NL1009997C2

NL1009997C2 - Systeem en werkwijze voor het uitvoeren van op beelden gebaseerde diagnose.

Info

Publication number: NL1009997C2
Application number: NL1009997A
Authority: NL
Inventors: Rajiv Gupta; Christopher James Dailey; Valtino Xavier Afonso; Rasiklal Punjalal Shah
Original assignee: Gen Electric
Priority date: 1997-09-02
Filing date: 1998-09-02
Publication date: 2006-06-16
Also published as: JP4179676B2; DE19829640A1; AU8189598A; JPH11161774A; NL1009997A1; AU755077B2; US6115489A; KR19990029402A; KR100617885B1

Description

SYSTEEM EN WERKWIJZE VOOR HET UITVOEREN VAN OP BEELDEN GEBASEERDE DIAGNOSE

GEBIED VAN DE UITVINDING

5

De onderhavige uitvinding heeft in het algemeen betrekking op foutdiagnose en meer in het bijzonder op het diagnosticeren van fouten uit beelden die zijn gegenereerd door een defecte beeldvormingsmachi-ne.

10

ACHTERGROND VAN DE UITVINDING

In zowel een industriële als commerciële omgeving kan een defecte beeldvormingsmachine een bedrijf ernstig schaden. Het is derhalve 15 essentieel dat een defecte beeldvormingsmachine snel en accuraat wordt gerepareerd. Gewoonlijk wordt, tijdens een defect van een beeldvormingsmachine zoals een ultrageluide, berekende tomografie (CT), of een magnetische-resonantie-beeldvormings(MRI)-machine, een onderhoudstechnicus opgeroepen om de machine te diagnosticeren en te repareren. 20 Kenmerkend kijkt de onderhouds technicus naar een incident-record die door de machine is gegenereerd. De incident-record omvat informatie zoals het type machine, de modaliteit van de machine, en eventuele klantgerelateerde informatie. Verder omvat de incident-record een foutlogboek van gebeurtenissen die optraden tijdens het routinebedrijf 25 alsmede tijdens elke eventueel optredende defectsituatie, en eventuele artefact-beelden die door de machine zijn gegenereerd. Met gebruikmaking van zijn opgebouwde ervaring bij het oplossen van machinedefec-ten, bekijkt de onderhoudstechnicus het foutlogboek en de artefact-beelden en probeert symptomen te vinden die op de fout kunnen wijzen. 30 Dan probeert de onderhoudstechnicus het probleem te corrigeren dat de oorzaak zou kunnen zijn voor het machinedefect. Als het foutlogboek slechts een kleine hoeveelheid informatie omvat, en de gegenereerde artefact-beelden bekend zijn, zal dit proces tamelijk goed werken. Als het foutlogboek echter een grote hoeveelheid onnauwkeurige informatie 35 omvat en de oorzaak van de artefact-beelden onbekend is, zoals gewoonlijk het geval is voor grote complexe inrichtingen, zal het voor de onderhoudstechnicus zeer moeilijk zijn om snel een fout te diagnosticeren. Daarom bestaat er een behoefte aan een systeem en werkwijze die 1009997 2 snel een machinedefect kunnen diagnosticeren aan de hand van een complex foutlogboek en artefact-beelden die een onbekende, daarbij behorende oorzaak hebben.

5 SAMENVATTING VAN DE UITVINDING

Overeenkomstig één uitvoeringsvorm van de onderhavige uitvinding is er een systeem verschaft voor het uitvoeren van een op beelden gebaseerde diagnose. In deze uitvoeringsvorm slaat een databank een 10 veelheid historische beelden op die zijn genomen uit een veelheid machines. De veelheid historische beelden omvat een veelheid ideale beelden die zijn gegenereerd uit de veelheid machines met gebruikmaking van alle mogelijke machine-instellingen. Bovendien omvat de veelheid historische beelden een veelheid artefact-beelden die zijn gege-15 nereerd uit de veelheid machines. Elke van de artefact-beelden heeft daarbij behorende bekende fouten en een corresponderende corrigerende handeling voor het repareren van de fouten. Het systeem omvat tevens een diagnostische eenheid voor het diagnosticeren van een nieuw arte-fact-beeld uit een machine die een onbekende fout heeft. De diagnosti-20 sche eenheid omvat een diagnostische beeldprocessor die middelen omvat voor het vinden van een ideaal beeld uit de veelheid historische beelden dat het dichtst overeenkomt met het nieuwe artefact-beeld. Toewij-zingsmiddelen wijzen een artefact-categorie toe aan het nieuwe artefact-beeld op basis van het overeenkomende ideale beeld. Extra-25 heermiddelen extraheren een artefact-eigenschap uit het nieuwe artefact-beeld overeenkomstig de toegewezen categorie. Bovendien is er een diagnostische foutisolator die middelen omvat voor het genereren van een veelheid metrieken voor de geëxtraheerde artefact-eigenschap. Toepasmiddelen passen de veelheid metrieken toe voor het identificeren 30 van een artefact-beeld uit de veelheid historische beelden dat het dichtst met het nieuwe artefact-beeld overeenkomt en passen een corrigerende handeling voor het repareren van de onbekende fout toe.

