利用指定的标量值分析图像信息的方法与流程

1.本发明涉及用于利用指定的标量值分析图像信息或声学信息的方法，该方法包括以下方法步骤：
2.a.)检测与对象或情景相关的第一图像或第一声学信息，并且检测与对象或情景相关的至少一个第一标量传感器值，
3.b.)检测与对象或情景相关的第二图像或第二声学信息，并且检测与对象或情景相关的至少一个第二标量传感器值。


背景技术：

4.这种方法从现有技术中已知。因此，例如，美国公开文献us 2017/0032281 a1公开了一种用于监控焊接系统的方法，其中检测各种传感器或图像数据，从而训练神经网络。此外，该公开文献还公开一种方法，其中借助于训练过的神经网络并利用在焊接流程的范畴内记录的图像或传感器数据来预测所产生的焊缝或焊接过程的特性。
5.所提到的现有技术的缺点是，神经网络的创建和使用是非常耗费的。无论是创建还是设立神经网络，但是尤其还有训练神经网络，都非常耗费，并且需要大量训练数据，以便可靠运转。这种训练数据通常不存在，至少没有足够的数量。


技术实现要素：

6.因此，本发明的目的是，提供一种用于分析传感器数据的方法，利用该方法可还可以以减小的耗费来分析较复杂的传感器数据。
7.该目的通过具有权利要求1的特征的方法来实现。
8.这种方法设计和配置用于利用指定的标量值分析图像信息，并且包括以下方法步骤，
9.a.)检测对象或情景的第一图像，并且检测与对象或情景相关的至少一个第一标量传感器值，
10.b.)检测对象或情景的第二图像，并且检测与对象或情景相关的至少一个第二标量传感器值，
11.c.)将第一图像和至少一个第一标量传感器值作为一致的表示形式引入第一数据结构中，并且将第二图像和至少一个第二标量传感器值作为一致的表示形式引入第二数据结构中，
12.d.)比较第一数据结构与第二数据结构，并且
13.e.)如果比较得出与预设的或能预设的标准相对应的差异，则输出信息。
14.通过创建相应的数据结构的一致的表示形式，可行的是，将图像信息还有所属的标量信息组合在一致的表达形式或数据结构内部，从而通过比较两个或更多个这种数据结构来实现全新的机制。因此也可以分析更复杂的传感器数据，而不必一定采用借助于神经网络进行的评估。
15.在一个可行的设计方案中，尽管比较第一和第二数据结构或还有检查是否满足预设的或能预设的标准不仅可以手动地或利用自动化分析的方法来进行，而且还可以利用神经网络进行。然而，这种神经网络可能比直接需要用于分析图像和传感器数据的神经网络更容易在设计方案和训练中。
16.在此，标量值例如可以是字母数字值、字母数字字符串、整数值、浮点值、布尔值、字符串值或类似值。标量值在一定方式中代表0维值排列，其与代表1维值排列的向量和代表2维甚至更高维值排列的矩阵相反。
17.就本说明书而言的图像信息或图像被视为矩阵，即图像是矩阵状构成的值，其中，图像的各个元素例如是其像素，该像素可以通过两个或更多个维度上的长度和一个或多个亮度和/或颜色值来表征。
18.在此，所检测的图像可以分别例如设计和配置为二维或更高维的像素或向量图形。
19.图像信息或图像也可以通过如下方式具有多于二维的维度，即例如其他二维的信息层一定程度叠加到二维的图像层。因此，例如将另一层叠加到二维的灰度等级、亮度值和/或颜色值像素图像，在该另一层中将例如材料密度值、x射线信息值或类似的其他的特性值分配给各个像素。
20.例如，可以利用任何类型的合适的相机进行检测第一图像和/或第二图像。例如可以在不同的光学频率范围内进行记录，即例如在可见范围内、红外范围内、紫外范围内和/或x射线范围内或在其他合适的光谱范围内。在此，可以分别使用合适的图像检测方法和设备或相机进行检测。此外，还可以经由其他适合的图像检测方法、例如热成像方法(即用于二维温度检测的方法)、mri方法(磁共振成像)、x射线结构分析法或其他适合产生二维像素或向量图像的方法来检测图像。
