用于在听力设备中识别故障的方法和系统与流程

1.本发明涉及一种用于在听力设备中识别故障的方法和一种系统。


背景技术：

2.听力设备通常用于照顾听力受损的用户。为此，听力设备具有麦克风，麦克风接收来自环境的声音并且产生电输入信号。电输入信号被输送至听力设备的信号处理装置以进行修改。信号处理装置优选是控制单元的一部分。修改尤其根据与听力设备相关联的、用户的个性化的听力图进行，从而补偿用户的个性化的听力缺陷。信号处理装置因此输出电输出信号，电输出信号然后通过听力设备的听筒又转换为声音，并且输出至用户。
3.听力设备易于以各种各样的方式产生故障。听力设备通常由大量单个部件组装成，这些部件有时也针对听力设备的相应的用户被单独选择或调整。有问题的是，不知不觉或无意地选择了不是针对用户设置的错误的部件。此外，若干单个部件在听力设备的使用过程中会磨损，这也是有问题的。用户通常是外行，无法轻松可靠地确定听力设备的部件的正常运行的状态。在某些情况下，用户可能无法按规定维护或维修其听力设备。
4.在de 10 2018 202 429 b3中描述了一种用于调整听力系统的参数的方法。在听力辅助设备上安装用于与听力设备佩戴者的耳朵声耦合的构件。借助照相机拍摄用于声耦合的构件的图像，并根据拍摄的图像识别构件的产品标识。
5.在ep 3 435 689 a1中描述了一种用于助听器的设备。识别单元识别助听器的特性，并且控制单元基于该特性控制助听器的设置过程。


技术实现要素：

6.基于该背景，本发明所要解决的技术问题在于，说明一种方法，借助该方法可以尽可能简单地在听力设备中识别故障。该方法尤其应该适用于日常使用，并且能够使听力设备的用户在很大程度上或完全自动识别听力设备上的故障。
7.根据本发明，该技术问题通过具有根据本发明的特征的方法和通过具有根据本发明的特征的系统来解决。有利的设计方案、扩展方案和变型方案是从本发明的内容。根据意义，与方法相关的实施方案也适用于系统，反之亦然。如果下面描述该方法的方法步骤，那么尤其以如下方式得到系统的有利的设计方案，即该系统被构造为用于实施这些方法步骤中的一个或多个。
8.本发明的核心构思尤其是借助图像比较来识别故障。
9.该方法用于在听力设备中识别故障。在方法中，提供听力设备的部件的实际图像。替换地，部件也被称为构件。此外，在该方法中，分析单元实施图像比较，在图像比较中，将实际图像与一个或多个参考图像比较。参考图像分别示出处于状态中的部件，从该状态中预先已知部件是有故障的还是无故障的。相应的参考图像的部件通常是听力设备的部件，然而非强制性地是用户的听力设备的特定部件。在方法的范围内，分析单元现在将与最类似于实际图像的参考图像相关联的状态确定为实际图像的部件的状态，从而识别出部件是
有故障的还是无故障的。
10.如果部件是无故障的，那么部件的状态是无故障的，并且该部件的实际图像或参考图像示出了处于无故障的状态中的部件。相反地，如果部件是有故障的，那么部件的状态是有故障的，并且该部件的实际图像或参考图像示出了处于有故障的状态中的部件。在有故障的状态中的部件尤其具有故障。该故障适宜地是预先已知的，但自身原则上首先足够用于识别部件是有故障的，而无需更准确地知道故障。
11.听力设备优选用于照顾听力受损的用户。为此，听力设备具有麦克风，麦克风接收来自环境的声音并且产生电输入信号。电输入信号被输送至听力设备的信号处理装置以进行修改。修改尤其根据与听力设备相关联的、用户的个性化的听力图进行，从而补偿用户的个性化的听力缺陷。信号处理装置因此输出电输出信号，电输出信号然后通过听力设备的听筒又转换为声音，并且输出至用户。
12.在常规的使用中，听力设备由用户佩戴在耳朵中或耳朵上。在一种设计方案中，听力设备是具有两个单设备的双耳听力设备，单设备佩戴在头的不同的侧面上。但单耳设计方案同样是可能的。在用于识别故障的方法期间，听力设备适宜地没有被用户佩戴，而是取下的。但在听力设备由用户佩戴期间的应用该方法同样是可能的，并且也是有利的。