Overeenkomstig een tweede uitvoeringsvorm van de onderhavige uitvinding is er een werkwijze verschaft voor het uitvoeren van op 35 beelden gebaseerde diagnose. In deze uitvoeringsvorm wordt een veelheid historische beelden verkregen die uit een veelheid machines zijn genomen. De veelheid historische beelden omvat een veelheid ideale beelden die zijn gegenereerd uit de veelheid machines met gebruikma- 1009997 3 king van alle mogelijke machine-instellingen. Verder omvat de veelheid historische beelden een veelheid artefact-beelden die zijn gegenereerd uit de veelheid machines. Elk van de artefact-beelden heeft daarbij behorende bekende fouten en een corresponderende corrigerende hande-5 ling voor het repareren van de fouten. Een nieuw artefact-beeld uit een machine die een onbekende fout heeft wordt dan ontvangen. Een ideaal beeld uit de veelheid historische beelden wordt gevonden dat het dichtst overeenkomt met het nieuwe artefact-beeld. Een artefact-categorie wordt dan toegewezen aan het nieuwe artefact-beeld op basis 10 van het ideale beeld dat het dichtst overeenkomt met het nieuwe artefact-beeld. Een veelheid metrieken wordt dan gegenereerd voor de arte-fact-categorie die is toegewezen aan het nieuwe artefact-beeld. De veelheid metrieken wordt gebruikt voor het identificeren van een artefact-beeld uit de veelheid historische beelden dat het dichtst over-15 eenkomt met het nieuwe artefact-beeld. Bovendien verschaft de onderhavige uitvinding een corrigerende handeling voor het diagnosticeren van de onbekende fout.

BESCHRIJVING VAN DE TEKENINGEN

20

Figuur 1 toont een blokschema van een op beelden gebaseerd diagnosesysteem volgens de onderhavige uitvinding;

Figuur 2 toont een stroomschema dat de beeldverwerkingsstappen uiteenzet die worden uitgevoerd door de trainingseenheid die is ge-25 toond in figuur 1;

Figuur 3 toont een stroomschema dat de foutisolatieverwerkings-stappen uiteenzet die worden uitgevoerd door de trainingseenheid die in figuur 1 is getoond;

Figuur 4 toont een stroomschema dat de beeldverwerkingsstappen 30 uiteenzet die worden uitgevoerd door de diagnostische eenheid die is getoond in figuur 1; en

Figuur 5 toont een stroomschema dat de foutisolatieverwerkings-stappen uiteenzet die worden uitgevoerd door de diagnostische eenheid die is getoond in figuur 1.

35

GEDETAILLEERDE BESCHRIJVING VAN DE UITVINDING

Het op beelden gebaseerde diagnosesysteem van de onderhavige 1009997 n uitvinding wordt beschreven met verwijzing naar een medische beeldvor-mingsinrichting zoals een ultrageluids-, CT-, of -MRI-machine. Hoewel de onderhavige uitvinding is beschreven met verwijzing naar een medische beeldvormingsinrichting, kan het op beelden gebaseerde diagnose-5 systeem worden gebruikt samen met elke willekeurige beeldvormingsinrichting (chemisch, mechanisch, elektronisch, microprocessor-be-stuurd) die beelden genereert. Figuur 1 toont een blokschema van een op beelden gebaseerd diagnosesysteem 10 volgens de onderhavige uitvinding. Het op beelden gebaseerde diagnosesysteem 10 omvat een databank 10 12 van historische beelden, een trainingseenheid lk, en een diagnosti sche eenheid 16. De trainingseenheid lk omvat een beeldprocessor 18 en een foutisolator 20. De diagnostische eenheid 16 omvat tevens een beeldprocessor 22, en een foutisolator 2k. Zowel de trainingseenheid lk als de_ diagnostische eenheid 16 zijn ingebed in een computer zoals 15 een werkstation. Er kunnen echter andere typen computers worden gebruikt, zoals een mainframe, een minicomputer, een microcomputer, of een supercomputer.