21.此外，还可以例如通过扫描仪、屏幕截图(＝在屏幕、显示器或监视器上显示的二维表示的数字图像)或以类似方式来检测图像。
22.第一图像和第二图像例如可以是情景或对象的时间上连续的图像。
23.此外，第一图像和第二图像还可以是对象或情景的在特定时间点记录的图像，以及该对象或情景的相应的参考图像。这种参考图像例如可以代表对象或情景的原始、目标或期望设计方案。
24.情景的图像例如可以是特定空间区域或特定逻辑情景的图像。逻辑情景例如可以通过特定标准或触发特征或事件来表征。因此，例如，在方法流程或制造特定产物的范畴内，特定的方法步骤或生产步骤或特定的方法步骤或生产步骤的结果(例如中间或最终产物或结果)可以是这种逻辑情景。
25.例如还可以通过地理地点和/或其他表征的特性、例如时钟时间、时间范围、特定的亮度值、特定的所检测的传感器数据例如温度、人员识别或类似的特性来给定情景。
26.因此，情景可以例如是道路交通中的特定情景，例如通过特定地点和空间角度给出的特定情景，或者也是通过特定的生产机器或特定的生产步骤给定的生产情景。此外，情景例如还可以通过相应的方法流程、例如燃烧过程、运输过程、不同人之间的交互或类似的流程来给定。
27.对象可以是任何类型的借助于光学或其他传感器可检测的对象、装置、设施、机
器、生物或其他物质对象。
28.传感器值可以是来自与生产流程相关的传感器的值，用于检测关于处在生产流程中的产物或生产设施或其一部分的物理变量、材料特性、化学特性、标识信息或其他信息。
29.在此，标量传感器值可以是任何类型的标量值，例如数值、字母数字值、字母数字字符串、整数值、浮点数值、布尔值、字符串值或类似值。
30.标量传感器值例如可以是数字、一个或多个字母或单词或其他的字母数字数据。在此，传感器值可以由相应的传感器输出。
31.在此，至少一个标量传感器值的检测可以设计和配置为，使得或者仅检测一个标量传感器值。
32.此外，还可以检测由传感器在不同时间点提供的多个值作为至少一个标量传感器值(例如所谓的“时间序列”)。在此，在创建相应的数据结构的范畴内，然后例如可以使用这些值中的一个、个别或全部，或者也例如使用这些值中的全部或个别值的平均值。
33.至少一个第一和第二标量传感器值例如还可以分别涉及对象或情景的不同方面或部分(例如对象的不同部位处的温度)。如果例如检测多个传感器值作为至少一个第一或第二传感器值，那么然后可以在创建相应的数据结构的范畴内使用这些值中的一个、个别或全部，或者也可以使用多个值或全部值的平均值。
34.图像和至少一个标量传感器值都可以与相同的对象相关例如可以意味着，图像和至少一个标量传感器值都涉及对象的至少一个部分区域，其中，关于图像的部分区域可以与关于传感器值的部分区域不同。因此，例如可以从对象的第一部分检测图像，并且可以在相同对象的另一部分处记录相应的传感器值、例如温度值。
35.图像和至少一个标量传感器值都涉及相同的情景，这例如可以意味着，相应的传感器值例如与在所检测的图像上包括的或至少部分包括的对象和/或空间区域相关。因此，例如，如果情景与特定的道路交通情景相对应，则传感器值例如可以是在所记录的区域中存在的空气的空气温度，或者在所记录的区域的内部检测到的亮度值。此外，传感器值也可以逻辑地通过如下方式分配给情景，即例如将在记录的时间点占主导的时钟时间作为传感器值分配给相应的交通情景。
36.以生产监控为例，图像信息例如可以与中间产物相关，并且所属的传感器值可以与引起中间产物的生产步骤(例如在制造步骤期间的温度或温度走向或者在制造卷绕的多层分层电池时的卷绕速度)有关。这种“中间产物”同样是本说明书意义上的情景的示例。因此，然后例如，利用涉及该第一中间产物的传感器值来检测第一中间产物的第一图像，并且连同涉及第二中间产物的传感器值一起检测第二中间产物的第二图像。