13.本发明尤其基于以下观察，即在专业人员、例如声学家或所谓的“听力保障专家”中，使听力设备匹配于用户的个性化的需求，专业人员在调整时可以考虑到他或她的经验，以便避免或解决典型的问题。例如，已经基于经验选择尽可能最佳的听力设备和其部件、如听筒软管、耳塞、壳体形状、听筒等。非最佳的、即错误的选择相应地会损害听力设备对用户的有用性。但在进一步的过程中，由专业人员通常基于经验来进行故障识别、即识别以下故障：如缺陷、污染、损坏、磨损、错误的组装等。故障通常是部件的错误的选择、部件与另一部件的有故障的接合或由于错误的操作、清洁或组装而随时间发生的故障。故障的具体的示例是由于听力设备清洁不充分而通过耳垢造成的污染、在清洁听力设备后的不正确的组装、电池错误地安置到听力设备中、部件的缺陷等。如果故障未被识别或没有被正确地识别，那么根据具体的故障，这相应对听力设备的用户具有负面影响。
14.在此，许多故障通常可以以简单的方式消除，并且必要时，用户本身也可以利用指导轻松实施修正。然而，对故障的前述的、尽可能可靠的和正确的识别是有问题的。这不能由用户本身轻松实现。本发明在此起作用并且提供一种解决方案，借助该解决方案，在故障识别方面对用户进行支持。本质上，借助图像比较实施听力设备的一个或多个部件的自动诊断，并且就此而言，使通过专业人员进行的故障识别自动化。由此避免由专业人员进行耗费的检查，用户不必明确地寻找专业人员，而是可以现场自动识别听力设备上的故障。寻找专业人员因此是不必要的，并且有利地将其取消。故障识别可以在没有专业人员的情况下由用户单独实施。由此尤其得到时间节约和更高的用户满意度。此外，如果听力设备的调整不是由专业人员进行，而是由在这方面不熟练的、随后在调整中得到相应支持的服务人员进行，那么在此描述的解决方案是有利的。以该方式可以减少不满、投诉和退货。
15.因此，本发明的优点尤其是，用户不必联系或寻找用于识别故障的专业人员，用以尤其识别听力设备上的简单的、不重要的和日常的故障。通过专业人员进行的故障识别在此由自动化的方法代替，该自动化的方法尤其可以由用户本身启动，并且有利地不需要专业人员参与。专业人员的经验在此通过部件与一定数量的参考图像的图像比较代替，可以
说，该经验存储在参考图像中。“一定数量的”通常理解为“一个或多个”。优选存在多个参考图像。拍摄具体待检验的部件的实际图像，以便随后在在此描述的方法的范围内将实际图像与该或其他的、尤其是类似的部件的存储的参考图像进行比较，并且因此根据类似的和预先已知的情况以足够的概率识别待检验的部件的状态。
16.实际图像优选借助照相机产生，要么作为方法的一部分要么单独地产生。适当地，照相机可以由用户操作，从而用户可以触发照相机，并且由此使照相机产生实际图像。照相机例如是网络摄像头，或者附加设备的照相机。适当的附加设备是智能手机。在实际图像上示出部件，针对该部件应该实施故障识别。实际图像不必强制性地仅示出该部件，而是在同样适当的设计方案中示出多个尤其相互连接的部件或甚至整个听力设备。部件例如是听力设备的壳体、耳塞、声音软管、连接线、听筒或其组合。用于声音软管的实施方案尤其也适用于连接线，反之亦然。原则上，单个实际图像已经是足够的，但在有利的设计方案中拍摄多个实际图像尤其作为视频，从而使得实际图像尤其在不同视图中示出部件。由此故障识别变得更准确。
17.参考图像优选存储在数据库中，该数据库是分析单元的一部分，或分析单元例如通过wlan或互联网访问数据库。相应的参考图像示出了听力设备的一个可能的部件或多个部件的组合。在此，对于相应的部件的分别不同的设计方案，优选也存储了相应的参考图像。参考图像例如是处于各种状态下的真实部件的先前产生的图像。此外还针对每个参考图像存储有信息，该信息与参考图像相关联，并且说明在参考图像上示出的部件或部件的组合是无故障的还是有故障的，并且在后一种情况下适宜地附加地说明具体存在何种故障。因此，数据库是预先已知的并且在实际图像的具体的情况下用作故障识别的基础的参考状态的数据库。
18.在分析单元中，尤其以程序技术或电路技术实现由分析单元实施的方法步骤或其组合。例如，分析单元为此被构造为微处理器或asic或其组合。分析单元通常是计算机、例如智能手机或通常附加设备的一部分，附加设备可以通过数据连接与听力设备连接。在另一适当的设计方案中，分析单元是听力设备的一部分。在另一适当的变型方案中，分析单元是听力设备的充电设备的一部分。在该意义中，充电设备和听力设备也分别表示计算机。