De historische beelden die zijn opgeslagen in de databank 12 omvatten een veelheid ideale beelden 26 van fantomen die zijn gegene-20 reerd uit een veelheid beeldvormingsmachines 28. De veelheid ideale beelden 26 van fantomen wordt gegenereerd door beeldvormingsmachines met gebruikmaking van alle mogelijke sondes en alle mogelijke machine-standaardparameterinstellingen. Het model van de beeldvormingsmachine, de gebruikte sonde, de fantomen die werden afgebeeld, en de parameter-25 instellingen op de beeldvormingsmachines worden samen met de ideale beelden door een onderhoudstechnicus op afstand in de databank 12 ingevoerd. Alternatief kan de machine die de beelden genereert zijn geprogrammeerd om deze informatie in het beeldbestand zelf te zetten, bijvoorbeeld in de kop van het beeld. Derhalve wordt de informatie een 30 integraal deel van de databank 12. Voor op afstand verworven beelden zijn de variabelen, zoals het modeltype, de gebruikte sonde en het gebruikte fantoom, aanwezig in de beelden zelf en kunnen automatisch later door de trainingseenheid 14 worden geëxtraheerd. De parameter-instellingen zijn echter niet discreet en kunnen potentieel een onein-35 dige combinatie van continue waarden aannemen. Derhalve wordt dit anders behandeld dan de andere variabelen. In de onderhavige uitvinding is het aantal machine-instellingen gefixeerd op een eindige reeks. Elk ideaal beeld dat wordt verworven uit het veld wordt bij- 1009997 5 voorbeeld door een onderhoudstechnicus of een eigen technicus geannoteerd met het geschikte label dat de parameterinstellingen van de beeldvormingsmachine specificeert. Voorbeelden van een aantal parameterinstellingen voor een beeldvormingsmachine zijn "abdominale instel-5 ling", "thoracale instelling" en "halsslagader-instelling".

In aanvulling op een veelheid ideale beelden 26 ontvangt de databank 12 een veelheid artefact-beelden 30 die zijn gegenereerd uit de veelheid beeldvormingsmachines 28. Elk van de artefact-beelden 30 zijn resultaten van bekende fouten zoals het lostrekken van een plaat, het 10 installeren van een defecte plaat enzovoorts. Net als de ideale beelden 26 hebben elk van de artefact-beelden 30 variabelen die dit begeleiden, zoals het model van de beeldvormingsmachine, de gebruikte sonde, de fantomen die werden afgeheeld, en de parameterinstellingen op de beeldvormingsmachines. Opnieuw zijn de variabelen zoals het 15 modeltype; de gebruikte sonde, en het gebruikte fantoom aanwezig in de beelden zelf en worden automatisch geëxtraheerd, terwijl de parameter-instellingsvariabele wordt gefixeerd op een eindige reeks en wordt gespecificeerd door een onderhouds technicus of een monteur. Ook worden de veelheid artefact-beelden 30 en begeleidende variabelen op afstand 20 door een onderhoudstechnicus in de databank 12 ingevoerd. Alternatief kan de machine die de artefact-beelden genereert zijn geprogrammeerd om deze informatie in het beeldbestand zelf te zetten, bijvoorbeeld in de kop van het beeld.

In aanvulling op de veelheid artefact-beelden 30 ontvangt de 25 databank een veelheid foutlogboeken en toetsenbordlogboeken 32 die zijn gegenereerd uit de beeldvormingsmachines 28. De foutlogboeken en toetsenbordlogboeken omvatten elk een record van gebeurtenissen van de beeldvormingsmachines die optreden tijdens routinebedrijf en elke eventueel optredende defectsituatie. De foutlogboeken en toetsenbord-30 logboeken vertegenwoordigen een signatuur van het bedrijf van elke beeldvormingsmachine. Elk van de foutlogboeken en toetsenbordlogboeken 32 komt overeen met een van de artefact-beelden 30· Eén van de foutlogboeken en toetsenbordlogboeken kan bijvoorbeeld een reeks gebeurtenissen voor een beeldvormingsmachine omvatten waarvan een plaat is 35 losgetrokken. Een ander foutlogboek en toetsenbordlogboek kan een reeks gebeurtenissen omvatten voor een beeldvormingsmachine die was geïnstalleerd met een defecte plaat. De veelheid foutlogboeken en toetsenbordlogboeken 32 zijn opgeslagen in de databank 12 en worden 1009997 6 gebruikt als historische gevallen die de software- en hardwarefouten documenteren die optreden in de verschillende beeldvormingsmachines 28. Een beschrijving van de verwerking van de historische gevallen wordt later in meer detail uiteengezet.

5 Nadat de veelheid artefact-beelden 30 en foutlogboeken en toet- senbordlogboeken 32 zijn ingevoerd in de databank 12 worden de artefact-beelden onderverdeeld in een veelheid reeksen. In het bijzonder worden de artefact-beelden 30 onderverdeeld in MxPxFxS reeksen, waarbij M het aantal beeldvormingsmachines is, P het aantal sondes is, F 10 het aantal beschikbare fantomen is, en S het aantal machine-instellin-gen is. Aangezien een aantal machines niet met alle sondes of machine-instellingen kunnen werken zal er een aantal lege reeksen zijn. Het onderverdelen van de artefact-beelden 30 in reeksen maakt het gemakkelijker om een historische overeenkomst voor een nieuw artefact-beeld 15 dat een onbekende fout heeft te vinden.