37.此外，在生产监控的范畴内，例如可以检测特定的设施部分或特定的生产机器的图像，并且检测该机器或该设施部分的传感器的相应的传感器值。
38.相应的情景例如也可以涉及对交通工具、尤其是自动驾驶的交通工具的监控。因此，例如处于交通工具处或交通工具中的相机可以检测特定的环境图像，并且相应的传感器值是所检测的环境的环境参数，例如车道的湿度值、天气或气候信息、关于环境中的对象或人员的测量参数、温度、一天的时间等。此外，在这方面，传感器参数例如也可以是通过从记录的图像中的文本或文字分析得到的信息，例如街道和/或路标的标记。
39.相应的对象和/或情景也可以来自医学诊断、材料检测或图像评估方法的其他应
用。因此，例如在医学诊断的范畴内，可以将关于患者的血液值、其体温、声学参数(例如关于呼吸噪声、咳嗽噪声或类似物)的传感器值分配给所检测的图像。
40.在本说明书的上下文中，通常将数据结构完全理解为在计算机或相应的电子存储设备(“以位或字节为单位”)中的信息的代表。这也对应于计算机科学中的术语“数据结构”的定义。
41.在此，将相应的图像和对应的相应的至少一个传感器值作为一致的表示形式引入到第一数据结构中例如意味着，相应的数据集分别设计和配置为，使得所有包括在相应的数据结构中的值通过分别统一尺度的一个或多个变量来表征。
42.在此，例如可以将相应的数据结构设计和配置为，使得所包括的所有值都通过统一尺度的变量来表征。例如可以将作为数轴、线性轴或具有相应绘制在其上的值的可比较的一维表示的图形表示分配给或者对应于这样设计的数据集。
43.此外，数据结构也可以分别设计和配置为，使得所有包括的值都通过分别以统一尺度的各两个变量来表征。例如可以将作为具有两个分别线性的轴或两个对应于所示出的值的轴的二维图表的图形表示，或者可比较的二维表示、例如具有相应在其中表示的值的图形分配给这样设计的数据结构。
44.此外，数据结构也可以分别设计和配置为，使得所有包括的值通过分别统一尺度的各三个或更多个变量来表征。然后，可以将相应的三维或更高维的表示分配给或对应于这种数据集。
45.将相应的图像和一个或多个传感器值引入数据结构的一致的表示形式中，例如可以至少借助于下面描述的方法流程来进行。因此，例如可以在第一步骤中，对记录的图像进行相应的图像处理。除了适配相应的颜色、亮度、对比度和类似的图像参数之外，这种图像处理还可以包括图像的相应的变换和/或失真或修正。这种变换例如可以包括空间变换或还有例如到频率范畴内的变换。此后，例如可以选择特定的像点和/或不同的频率分量以引入到数据结构中，或者也可以将整个图像引入数据结构中。
46.在将至少一个传感器值引入数据结构的一致的表示形式中的范围内，作为第一步骤，例如同样可以包括对所检测的值的特定的处理，例如标准化或适配于预设的、表示形式所基于的尺度。然后，随后在必要时可以将相应的值在进一步适配尺度或适配数据结构的表示形式之后，相应地引入数据结构中。
47.以该方式，形成数据结构，该数据结构在统一的表示形式的内部将所检测的图像的数据和至少一个在这方面所检测的传感器值的数据结合。
48.例如，可以通过如下方式进行第一和第二数据结构的比较，即将第一数据结构的个别或还有全部数据点与第二数据结构的相应的所属的数据进行比较。例如，然后可以对该点的所求出的偏差相加，或者也可以说明或计算偏差的平均值。
49.此外，相应的图像的特定的分段也可以是数据结构的比较的一部分。以该方式，例如可以将第一图像的个别区段的特定参数与第二图像的对应区段的对应的参数进行比较，并且必要时可以求出所属的偏差。