19.实际图像被输送到分析单元，并且由分析单元在图像比较的范围内关于可能的故障进行评估。适宜地，根据自身已知的用于识别图像的方法确定类似性。当前，如何具体实施图像比较是不重要的。重要的仅仅是，根据用于量化实际图像与相应的参考图像的类似性的合适的量度，找到与实际图像最类似的参考图像。该参考图像最有可能说明实际图像上的部件的实际状态，从而根据与参考图像相关联的信息以相应的概率推断出部件的状态，即所述部件是否是无故障的。参考图像因此表示可能的状态的集合，在图像比较时，分析单元从若干可能的状态中选出最可能的状态。以该方式实现简单的和自动的故障识别，其不需要专业人员的动作，并且有利地仅可以由用户启动。
20.参考图像不必强制性地示出有故障的状态。在适当的设计方案中，参考图像中的至少一个是没有故障并且因此处于无故障的状态中的部件的图像，从而在实际图像与该参考图像一致的情况下识别出没有故障并且将部件识别为无故障的。以该方式正面地确定不存在故障。
21.然而有意义的是，替换地或附加地，使用这种示出有故障的状态的参考图像。在适
当的设计方案中，参考图像中的至少一个是具有特定的故障并且因此处于有故障的状态中的部件的图像，从而在实际图像与该参考图像一致的情况下识别出存在故障并且将部件识别为具有该故障。因此，通过图像比较具体确定实际图像上的部件具有的故障，从而用户然后可以有针对性地修正有故障的状态。
22.该方法也可以有利地用于检验，是否从多个可能的部件中正确地并且针对用户适当地选出部件。在适当的设计方案中，相应从一定数量的不同的部件中单独选出用户的目标部件，并且参考图像中的至少一个是目标部件的图像，从而如果部件不相应于目标部件，那么分析单元识别出该部件是有故障的。例如，部件是声音软管或耳塞，其依据用户的耳朵或耳道的形状从一定数量的用于不同形状的耳朵或耳道的多个不同的声音软管或耳塞中选出。例如在专业人员方面的先前调整的范围内，目标部件作为预定(vorgabe)被告知分析单元或已经存储在分析单元中。以下设计方案也是适当的，在该设计方案中，例如在放置或安置的状态下，部件与用户、特别是用户的耳朵或耳道一起显示在实际图像上。在此，尤其在自动选择的范围内，适宜地根据用户在实际图像中选出目标部件，并且将其作为预定告知分析单元。在此，例如从多个部件及其参考图像中选出最合适的，并且将关联的参考图像用作预定。分析单元随后通过图像比较来识别实际图像上的部件是否也实际上相应于预定、例如专业人员的预定或根据实际图像自动确定的预定。如果不是这种情况，那么部件在个别情况下对用户来说是有故障的。
23.在适当的设计方案中，部件是用于放置到用户的耳道中的耳塞。在适宜的设计方案中，耳塞是所谓的圆顶件(dome)，圆顶件通常由软的材料构成，即该材料在导入耳道中时变形，并且匹配于耳道的形状。耳塞尤其在端部侧放置到听筒或声音软管上，并且其插入耳道中。根据听力设备的类型和耳道的形状，耳塞有时具有明显的差异。对于用户来说经常个性化地选择耳塞。特别是在双耳听力设备中，有时也将不同的耳塞分配给两个相关联的单设备，从而在此借助该方法有利地识别，相关联的耳塞是否也连接至相应的单设备。因此有利地避免了耳塞的左右混淆。
24.用于前述的用于检验部件的选择的设计方案的优选的应用情况是，给具有听力设备的用户提供多个不同的耳塞，但是应该特别地使用耳塞中的一个。例如，听力设备的信号处理装置的最佳的调节取决于耳塞。分析单元通过所描述的图像比较来确保，用户实际上也使用所设置的耳塞。例如，分析单元要求用户将耳塞与听力设备连接，并且在此之前或之后产生该耳塞的实际图像。分析单元随后通过图像比较来识别，用户是否无错误地选择所需的耳塞或者用户的选择是否是有错误的。
25.在适当的设计方案中，部件是听力设备的壳体，并且壳体具有麦克风开口，从而由分析单元识别麦克风开口是否是堵塞的。因此，一个或多个参考图像示出具有畅通无阻的麦克风开口或堵塞的麦克风开口或其组合的壳体。麦克风开口在使用过程中例如由于用户对听力设备的清洁不足而堵塞。在堵塞的麦克风开口中、即在堵塞的状态中，壳体是有故障的，并且听力设备的运行可能不是最佳的。相反地，在畅通无阻的麦克风开口中、即在未堵塞的畅通无阻的状态中，壳体至少在这方面中是无故障的。