Tot de historische beelden in de databank 12 wordt toegang genomen door de trainingseenheid 14 via de beeldprocessor 18. De beeldpro-cessor 18 verwerkt de veelheid ideale beelden 26 met de veelheid artefact-beelden 30. Figuur 2 toont een stroomschema dat de beeldver-20 werkingsstappen uiteenzet die worden uitgevoerd door de beeldprocessor 18. De beeldverwerkingsstappen beginnen bij 3**. waar de veelheid ideale beelden 26 en veelheid artefact-beelden 30 worden opgezocht in de databank 12. Elk artefact-beeld wordt dan vergeleken met een corresponderend ideaal beeld bij 36. Bij het vergelijkingsproces wordt ge-25 waarborgd dat het machinetype, de sonde, en de machine-instellingen voor de artefact-beelden en ideale beelden hetzelfde zijn.

Voor elke vergelijking wordt het artefact-beeld dan bij 38 in register gebracht met zijn corresponderende ideale beeld. In het bijzonder worden de beelden handmatig verkregen door een sonde van de 30 beeldvormingsmachine op een fantoom te pLaatsen. Een resultaat van de handmatige plaatsing van de sonde is dat er een zekere variabiliteit in de beelden is van de ene verwerving tot de volgende. Het in register brengen wordt gebruikt om de variabiliteit zoveel mogelijk te verwijderen. Met elke eventuele rest-misregister die achterblijft na 35 het in register brengen wordt later rekening gehouden door de catego-risatiestap die hieronder wordt beschreven. In wezen maakt het in register brengen een pixel-tot-pixel-vergelijking mogelijk van beelden die zijn verkregen op verschillende tijden. In de onderhavige uitvin- 1009997 7 ding wordt register bereikt door het artefact-beeld op het ideale beeld te projecteren. Dit brengt het speciferen van ijkmarkeringen of uitlijnmarkeringen in de artefact-beelden met zich mee. De beeldpro-cessor 18 verwerkt dan de relevante gebieden, die door de ijkmarkerin-5 gen zijn gedefinieerd, om een tweedimensionaal punt af te leiden dat kan worden vergeleken met het corresponderende ideale beeld. Meer in het bijzonder neemt de beeldprocessor 18 de centroide van elke ijkmar-kering en gebruikt deze om punt-tot-puntvergelijking met het ideale beeld uit te voeren. Alternatief is het mogelijk om een register uit 10 te voeren door het artefact-beeld tot het corresponderende ideale beeld te verdraaien zodat er een maximale correlatie is. De verdraaiing kan worden bewerkstelligd via een perspectivische, affinering- of starre lichaamstransformatie van het ene beeld om overeenkomst met het andere beeld te verkrijgen.

15 Na het in register brengen wordt elk ideaal beeld bij 40 verwij derd uit het artefact-beeld. In de onderhavige uitvinding wordt het ideale beeld verwijderd met gebruikmaking van een aftrekbewerking. De aftrekbewerking wordt pixel voor pixel uitgevoerd, waarbij het grijsniveau van de ideale beeldpixel wordt weggenomen uit dat van het 20 artefact-beeld. Aangezien het uiteindelijke beeld negatieve getallen kan omvatten na deze bewerking, wordt het afgetrokken beeld gehernor-maliseerd zodat de minimum pixel hierin nul is. De aftrekbewerking heeft een afgetrokken beeld tot resultaat, dat alleen de artefacten omvat. Alternatief kan een filterbewerking vóór de aftrekking op beide 25 beelden worden toegepast om rekening te houden met een eventuele aanwezige rest-misregister tussen de ideale beelden en de artefact-beelden.

Na de aftrekking wordt dan bij k2 een artefact-categorie toegewezen aan elk afgetrokken beeld. Volgens de onderhavige uitvinding is de 30 toegewezen artefact-categorie gebaseerd op een eigen-ruimte-vertegenwoordiging van de afgetrokken artefact-beelden. De eigen-ruimte-verte-genwoordiging wordt bepaald door eerst een covariantiematrix te berekenen. Om de covariantiematrix te berekenen wordt elk afgetrokken beeld vertegenwoordigd door een vector V van pixelwaarden. Voor een n 35 x m beeld zijn de eerste n waarden de n pixels in de eerste rij van het beeld, de volgende n waarden zijn de pixelwaarden in de tweede rij van het beeld, enzovoorts. De gegeven reeks van N afgetrokken beelden wordt vertegenwoordigd door {Vlt V2,... VN}. Het gemiddelde van alle 1009997 8 afgetrokken beelden wordt vertegenwoordigd door Vavg. De covariantiematrix is gedefinieerd door de volgende vergelijking: 5 <Vi - Vavg) · (V, - Vavg) cov(i,j)= - , waarbij (1) n x m 10 i, j € {1,2,...N} en " · " het scalaire produkt aanduidt.