50.第一和第二数据结构的比较的部分还可以包括相应的数据结构的聚类，其中，然后在聚类之后将关于第一和第二数据结构的所求出的聚类结构进行比较。对此在下文更详细地讨论。
51.在此，方法步骤e.)例如可以设计和配置为，使得输出的信息设计和配置为警告信息，并且预设的或能预设的标准与错误标准相对应。
52.用于输出信息的预设的或能预设的标准可以与在第一和第二数据结构的比较的范围内求出的每个比较值相关。
53.因此，如上已经提出的那样，第一数据结构的值与第二数据结构的对应所属的值的累加的或平均的偏差可以作为预设的或能预设的标准。此外，在第一和第二数据结构的分段中所求出的差异或还有第一和第二数据结构的所求出的聚类结构中的差异的范围内，特定的极限值也可以与用于输出信息的预设的或能预设的标准相对应。因此，例如在聚类的第一和第二数据结构的范畴内，预设的或能预设的标准可以是，在第一和第二数据结构中所求出的聚类数量不同，或者第一与第二数据结构之间的聚类重点也相差至少一个特定的预设值。
54.信息的输出例如可以是如下指示，即分别在第一图像和第二图像中检测到的情景或对象之间已检测到相应的显着的变化。这种信息然后可以例如是对用户的如下指示，即检查相应的情景、生产设施或相应的对象或触发类似的检查或干扰措施或转发相应的信息。
55.此外，信息的输出也可以是控制命令的输出或也是报警或控制消息的输出。在此，控制命令或相应的警报或控制消息例如可以转发给相应的控制器、控制设备、主机、计算机或类似的设备，其例如可以自动地触发相应的动作。
56.此外，根据本说明书的方法可以设计和配置为，使得为了创建第一数据结构和第二数据结构，将所检测的图像分别各自转换到频域，特别地，为了创建第一数据结构和第二数据结构，分别利用傅里叶分析法将所检测的图像变换到频域。
57.在此，傅里叶分析法例如可以设计和配置为所谓的“离散傅里叶变换”、所谓的“快速傅里叶变换”或者还有所谓的“离散余弦变换”(dct)。“离散余弦变换”(dct)例如也在所谓的jpeg压缩(jpeg：联合图像专家组)的范畴内用于图像，并且因此是将图像转换到频域中的设立的方法。
58.图像的频率变换的优点是，通过变换可以更容易地识别一定的结构特性，例如清晰突出的对象、线结构、边缘等。此外，频率变换实现，跟据与特定的频率梳相关的幅度信息代表图像信息。通过沿着空间轴表示频率梳的各个波的表示，因此可以沿一个或多个空间轴代表图像信息，这允许在频域内关于各个空间采样点绘制传感器值。以该方式，可以以简化的方式和方法实现数据结构的统一的表示形式。
59.根据本说明书的方法也可以设计和配置为，使得
60.在方法步骤a.)内还检测与对象或情景相关的至少一个第一标量参数值，并且
61.在方法步骤b.)内还检测与对象或情景相关的至少一个第二标量参数值，
62.其中，还利用至少一个第一标量参数值和/或至少一个第二参数值来创建第一数据结构和第二数据结构。
63.在此，在方法步骤c.)的范畴内，至少一个第一参数值也引入到第一数据结构的一致的表示形式中，并且为此在必要时也变换成相应的代表或适配于此。以类似的方式，至少一个第二参数值也被引入到第二数据结构的一致的表示形式中，并且为此在必要时也变换成相应的代表或适配于此。
64.以该方式，可以将与对象或情景相关的各种其他的传感器值或其他值引入到相应的分析中，从而改进分析和/或使分析更稳健或更灵敏——根据参数或比较或评估方法的选择。
65.参数值可以是例如传感器值，例如由分配给对象或情景的传感器输出的值。此外，参数值也还可以是分配给对象或情景的任何其他值。分配给对象或情景的这种值例如可以描述或涉及与对象或情景相关的特性、状态、行为方式、特征值或类似信息。标量参数值例如可以是数字值、字母数字值、布尔值和/或字符串值。