26.在适当的设计方案中，部件的污染、尤其是利用耳垢的污染是一种故障，其以如下方式来识别，即参考图像中的一个是处于干净的或污染的状态中的部件的图像。在无故障的状态下，部件是干净的，在有故障的状态中相反地是污染的。由此，参考图像是用耳垢污
染的或干净的部件的图像，其中，后一种情况由于有时强烈变化的污染而是特别有利的。污染的识别特别是在耳塞的情况下是有利的，因为耳塞通常特别受到污染、特别是耳垢污染的影响。
27.结合如在前述的设计方案中对污染的识别，以下设计方案是有利的，在该设计方案中，在用户清洁部件之后，分析单元要求用户拍摄部件的实际图像，从而分析单元随后在故障识别的范围内有效地检验用户对部件的正确的清洁。
28.在适当的设计方案中，部件的损坏是一种故障，其以如下方式来识别，即参考图像中的一个是处于未损坏的或损坏的状态中的部件的图像。例如，随着时间的推移，在耳塞或声音软管上出现损坏。损坏的部件必须立即或不久被更换，从而相应的故障识别在此是有利的。
29.在适当的设计方案中，部件与听力设备的另外的部件的错误的或有缺陷的连接(也被称为接合)是一种故障，其以如下方式来识别，即参考图像中的一个是具有无故障的或有故障的连接的两个部件的图像。因此，分析单元确定部件是无故障地还是有故障地接合。这特别有利于耳塞或声音软管等。部件与另外的部件的连接尤其以如下方式检验，即在实际图像上并且相应地在一个或多个参考图像上分别示出多个部件或甚至整个听力设备。
30.前述的设计方案的应用情况是，检验听力设备的电池是否正确放置到听力设备的电池盒中。电池是听力设备的部件，其相对于电池盒的布置由此是相应有故障的或无故障的连接。
31.通过分析单元借助图像比较进行的故障识别由用户本身启动，或不时地或在特定的时间点自动启动，或由专业人员例如在远程维护的范围内启动，或其组合。例如，该方法可以由用户从智能手机或其他的附加设备上的应用程序启动或自动启动。
32.在适当的设计方案中，为了定期重复地识别故障，分析单元定期重复地要求用户拍摄并且提供实际图像。这是基于以下考虑，即不时地检验部件的状态是有利的。在设计方案中，“定期重复”被理解为在固定的时间间隔中或在特定的时间点、例如每24小时或每周一次或者在放置或取出听力设备时等多次实施方法。由此实现定期检验部件是否存在可能的故障。
33.以下设计方案也是有利的，在该设计方案中，在用户要求的故障排除(trouble-shooting)(即故障识别和消除)的范围内例如借助智能手机或其他的附加设备上的应用程序实施该方法。在适当的设计方案中，在借助调查表(fragebogen)从用户接收到指出听力设备存在问题的输入之后，为此将实际图像与一个或多个参考图像比较。优选地，一旦相应的输入或查询指出用户有听力设备的问题，那么分析单元向用户输出调查表。调查表包含一个或多个问题，这些问题适宜地被设计为，使得在图像识别之前确定哪个部件预计是有故障的，从而有针对性地要求该部件的实际图像。此外适宜地，通过一个或多个问题也已经对故障进行了限定，从而仅考虑参考图像的与该故障相关的子集。
34.除了故障识别以外还附加地能够通过用户来修正其故障，即故障识别之后是错误消除，该方法是特别适宜的。在适当的设计方案中，如果已识别出部件是有故障的，那么为此向用户输出用于修正部件的状态的指导。相应依据部件和故障选择指导，例如，每个示出处于有故障的状态中的部件的参考图像与适当的指导相关联，指导随后例如通过将指导显示在附加设备的屏幕上而被输出给用户。指导例如包括清洁部件或发送到服务点的指令，
或关于如何清洁或修理部件的指导。
35.在特别优选的设计方案中，借助照相机(其是听力设备的充电设备的一部分)产生实际图像，并且当听力设备与充电设备连接用以充电时，优选当将听力设备与充电设备连接用以充电时，自动产生实际图像。充电设备优选是充电座(ladeschale)。适宜地，充电设备被构造为，使得听力设备在充电时放置在充电设备中，从而使听力设备的耳塞可以由照相机拍摄。在有利的设计方案中，在放置的听力设备中，随后产生耳塞的实际图像，并且然后利用该实际图像实施图像比较，以便确定耳塞是处于有故障的还是无故障的状态中，尤其耳塞是否是污染的。以该方式，尤其在听力设备在一天结束时被取下的情况下，自动实施故障识别，并且在出现错误时适宜地向用户输出相应的消息。