Nadat de covariantiematrix is bepaald wordt deze gebruikt om een orthogonale weergave en een beeldbasis te verkrijgen. De orthogonale weergave en beeldbasis worden verkregen door het uitvoeren van een 15 singuliere-waarde-decompositie (Singular Value Decomposition = SVD) op de covariantiematrix. Alternatief kan een Karhoenen-Loeven-transformatie (KLT)- worden gebruikt om de orthogonale weergave en beeldbasis te bepalen. De KLT is de statistische equivalent van de SVD en behelst de diagonalisatie van de covariantiematrix. Voor een KLT wordt de covari-20 antiematrix vertegenwoordigd door Q en is gedefinieerd als: ' Q = UDVT, waarbij (2) | i ! U en V orthonormaal zijn en D een diagonale matrix is. De kolommen van | 25 V definiëren een nieuwe beeldbasis. Het is een eigenschap van deze nieuwe basisreeks dat de beelden hierin ongecorreleerd zijn. Andere rekenkundig minder intensieve werkwijzen kunnen worden gebruikt om de orthogonale weergave en beeldbasis te verkrijgen. Er kan bijvoorbeeld een discrete cosinustransformatie (DCT) worden gebruikt.

30 De bepaalde beeldbasis wordt dan gebruikt om een weergave voor elk van de afgetrokken artefact-beelden te vinden. In het bijzonder wordt elk van de afgetrokken artefact-beelden weergegeven als een lineaire combinatie van de beelden in de nieuwe basisreeks. Derhalve wordt, als Blt B2,...BN de N basisbeelden zijn, een historisch arte-35 factbeeld I gekarakteriseerd door de coëfficiënten ο^,ο^,.-.α,,, zodat I = 0^+. . .+aNBN, waarbij (3) 40 (at,...aN) een punt in de N-dimensionale ruimte is die is gedefinieerd door {B1,...Bn}. Elk afgetrokken artefactbeeld in de historische data- 1009997 9 bank is vertegenwoordigd door één dergelijk punt. Nadat een weergave is gevonden voor elk van de afgetrokken artefact-beelden, worden clusters van op dichte afstand van elkaar liggende punten in deze hyperruimte aangeduid als artefact-categorieën. Een aantal mogelijke voor-5 beelden van aangeduide artefact-categorieën zijn "flikkerlicht-arte-facten*', "TD-plaat-artefacten", "zoeklicht-artefacten", en "vervor-mings-artefacten". Deze voorbeelden zijn illustratief voor een aantal typen artefact-categorieën die in de onderhavige uitvinding gebruikt kunnen worden en zijn niet bedoeld om uitputtend te zijn. Voor illu-10 stratieve doeleinden zijn sommige van de artefact-categorieën in figuur 1 getoond als fout A, fout B en fout C.

Na de categorisatie extraheert de beeldprocessor 18 een reeks artefact-eigenschappen voor elk van de artefacten bij 44. Artefact-eigenschappen worden geëxtraheerd door eerst elk artefact-beeld dat 15 door de aftrekbewerking is gegenereerd, in het Fourier-domein om te zetten. Het omzetten van de artefact-beelden in het Fourier-domein leidt tot een spectrale signatuur van de artefacten. Veel categorie-specifieke eigenschappen die gemeten kunnen worden, omvatten beeld-homogeniteit, signaal-ruis-verhouding, modulatieoverdrachtsfunctie, 20 resolutie, vervorming, signaaldemping, en textuureigenschappen. De onderhavige uitvinding is niet beperkt tot deze categorie-specifieke eigenschappen en indien gewenst kunnen andere eigenschappen worden gemeten.

Met terugverwijzing naar figuur 2 zendt de beeldprocessor 18, 25 nadat de artefact-eigenschappen voor alle artefact-beelden zijn bepaald, de eigenschappen naar de foutisolator 20 voor de verdere verwerking. Figuur 3 toont een stroomschema dat de verwerkingsstappen uiteenzet die worden uitgevoerd door de foutisolator 20. De foutisolator 20 zoekt eerst bij 46 de foutenlogboeken en toetsenbordlogboeken 30 32 van de databank 12 op. Vervolgens worden de foutlogboeken en toet senbordlogboeken 32 gecombineerd met hun corresponderende artefact-eigenschappen bij 48. De eigenschappen van elk artefact, die gekwantificeerd zijn met gebruikmaking van verscheidende categorie-specifieke metrieken, typeren het syndroom dat bij een actuele fout behoort. De 35 foutlogboeken en toetsenbordlogboeken typeren tevens het syndroom dat bij de actuele fout behoort. Deze drie bronnen van informatie worden gebruikt om een geval voor een geval-gebaseerd redeneringssysteem te genereren. Elke reeks van gecombineerde artefact-eigenschappen en 7009997 10 logboeken genereert bij 50 een historisch geval. De historische gevallen van artefact-eigenschappen en logboeken worden dan bij 52 in de databank opgeslagen en later door de diagnostische eenheid 16 gebruikt om een nieuwe probleemsituatie te diagnosticeren waarin er een nieuw 5 artefactbeeld is gegenereerd uit een beeldvormingsmachine die een onbekende fout heeft.