66.此外，根据本说明书的方法可以设计和配置为，使得利用神经网络实现第一数据结构与第二数据结构的比较。
67.在此，可以将神经网络设计和配置为训练过的神经网络。
68.在此，这种神经网络的训练可以进行为，使得分别为具有分配的传感器或参数信息的图像信息的多个组合创建具有统一的表示形式的相应的数据结构。然后，该数据结构例如可以手动地分配给相应的评估结果。这种评估结果根据本说明书可以例如对应于相应的数据结构与相应的其他数据结构的比较的比较值。此外，这种评估结果可以对应于好/坏或改进/劣化分析，例如在使用根据本说明书的方法的范畴内用于监控生产或方法流程。
69.然后，可以例如使用这种神经网络来比较第一和第二数据结构，使得第一和第二数据结构以相应的合适的方式根据现有技术已知的方法传送给神经网络，并且该神经网络输出相应的比较值或也输出好/坏的值或还有改进/恶化的值。
70.至少在本说明书的上下文中，神经网络理解为包括所谓的节点的网络的电子设备，其中，每个节点通常与多个其他的节点连接。节点例如也称作为神经元、单位或单元。在此，每个节点具有至少一个输入连接和输出连接。这种节点理解为用于神经网络的输入节点，该节点可以从外界接收信号(数据、刺激、模式或类似物)。神经网络的输出节点理解为可以将信号、数据或类似物转发给外界的节点。所谓的“隐藏节点”(“hidden nodes隐藏节点”)理解为神经网络的既不构成为输入节点也不构成为输出节点的节点。
71.神经网络通常可以通过如下方式来训练，即经由各种已知的学习方法通过将输入数据输入神经网络并分析出神经网络中的相应的输出数据来求出用于各个节点或用于其连接的参数值。以该方式，可以以如今本身已知的方式利用已知的数据、模式、刺激或信号训练神经网络，以便于是随后可以将如此训练的网络用于分析其他的数据。
72.在此，例如可以将神经网络设计为所谓的深度神经网络(“deep neural network深度神经网络”(dnn))。这种“深度神经网络”是网络节点分层布置的神经网络(其中，层本身可以是一维、二维或甚至更高维的)。在此，深度神经网络包括至少一个或两个所谓的隐藏层，该隐藏层仅包括非输入节点或输出节点的节点。这意味着，隐藏层没有到输入信号或输出信号的连接。
73.在此，所谓的“深度学习”例如理解为一类机器学习技术，其使用非线性信息处理的多层用于监控的或非监控的特征提取和转换以及用于模式分析和分类。
74.深度神经网络例如还可以具有所谓的自动编码器结构，该自动编码器结构在本说明书的过程中更详细地解释。这种自动编码器结构例如可以适合于，例如减少数据的维度进而例如识别相似性和共同性。
75.深度神经网络例如也可以设计为所谓的分类网络，该分类网络特别适合用于将数
据划分为类别。这种分类网络例如结合手写识别使用。
76.具有深度学习架构的神经网络的另一可行的结构例如可以是作为所谓的“深度信念网络”的设计方案。
77.例如，具有深度学习架构的神经网络也可以具有上述结构中的多种结构的组合。因此，例如，深度学习架构可以包括自动编码器结构，以便减少输入数据的维度，该深度学习架构然后还可以与其他网络结构组合，以便例如在数据减少的维度内识别特殊性和/或异常，或者对数据减少的维度分类。
78.例如，可以使用所谓的“监控学习”(“supervised learning监控学习”)的方法之一来训练具有深度学习架构的神经网络。在此，通过利用相应的训练数据的训练为网络训练分别分配给这些数据的结果或能力。此外，也可以使用所谓的无监控训练(“unsupervised learning无监控学习”)的方法来训练神经网络。这种算法例如为给定量的输入生成模型，该模型描述输入并从中实现预测。在此，例如存在聚类法，如果数据例如因表征模式而彼此不同，则利用所述聚类法将数据划分成不同的类别。