36.该方法特别受益于使用学习机(lernmaschine)，通过该学习机随着时间的推移自动改进识别。学习机要么是分析单元的一部分，要么单独地构造。适宜地，学习机是系统的一部分。学习机当前专门有益地放置在两个原则上相互独立的位置中：在适当的设计方案中，学习机用于将实际图像与一个或多个参考图像进行比较。替换地或附加地，在适当的设计方案中，借助学习机产生附加的参考图像。在组合时，要么使用两个单独的学习机，要么单个学习机同时用于两个应用。
37.如果学习机用于将实际图像与一个或多个参考图像进行比较，那么该学习机适宜地被构造为，使得该学习机在定期重复地实施该方法时自动识别实际图像中的合适的特征，以便将实际图像与参考图像比较。学习机因此用于识别表征实际图像和参考图像中的部件的特征。这些特征不一定是预先已知的，而是由学习机在训练方法中尤其预先学习到。为此，学习机被给予大量具有处于已知的状态中的部件的参考图像作为训练数据。根据训练数据，学习机识别表征处于相应的状态中的相应的部件的特征。随后，在分析单元的图像比较中使用这些特征，以便确定实际图像与参考图像的类似性。
38.如果借助学习机产生附加的参考图像，那么该学习机将已确定其状态的部件的实际图像存储为处于相同状态中的这种部件的附加的参考图像。由此，持续以另外的参考图像扩大数据库，从而故障识别持续变得更准确。
39.以下设计方案是适宜的，在该设计方案中，多个分析单元共同访问数据库，从而具有可能也不同的听力设备的不同的用户可以基于共同的参考图像实施故障识别。特别有利的是，如上所述，多个分析单元借助学习机将新的参考图像持续添加到数据库中。
40.根据本发明的系统具有如上所述的分析单元，其被构造为用于实施同样如上所述的方法。该系统适当地是如上所述的附加设备或听力设备。如果系统被构造为用于实施一个或多个方法步骤，那么为此尤其相应地构造分析单元。
41.该技术问题尤其也通过包含可实施的程序的计算机程序产品来解决，该程序在安装在计算机上时自动实施如上所述的方法。根据意义，以上关于方法和系统的实施方案也适用于计算机程序产品，反之亦然。计算机程序产品的示例是用于智能手机的应用程序或用于听力设备或充电设备的软件。
附图说明
42.随后根据附图详细阐述本发明的实施例。附图中分别示意性地：
43.图1示出了听力设备；
44.图2示出了用于识别故障的方法；
45.图3示出了一种系统；
46.图4示出了另外的系统；
47.图5示出了错误的选择的识别；
48.图6示出了堵塞的识别；
49.图7示出了损坏的识别
50.图8示出了错误的连接的识别；
51.图9示出了具有调查表的根据图4的系统；
52.图10示出了具有指导的根据图4的系统。
具体实施方式
53.图1示出了听力设备2的实施例，听力设备用于照顾听力受损的并且未明确示出的用户。为此，听力设备2具有麦克风，麦克风布置在麦克风开口4的后方并且接收来自环境的声音并且产生电输入信号。电输入信号被输送至听力设备2的信号处理装置6以进行修改。修改在此根据与听力设备2相关联的用户的个性化的听力图进行，从而补偿用户的个性化的听力缺陷。信号处理装置6因此输出电输出信号，电输出信号然后通过听力设备2的听筒8又转换为声音，并且输出至用户。在常规的使用中，听力设备2由用户佩戴在耳朵中或上。
54.此外，听力设备2具有耳塞10，其在此是所谓的圆顶件。听筒8和耳塞10通过连接线12与听力设备的壳体14连接。在未示出的变型方案中，听筒8安置在壳体14中，并且耳塞10与壳体14中的听筒8通过声音软管而不是连接线12连接。连接线12的实施方案类似地也适用于声音软管，反之亦然。此外，在壳体14中在未明确表示的电池盒中安置有电池16。
55.所示的听力设备2是具有两个单设备18的双耳听力设备2，单设备佩戴在头的不同的侧面上。但具有仅一个单设备18的单耳设计方案同样是可能的，然而未明确示出。在用于识别故障的方法期间，听力设备2当前没有被用户佩戴，而是取下的。但在听力设备2由用户佩戴期间的应用该方法同样是可能的，然而未明确示出。