Met terugverwijzing naar figuur 1 ontvangt de diagnostische eenheid 16 een nieuw artefactbeeld 54 dat is gegenereerd uit een beeldvormingsmachine 56 die een onbekende fout heeft. Bovendien wordt een 10 nieuw foutlogboek en toetsenbordlogboek 58 van de gebeurtenissen die optreden aan de beeldvormingsmachine 56 naar de diagnostische eenheid l6 gezonden. Zowel het nieuwe artefactbeeld 5^ als het nieuwe foutlogboek en toetsenbordlogboek 58 worden door ofwel een onderhoudstechnicus ofwel een afstands-inbelverbinding in de diagnostische eenheid 16 15 in haar beeldprocessor 22 ingevoerd. De beeldprocessor 22 verwerkt het nieuwe artefactbeeld 54 en nieuwe foutlogboek en toetsenbordlogboek 58 met de historische gevallen die in de databank 12 zijn opgeslagen.

Figuur 4 toont een stroomschema dat de beeldverwerkingsstappen uiteenzet die door de beeldprocessor 22 zijn uitgevoerd. Na het ver-20 werven van het nieuwe artefactbeeld doorzoekt de beeldprocessor 22 dan bij 60 de databank 12 en haalt een ideaal beeld terug dat het dichtst met het nieuwe artefactbeeld overeenkomt. De beeldprocessor brengt dan het ideale beeld met het nieuwe artefactbeeld in register bij 62. Zoals hierboven vermeld wordt de register bereikt door het nieuwe 25 artefact-beeld op het ideale beeld te projecteren door het specificeren van ijkmarkeringen in het nieuwe artefact-beeld, en door de markeringen te verwerken om een tweedimensionaal punt af te leiden dat overeenkomt met het ideale beeld. Na registratie wordt het ideale beeld dan bij 64 van het nieuwe artefact-beeld afgetrokken met ge-30 bruikmaking van een aftrek- of filterbewerking. Het afgetrokken beeld wordt weergegeven als een lineare combinatie van dezelfde basisreeks {Blt...BN} en is gedefinieerd als:

Iartefact = 6iBi ,... βΝΒΝ, waarbij (4) 35 het punt {βχ,...βΝ} een ander punt in de ruimte van historische arte-fact-beelden vertegenwoordigt. De afstand van dit punt tot alle arte-factclusters wordt gebruikt om te bepalen bij welke categorie het 1009997 11 inkomende beeld behoort. Een artefact-categorie wordt dan bij 66 aan het afgetrokken nieuwe artefact-beeld toegewezen. Nadat een artefact-categorie is toegewezen, wordt een artefact-eigenschap dan op de hierboven beschreven wijze bij 68 geëxtraheerd van het afgetrokken nieuwe 5 artefactbeeld door de beeldprocessor 22.

Nadat de artefacteigenschap voor het nieuwe artefactbeeld is bepaald, zendt de beeldprocessor 22 de eigenschap naar de foutisolator 2^4 voor verdere verwerking. Figuur 5 toont een stroomschema dat de verwerkingsstappen uiteenzet die worden uitgevoerd door de foutisola-10 tor 24. De foutisolator 24 gebruikt de geëxtraheerde artefact-eigenschap voor het genereren van categorie-specifieke metrieken bij 70. De metrieken worden gebruikt om de fout die ertoe leidt dat de beeldvor-mingsmachine 56 het artefactbeeld 54 produceert, verder te typeren. Vervolgens worden het foutlogboek en toetsenbordlogboek 58 die het 15 nieuwe artefactbeeld 54 begeleiden opgezocht bij 72. De foutisolator 24 doorzoekt dan bij 74 de historische gevallen in de databank 12 voor gevallen die het meest waarschijnlijk met het nieuwe artefact-beeld overeenkomen. Een kandidaatreeks van beelden die het meest waarschijnlijk met het nieuwe artefactbeeld overeenkomen worden gegenereerd bij 20 76. Bovendien worden corrigerende handelingen voor het repareren van de fouten die corresponderen met elk van de kandidaten opgezocht bij 78. Eén type corrigerende handeling zou de veldvervangingseenheid kunnen identificeren binnen de beeldvormingsmachine 56 die vervangen moet worden.