79.在训练神经网络时，也可以将监控的和无监控的学习方法结合，例如如果将可训练的特性或能力分配给数据的一部分，而这在数据的其他部分中则不是这种情景。
80.此外，至少除其他外，也可以使用所谓的强化学习(“reinforcement learning强化学习”)的方法用于训练神经网络。
81.通常，神经网络的训练理解为，用以训练神经网络的数据在神经网络中借助于一种或多种训练算法进行处理，以便计算或改变神经网络内的各两个节点之间的神经网络的或连接的各个节点的所谓的偏置值(“bias偏置”)、加权值(“weights权重”)和/或传递函数(“transfer functions传递函数”)。
82.描述各个节点及其连接的值包括描述神经网络的其他值，例如可以存储在描述神经网络的值集中。这种组集然后例如代表神经网络的设计方案。如果这种值集在神经网络的训练之后存储，则因此例如存储训练过的神经网络的设计方案。因此，例如可行的是，在第一计算机系统中利用相应的训练数据训练神经网络，然后存储分配给该神经网络的相应的值集，并作为训练过的神经网络的设计方案转移到第二系统中。
83.例如，可以在高性能的系统上进行需要相应的计算机的相对高的计算能力的训练，而然后完全可以在低性能的系统上利用训练过的神经网络执行其他的工作或数据分析。利用训练过的神经网络的这种其他的工作和/或数据分析例如可以在根据本说明书的辅助系统上和/或控制设备、可编程逻辑控制器或模块化的可编程逻辑控制器上进行。
84.此外，根据本说明书的方法也可以设计和配置为，使得第一数据结构和第二数据结构分别具有二维或更高维的图表结构或者二维或更高维的图形结构，或者第一数据结构和第二数据结构分别表示为或能表示为二维或更高维的图表或者二维或更高维的图形。
85.在此，在创建第一和第二数据结构的范畴内，例如可以首先创建相应的图表、相应的图形或相应的图表或图形结构，然后可以在其上应用聚类法。此外，聚类也可以已经并行于创建图表、图形或图表结构或图形结构进行。结果，第一和第二数据结构然后已经包括相应的图表、图形、图表结构或图形结构还有相应的聚类结构。
86.可替换地或还有附加地，在第一和第二结构的比较的范畴内，可以在相应的图表、图形、图表结构或图形结构上应用聚类法。这既可以在相应的图表、图形、图表结构或图形
结构上尚未应用聚类时进行，也可以在其上在建立数据结构的范畴内已经应用如上所述的聚类法(所谓的“分级聚类”)时进行。
87.图表结构或图表理解为可以在相应的坐标系内表示的任何结构，尤其理解为可以在相应的坐标系内表示为各个数据点的任何结构。在此，n维图表结构或n维图表对应于例如可以表示为n维图表内的各个数据点的结构。
88.在此，图形结构或图形理解为可以表示为相应的图形的任何结构。在此，这种图形或这种图形结构可以设计和配置为，使得例如图形的节点与数据结构的各个值相对应，并与相应的连接链接，即图形的所谓的“边缘”。在此，这种连接或边缘可以设计和配置为，使得例如所有点都与所有其他的点链接，一个点仅与最大数量的任意点链接和/或来自频域的(采样)点强制性与其他传感器值的所有采样连接，尤其与频域的最大预设的或能预设的数量的其他采样连接。
89.此外，在相应的图形或相应的图形结构中，确定节点的值的一部分也可以与数据结构的一部分相对应，并且数据结构的另一部分与所属的边缘相对应。
90.本方法的该设计方案具有以下优点，存在评估这种图表和/或图形并将它们相互比较的非常有效且既定的方法。以该方式，可以进一步简化数据结构的比较和比较结果与能预设的或预设的标准的相应的补偿。