56.图2示出了用于在听力设备2中、例如在根据图1并且示例性地具有作为部件k的耳塞10的听力设备2中识别故障的方法。在该方法中，在第一步骤s1中，提供部件k的实际图像ib。此外，在该方法中，在第二步骤s2中，分析单元20实施图像比较，其中，将实际图像ib与一个或如在此示出的那样多个参考图像rb比较。参考图像rb分别示出处于状态z中的部件k，从该状态中预先已知部件k是有故障的还是无故障的。图2示例性地示出了两个不同的状态z，在一个状态中，部件k是无故障的、在此是干净的，并且在另一状态中是有故障的、在此是污染的。图2仅示出了另外的参考图像rb。相应的参考图像rb的部件k通常是听力设备2的部件k，然而非强制性地是用户的听力设备2的特定部件k。在方法的范围内，在第三步骤s3中，分析单元20现在将与最类似于实际图像ib的参考图像rb相关联的状态z确定为实际图像ib的部件k的状态z，从而识别出部件k是有故障的还是无故障的。在图2所示的情况下，分析单元20识别出部件k是无故障的，因为存在与示出无故障的部件k的参考图像rb的最大的类似性。
57.部件k的错误的选择或由于不正确的操作、清洁或组装而随时间发生的故障会损害听力设备2对用户的有用性。在此介绍的方法通过借助图像比较实现的故障识别来避免
这一点。许多故障通常可以以简单的方式消除，并且必要时，用户本身也可以利用指导a轻松实施修正。借助在此描述的方法，在识别有故障的部件k方面对用户进行支持。本质上，借助图像比较实施听力设备2的一个或多个部件k的自动诊断。用户不必明确地寻找专业人员，而是可以现场自动识别听力设备2上的故障、特别是简单的、不重要的和日常的故障。在此描述的故障识别可以由用户本身启动，而不需要专业人员参与。
58.实际图像ib当前借助照相机22产生，要么作为方法的一部分，要么单独地产生，并且要么通过用户要么自动地产生。照相机22例如是网络摄像头，或者如图3所示是附加设备24的照相机22，附加设备在图3中具体是智能手机。在图3中，照相机22以虚线示出，因为照相机位于附加设备24的后侧。
59.应该对其实施故障识别的部件k显示在实际图像ib上。实际图像ib不必强制性地仅显示部件k，而是在同样可能的设计方案中显示多个例如相互连接的部件k或甚至整个听力设备2。部件k例如如在图1中可识别的那样是听力设备2的壳体14、耳塞10、声音软管、连接线12、听筒8或它们的组合。原则上，单个实际图像ib已经是足够的，但在未明确示出的设计方案中拍摄多个实际图像ib尤其作为视频，从而使得实际图像ib例如在不同的视图中示出部件k。
60.参考图像rb优选存储在数据库26中，该数据库是分析单元20的一部分，或分析单元20如例如在图3中示出的那样例如通过wlan或通过互联网访问数据库。相应的参考图像rb示出了听力设备2的一个可能的部件k或多个部件k的组合。在此，对于相应的部件k的分别不同的设计方案，也存储了相应的参考图像rb。此外还针对每个参考图像rb存储有信息，该信息与参考图像rb相关联，并且说明部件k的状态z，即在参考图像rb上示出的部件k是无故障的还是有故障的，并且在一种扩展方案中附加地说明具体存在何种故障。因此，数据库26是预先已知的并且在实际图像ib的具体的情况下用作故障识别的基础的参考状态的数据库26。
61.分析单元20通常是计算机、例如如在图3中示出的那样的智能手机或通常附加设备24的一部分，附加设备可以通过未明确示出的数据连接、例如通过蓝牙与听力设备2连接。在未明确示出的变型方案中，分析单元20是听力设备2的一部分。在图4中示出的另外的变型方案中，分析单元是充电设备的一部分，充电设备是附加设备24。在图3和图4中，相应的具有分析单元20的附加设备24形成系统28，其中，分析单元20被构造为用于实施在此描述的方法。
62.在图4的实施例中，借助照相机22(其是听力设备2的充电设备的一部分)产生实际图像ib，并且当听力设备2与充电设备连接用以充电时，在此特别是在将听力设备2与充电设备连接用以充电时，自动产生实际图像ib。充电设备通常是附加设备24，并且在图4中特别是充电座。充电设备被构造为，使得听力设备2在充电时放置在充电设备中，从而使听力设备2的耳塞10可以由照相机22拍摄。在放置的听力设备2中，随后产生耳塞10的实际图像ib，并且利用该实际图像ib实施图像比较，以便确定耳塞10是处于有故障的还是无故障的状态z中。
