which characterizes a material state of the workpiece (16); • a property which characterizes a dimensioning of the workpiece (16); or combinations thereof.

Computer program comprising instructions which, when executed on a computer device, cause the computer device to carry out a method (100, 200) according to one of the preceding claims.

Computer-readable storage medium on which a computer program is based Claim 11 is deposited.

Electrical device (10), in particular computer device (10 '), very particularly smart device, with at least one processor device and a storage device, commands being stored on the storage device which, when these are executed by the processor device, cause the electrical device (10) , in particular the computer device (10 '), a method (100, 200) of the previous one Claims 1 - 10 executes.

Electrical device (10) according to Claim 13 , comprising at least one sound sensor (20) for detecting sound signals and providing sound measurement data.

System comprising an electrical device (10) according to Claim 13 and a sensor unit, the sensor unit comprising at least one sound sensor (20) for detecting sound signals and providing sound measurement data.