91.原因分析(英文“root cause analysis根因分析”)例如对于工业生产过程非常重要，并且刚好在使用根据本说明书的方法时、尤其是在使用根据本说明书的聚类法时，在这种方法的范畴内可以是更简单的。在这种应用的范畴内，例如可以随后理解聚类的变化，例如通过跟踪相应的图形内的节点移动。在根据本说明书的方法的范畴内，节点的确可以直接从传感器值或频域的谐波中得出。并且然后，例如可以将这种节点分配给相应的传感器值或频域的谐波，节点从该谐波或传感器值中得出。如果例如特定的节点引起聚类结构中的变化，则因此例如可以直接地将其背后的时间序列/图像部分鉴别为原因。
92.非常普遍地，图形是由所谓的“节点”和连接各两个节点的所谓的“边缘”构建的数学结构。这种图形的图形表示例如可以是其中节点被表示为点或圆并且边缘被表示为分别连接圆的线的表示。
93.在此，边缘例如可以是所谓的“未定向的边缘”，其中没有将逻辑方向分配给相应的节点的连接。此外，边缘也可以设计为所谓的“定向边缘”，其中将逻辑方向或意义分配给相应的节点的连接。
94.根据本说明书的方法也可以设计和配置为，使得在根据方法步骤c.)创建第一数据结构和第二数据结构的范畴内，将聚类法分别应用于或已经应用于第一数据结构和第二数据结构的相应的图表、图形、图表结构或图形结构，或者，在根据方法步骤d.)的比较第一数据结构和第二数据结构的范畴内，将聚类法分别应用于第一数据结构和第二数据结构的相应的图表、图形、图表结构或图形结构。
95.根据方法步骤d.)的第一和第二数据结构的比较或根据方法步骤c.)的第一和第二数据结构的创建例如可以通过将一个或多个聚类法应用于第一和第二数据结构的相应的图表、图形、图表结构或图形结构来进行。
96.在这种聚类之后，然后例如还可以在方法步骤d.)的范畴内比较根据上述聚类鉴别的聚类、聚类结构、聚类特性或类似物。
97.此外，在此上下文中，根据方法步骤e.)触发信息输出的预设的或能预设的标准可以包括或者是，关于多个鉴别的聚类的差异的标准，关于鉴别的聚类之间的一个或多个位置差异的标准，或者还有关于分别鉴别的聚类的特性、数量和方位的其他差异的标准。
98.在此，聚类法的应用例如可以是自动聚类法。在此，例如可以借助于自动实施聚类法的流程的相应的软件对数据结构进行聚类。在此，一个或还有多个聚类算法例如可以在软件的范畴内实现。
99.此外，聚类法的应用例如也可以是半自动聚类法。这例如可以借助于半自动地实施聚类法的流程的相应的软件来实现。这例如可以实现为，使得在聚类法的流程中，软件在一定的时间点期望相应的用户输入。
100.聚类法的应用例如可以包括一种聚类算法的应用或者也包括多种聚类算法的应用，例如依次地使用。这种聚类算法例如可以是所谓的“k均值(k-means)聚类”、所谓的“均值偏移(mean-shift)聚类”、所谓的“使用高斯混合模型(gmm)的期望最大化(em)聚类”，所谓的“聚合层次聚类(agglomerative hierarchical clustering)”和/或所谓的“基于密度的空间聚类”，例如具有噪声的应用的基于密度的空间聚类(dbscan)”。用于聚类算法的其他示例例如可以是以下算法，“小批量聚类算法(mini batch k-means)”、“近邻传播聚类(affinity propagation)”、“均值偏移(mean shift)”、“谱聚类(spectral clustering)”、“离差平方和法(ward)”、“聚合聚类(agglomeration clustering)”、“基于层次结构的平衡迭代聚类法(birch)”、“高斯混合(gaussian mixture)”。
101.因此，聚类被视为是通过相应的聚类分析或相应的聚类形成的相似的数据点的组或数据组。