25 De kandidaatreeks van beelden en corresponderende corrigerende handelingen worden gerangschikt in de volgorde van de waarschijnlijkheid van overeenkomst met het nieuwe artefact-beeld en worden aangeboden aan een onderhoudstechnicus bij 80. De onderhoudstechnicus bekijkt dan bij 82 de kandidaatreeksen in de gerangschikte volgorde en bepaalt 30 of de fout die leidt tot het nieuwe artefact-beeld correct is geïdentificeerd. Als de fout correct is geïdentificeerd, dan noteert de foutisolator 24 de diagnose als succesvol bij 84. Als, aan de andere kant, de fout niet correct is geïdentificeerd, dan wordt bij 86 bepaald of er nog meer kandidaatreeksen zijn die geëvalueerd moeten 35 worden. Als er meer kandidaten zijn, dan wordt de volgende kandidaat opnieuw geëvalueerd bij 88 en 82. Deze stappen gaan verder totdat de fout correct is geïdentificeerd. Als echter geen van de kandidaten de fout corrigeren, dan worden het nieuwe artefact-beeld 54 en foutlog- 1009997 12 boek en toetsenbordlogboek 58 bij 90 naar de trainingseenheid 14 gezonden en toegevoegd aan de historische gevallen voor het diagnosticeren van toekomstige fouten. Uiteindelijk zal, als er meer gevallen aan de trainingseenheid l4 worden toegevoegd, het nauwkeurigheidsniveau 5 van het op beelden gebaseerde diagnosesysteem zijn geëgaliseerd en zal het dan onnodig zijn om nog meer gevallen aan de trainingseenheid toe te voegen.

Het is daarom duidelijk dat er overeenkomstig de onderhavige uitvinding een systeem en een werkwijze zijn verschaft voor het uit-10 voeren van op beelden gebaseerde diagnose die volledig voldoen aan de doelstellingen en voordelen en oogmerken die hierboven uiteen zijn gezet. De uitvinding is beschreven met verwijzing naar verscheidene uitvoeringsvormen, maar het zal duidelijk zijn dat variaties en modificaties bewerkstelligd kunnen worden door een persoon met gebruike-15 lijke technische vakkennis zonder af te wijken van de reikwijdte van de uitvinding.

1009997

Claims

1. Systeem 10 voor het uitvoeren van een op beelden gebaseerde diagnose van een machine 56, omvattende: 5 een databank 12 omvattende een veelheid historische beelden die uit een veelheid machines 28 zijn genomen, waarbij de veelheid historische beelden een veelheid ideale beelden 26 omvat die uit de veelheid machines 28 zijn gegenereerd met gebruikmaking van alle mogelijke machine-instellingen, en een veelheid artefact-beelden 30 die uit de 10 veelheid machines 28 zijn gegenereerd, waarbij elk van de artefact-beelden 30 bekende, daarbij behorende fouten heeft en een corresponderende corrigerende handeling voor het repareren van de fouten; en een diagnostische eenheid 16 voor het diagnosticeren van een nieuw artefact-beeld 54 uit een machine 56 die een onbekende fout 15 heeft, waarbij de diagnostische eenheid 16 een diagnostische beeldpro-cessor 22 omvat, omvattende middelen voor het vinden van een ideaal beeld uit de veelheid historische beelden dat het meest overeenkomt met het nieuwe artefact-beeld 54, middelen voor het toewijzen van een artefact-categorie aan het nieuwe artefact-beeld 54 op basis van het 20 overeenkomende ideale beeld, en middelen voor het extraheren van een artefact-eigenschap uit het nieuwe artefact-beeld 54 volgens de toegewezen categorie; en een diagnostische foutisolator 24 omvattende middelen voor het genereren van een veelheid metrieken voor de geëxtraheerde artefact-eigenschap en middelen voor het toepassen van de veel-25 heid metrieken voor het identificeren van een artefact-beeld uit de veelheid historische beelden dat het meest overeenkomt met het nieuwe artefact-beeld 54 en een corrigerende handeling voor het repareren van de onbekende fout.

2. Systeem 10 volgens conclusie 1, verder omvattende een trai-30 ningseenheid 14 die is gekoppeld met de databank 12 en de diagnostische eenheid 16, waarbij de trainingseenheid 14 een trainingsbeeldpro-cessor 18 omvat, omvattende middelen voor het verkrijgen van de veelheid artefact-beelden 30 en de veelheid ideale beelden 26, middelen voor het vergelijken van elk van de veelheid artefact-beelden 30 met 35 een corresponderend ideaal beeld, middelen voor het toewijzen van een artefact-categorie aan elke overeenkomst, en middelen voor het extraheren van een artefact-eigenschap uit elke overeenkomt overeenkomstig de toegewezen categorie. 1009997 « V

3· Systeem 10 volgens conclusie 2, waarbij de trainingsbeeldpro-cessor 18 verder middelen omvat voor het in register brengen van het artefact-beeld met zijn bekende fout met het corresponderende ideale beeld en middelen voor het verwijderen van het corresponderende ideale 5 beeld uit het in register gebrachte beeld.

4. Systeem 10 volgens conclusie 2, waarbij de trainingseenheid 14 verder een trainingsfoutisolator 20 omvat die is gekoppeld met de trainingsbeeldprocessor 18 om de geëxtraheerde artefact-eigenschappen in historische gevallen te isoleren. 10

5· Systeem volgens conclusie 4, waarbij de databank verder een veelheid foutlogboeken omvat die zijn gegenereerd uit de veelheid machines, waarbij elk van de veelheid foutlogboeken data omvat die representatief zijn voor gebeurtenissen die tijdens het bedrijf van de machines optreden.