63.实际图像ib被输送至分析单元20，并且由分析单元在图像比较的范围内关于可能的故障进行评估。在此根据自身已知的用于识别图像的方法确定类似性。根据用于量化实际图像ib与相应的参考图像rb的类似性的合适的量度，找到与实际图像ib最类似的参考图
像rb。该参考图像rb最有可能说明实际图像ib上的部件k的实际状态z，从而根据与参考图像rb相关联的信息(即在此的状态z)，以相应的概率推断出部件k的状态z，即所述部件是否是无故障的。参考图像rb因此表示可能的状态z的集合，在图像比较时，分析单元20从若干可能的状态中选出最可能的状态。以该方式实现自动的故障识别。
64.如从图2中的示例已经清楚的那样，参考图像rb不必强制性地示出有故障的状态z，而是在可能的设计方案中，参考图像rb中的至少一个是没有故障并且因此处于无故障的状态z中的部件k的图像，从而在实际图像ib与该参考图像rb一致的情况下识别出没有故障并且将部件k识别为无故障的。以该方式正面地确定不存在故障。然而有意义的是，替换地或附加地，使用这种示出有故障的状态z的参考图像rb，如同样从图2可看到的那样。然后在可能的设计方案中，参考图像rb中的至少一个是具有特定的故障并且因此处于有故障的状态z中的部件k的图像，从而在实际图像ib与该参考图像rb一致的情况下识别出存在故障并且将部件k识别为具有该故障。
65.该方法也可以用于检验，是否从多个可能的部件k中正确地并且针对用户适当地选出部件k。在图5中示例性地示出这一点。从一定数量的不同的部件k中单独选出用户的目标部件s，并且参考图像rb中的至少一个是目标部件s的图像，从而如果部件k不相应于目标部件s，那么分析单元20识别出该部件k是有故障的。在所示的示例中，部件k是耳塞10，其依据用户的耳道的形状从一定数量的用于不同形状的耳道的多个不同的耳塞10中选出。例如在专业人员方面的先前调整的范围内，目标部件s作为预定被告知分析单元20或已经存储在其中。分析单元20随后通过图像比较来识别实际图像ib上的部件k是否也实际上相应于预定。如果不是这种情况，那么部件k在个别情况下对用户来说是有故障的。
66.在此示出的耳塞10是所谓的圆顶件，圆顶件通常由软的材料构成，从而该材料在导入耳道中时变形，并且匹配于耳道的形状。耳塞10在此如在图1中可看到的那样在端部侧放置到听筒8上或替换地放置到声音软管上，并且其插入耳道中。根据听力设备2的类型和耳道的形状，耳塞10如在图5中可看到的那样有时具有明显的差异。对于用户来说经常高度个性化地选择耳塞10。
67.图6示出了另一情况，其中，部件k是听力设备2的壳体14，并且其中，分析单元20识别麦克风开口4是否被堵塞。因此，一个或多个参考图像rb示出具有畅通无阻的麦克风开口4或堵塞的麦克风开口4或其组合的壳体14。在堵塞的麦克风开口4中、即在堵塞的状态z中，壳体14是有故障的，并且听力设备2的运行可能不是最佳的。相反地，在畅通无阻的麦克风开口4中、即在未堵塞的畅通无阻的状态z中，壳体14至少在该方面中是无故障的。当前甚至可以确定多个麦克风开口4的哪个是堵塞的。
68.在另一设计方案中，替换地或附加地，部件k的污染、尤其是利用耳垢的污染是一种故障，其以如下方式来识别，即参考图像rb中的一个是处于干净的或污染的状态z中的部件k的图像。为此的一个示例已经在图2中示出。在无故障的状态z下，部件k、这里是听筒10是干净的，如在图2中在实际图像ib和右参考图像rb中所示的那样，相反，在有故障的状态z下是污染的，如在图2中在左参考图像rb中利用明确示出的耳塞10可看到的那样。参考图像rb通常是被耳垢污染的或干净的部件k的图像。在该设计方案的未明确示出的扩展方案中，在用户清洁部件k之后，分析单元20要求用户拍摄部件k的实际图像ib，从而分析单元20随后在故障识别的范围内有效地检验用户对部件k的正确的清洁。
69.在另一设计方案中，部件k的损坏是一种故障，其以如下方式来识别，即参考图像rb中的一个是处于未损坏的或损坏的状态z中的部件k的图像。例如，随着时间的推移，在耳塞10或声音软管上出现损坏。图7示例性地示出了如何识别连接线12的损坏。
70.在另一设计方案中，部件k与听力设备2的另外的部件k的错误的或有缺陷的连接是一种故障，其以如下方式来识别，即参考图像rb中的一个是具有无故障的或有故障的连接的两个部件k的图像。为此的一个示例已经在图8中示出，其中，对耳塞10和听筒8之间的连接进行监控。因此，分析单元20确定是无故障地还是有故障地接合部件k。这特别有利于耳塞10、连接线12、声音软管等。
71.之前提到的设计方案的未明确示出的其他的应用情况是检验听力设备2的电池16是否正确放置到听力设备2的电池盒中。电池16是听力设备2的部件k，其相对于电池盒的布置由此是相应有故障的或无故障的连接。
72.通过分析单元20借助图像比较进行的故障识别由用户本身启动，或不时地或在特定的时间点自动启动，或其组合。例如，该方法可以由用户从智能手机或其他的附加设备24上的应用程序启动或自动启动。在一个可能的设计方案中，为了定期重复地识别故障，分析单元20定期重复地要求用户拍摄并且提供实际图像ib。由此，不时地、例如每24小时或每周一次或者在放置或取出听力设备2时等对部件k的状态z进行检验。
73.以下设计方案也是可能的，其中在用户要求的故障排除的范围内例如借助智能手机或其他的附加设备24上的应用程序实施该方法。为此例如，在借助调查表f从用户接收到指出听力设备2存在问题的输入之后，将实际图像ib与一个或多个参考图像rb比较。这示例性地在示出附加设备24的图9中示出，附加设备是智能手机，具有在其上输出调查表f的屏幕。调查表f包含一个或多个问题，这些问题适宜地设计为，使得在图像识别之前确定哪个部件k预计是有故障的，从而然后有针对性地要求该部件k的实际图像ib。
74.当前，如果已经识别出部件k是有故障的，那么向用户输出用于修正部件k的状态z的指导a。相应依据部件k和故障来选择指导a，例如，每个示出处于有故障的状态中的部件k的参考图像rb与合适的指导a相关联，指导随后例如通过将指导显示在附加设备24的屏幕上而被输出给用户。在图10中示出了一个示例，其中基于对如图2中的污染的识别，指导a包括清洁部件k、在此是耳塞10的指令。
75.该方法特别受益于使用学习机30，通过该学习机随着时间的推移自动改进识别。学习机30要么是分析单元20的一部分，要么单独地构造。在图3中，学习机30示例性地作为系统28的分析单元20的一部分示出。当前，学习机30有益地专门放置在两个原则上相互独立的位置中：在一个设计方案中，学习机30用于将实际图像ib与一个或多个参考图像rb进行比较，即在图2中在第二步骤s2中。替换地或附加地，在一个设计方案中，借助学习机30产生附加的参考图像rb。
76.如果学习机30用于将实际图像ib与一个或多个参考图像rb进行比较，那么该学习机例如被构造为，使得该学习机在定期重复地实施该方法时自动识别实际图像ib中的合适的特征，以便将实际图像与参考图像rb比较。学习机30因此用于识别表征实际图像ib和参考图像rb中的部件k的特征。这些特征不一定是预先已知的，而是由学习机30在训练方法中尤其预先学习到。为此，学习机30被给予大量具有处于已知的状态z中的部件k的参考图像rb作为训练数据。根据训练数据，学习机30识别表征处于相应的状态z中的相应的部件k的
特征。随后，在分析单元20的图像比较中使用这些特征，以便确定实际图像ib与参考图像rb的类似性。
77.如果借助学习机30产生附加的参考图像rb，那么该学习机将已确定其状态z的部件k的实际图像ib存储为处于相同状态中的这种部件k的附加的参考图像rb。由此，持续以另外的参考图像rb扩大数据库26，从而故障识别持续变得更准确。
78.附图标记列表
79.2 听力设备
80.4 麦克风开口
81.6 信号处理装置
82.8 听筒
83.10 耳塞
84.12 连接线
85.14 壳体
86.16 电池
87.18 单设备
88.20 分析单元
89.22 照相机
90.24 附加设备
91.26 数据库
92.28 系统
93.30 学习机
94.a 指导
95.ib 实际图像
96.f 调查表
97.k 部件
98.rb 参考图像
99.s1 第一步骤
100.s2 第二步骤
101.s3 第三步骤
102.z 状态