6. Systeem volgens conclusie 5« waarbij de trainingsfoutisolator de geëxtraheerde artefact-eigenschappen en foutlogboeken in historische gevallen combineert.

7. Systeem 10 volgens conclusie 1, waarbij de diagnostische beeldprocessor 22 verder middelen omvat voor het in register brengen 20 van het nieuwe artefact-beeld 54 op het overeenkomende ideale beeld en middelen voor het verwijderen van het corresponderende ideale beeld uit het in register gebrachte beeld.

8. Systeem volgens conclusie 1, waarbij de diagnostische foutiso-lator middelen omvat voor het ontvangen van een foutlogboek dat is 25 gegenereerd uit de machine die de onbekende fout heeft, waarbij het foutlogboek data omvat die representatief zijn voor gebeurtenissen die tijdens bedrijf van de machine optreden.

9. Systeem volgens conclusie 8, waarbij de diagnostische foutiso-lator gebruik maakt van het foutlogboek om de veelheid metrieken te 30 genereren.

10. Systeem volgens conclusie 1, waarbij de diagnostische eenheid verder middelen omvat voor het toevoegen van nieuw geïdentificeerde artefact-beelden en overeenkomstige corrigerende handelingen aan de veelheid artefact-beelden in de databank. 35

11· Werkwijze voor het uitvoeren van een op beelden gebaseerde diagnose van een machine 56, omvattende de stappen van: verkrijgen van een veelheid historische beelden die uit een veelheid machines 28 zijn genomen, waarbij de veelheid historische beelden 1009997 % een veelheid ideale beelden 26 omvat die uit de veelheid machines 28 zijn gegenereerd met gebruikmaking van alle mogelijke machine-instellingen en een veelheid artefact-beelden 30 die uit de veelheid machines 28 zijn gegenereerd, waarbij elk van de artefact-beelden 30 beken-5 de, daarbij behorende fouten heeft en een corresponderende corrigerende handeling voor het repareren van de fouten; en ontvangen van een nieuw artefact-beeld 5^ uit een machine 56 die een onbekende fout heeft; vinden van een ideaal beeld uit de veelheid historische beelden 10 dat het dichtst met het nieuwe artefact-beeld 5** overeenkomt; toewijzen van een artefact-categorie aan het nieuwe artefact-beeld 5^ op basis van het ideale beeld dat het dichtst met het nieuwe artefact-beeld 5^ overeenkomt; genereren van een veelheid metrieken voor de artefact-categorie 15 die is tohgewezen aan het nieuwe artefact-beeld 5^* en gebruik maken van de veelheid metrieken voor het identificeren van een artefact-beeld uit de veelheid historische beelden dat het meest overeenkomt met het nieuwe artefact-beeld 5^ en een corrigerende handeling voor het repareren van de onbekende fout.

12. Werkwijze volgens conclusie 11, waarbij de stap van het ver krijgen van de veelheid historische beelden de stappen omvat van: vergelijken van elk van de veelheid artefact-beelden 30 met een corresponderend ideaal beeld dat uit de veelheid ideale beelden 26 is genomen; 25 toewijzen van een artefact-categorie aan elke overeenkomst; en extraheren van een artefact-eigenschap uit elke overeenkomst.

13· Werkwijze volgens conclusie 12, verder omvattende de stappen van: in register brengen van het artefact-beeld met zijn bekende fout 30 met het corresponderende ideale beeld; en verwijderen van het corresponderende ideale beeld uit het in register gebrachte beeld.

14. Werkwijze volgens conclusie 11, verder omvattende de stap van het bepalen van een artefact-eigenschap voor het nieuwe artefact-beeld 35 51*.

15. Werkwijze volgens conclusie 11, verder omvattende de stappen van: in register brengen het nieuwe artefact-beeld 5^ met een corres 1009997 » «* ponderend ideaal beeld; en verwijderen van het corresponderende ideale beeld uit het in register gebrachte beeld.

16. Werkwijze volgens conclusie 11, verder omvattende de stap van 5 het toevoegen van nieuw geïdentificeerde artefact-beelden en corresponderende corrigerende handelingen aan de veelheid artefact-beelden in de veelheid historische beelden.

17· Werkwijze volgens conclusie 11, verder omvattende de stap van het invoeren van een foutlogboek van de machine die de onbekende fout 10 heeft, waarbij het foutlogboek data omvat die representatief zijn voor gebeurtenissen die optreden tijdens het bedrijf van de machines. l8. Werkwijze volgens conclusie 17, waarbij het ingevoerde foutlogboek wordt gebruikt voor het genereren van de veelheid metrieken voor het nieuwe artefact-beeld. ***** 1009997