102.非常普遍地，将聚类理解为所谓的“机器学习”技术，其中数据或数据点被分组为所谓的“聚类”。在一组数据或数据点的情景下，例如可以使用聚类分析法、聚类法或聚类算法，以便将每个数据或每个数据点或还有各个数据或数据点分类成特定的组。这种组然后被称为“聚类”。在此，位于同一组(即同一聚类)中的数据或数据点具有相似的特性和/或特征，而不同组中的数据点具有非常不同的特性和/或特征。
103.在数学上，聚类由彼此间具有比其他聚类的对象更小的距离(或相反：更相似)的对象构成。可以根据聚类的对象之间、但是还有整个聚类之间的所使用的距离或接近度度量来区分相应的聚类法。此外或可替换地，也可以根据这种距离度量的相应的计算规则来区分相应的聚类法。
104.聚类分析或聚类法应理解为在大数据库中用于发现相似结构的方法。例如监控的或无监控的机器学习(例如k均值或dbscan)属于此。聚类分析的结果是聚类。在此优点是，数据分析可以全自动地执行。当数据已经以情境化形式存在时，会提供监控学习。无监控学习的算法实现，还可以在尚未情境化的数据中找到相似结构。然后，可以由域专家分析找到的聚类。
105.在此，在执行根据本说明书的聚类法或聚类算法时，根据所使用的数据类别的类型，可以对数值数据、二进制数据、字符串数据、分类数据、文本数据、和/或时间序列数据使用各种常见的距离度量或相似性度量。
106.用于这种聚类法或算法的示例是：
[0107]-所谓的“无监控聚类”，
[0108]-所谓的k均值聚类法，
[0109]-来自用于识别当前图像或图像信息内的共同拥有的结构的图像处理中的方法，
[0110]-上述方法的组合。
[0111]
在此，可以以适配于当前数据内的数据类型的方式选择所使用的聚类法。
[0112]
此外，根据本说明书的方法可以设计和配置为，使得用于监控方法流程或生产流程的方法设计和配置为，使得
[0113]-将对第一图像和/或第二图像的检测设计和配置为对与生产流程相关的对象或者与生产流程相关的情景的第一图像和/或第二图像的检测，并且
[0114]-将对至少一个第一标量传感器值和/或第二标量传感器值的检测设计和配置为对涉及与生产流程相关的对象或者与生产流程相关的情景的至少一个第一标量传感器值和/或至少一个第二标量传感器值的检测。
[0115]
借助于这样设计的方法，例如可以有效地分析和/或监控方法或生产或特定生产步骤的流程。通过这样设计的方法实现，将与方法或生产相关的图像信息还有传感器信息包括在分析中，由此可以非常良好和/或全面地检测和表征方法或选定的方法步骤或生产步骤。
[0116]
此外，例如可以在在此求出的数据结构的比较的范畴内完全利用神经网络来执行该数据的分析，但是该神经网络不一定是必需的。因此，这种方法与由现有技术中已知的方法相比进一步简化了生产方法的分析。
[0117]
在该情景下，用于输出相应的信息的预设的或能预设的标准例如可以选择为，使得当在方法流程或生产流程的范畴内可能存在有故障的状态或有故障的产物或也存在危险状态时，才输出信息。然后，信息例如可以是相应的警告信息或也可以是相应的控制命令，该控制命令例如切断特定的方法部分或区域或者生产区段，或者转入到安全状态中。此外，相应的信息也可以是警报消息，该警报消息然后例如可以经由相应的警报系统输出、处理和/或传播。
[0118]
在该情景下，检测到的图像可以设计为生产方法的最终产物或中间产物的图像。此外，图像例如可以设计为在生产方法的范畴内使用的设施或所使用的设备的设施或设备部分或者设施或设备部件的图像。
[0119]
相应的传感器值例如可以是表征生产方法的传感器值，例如炉的温度或温度走向、在生产方法的范畴内处理的轨道的运输速度、在生产方法的范畴内运行的方法步骤的功率值或消耗值或者与例如引起中间产物或最终产物的生产方法或生产步骤相关的类似的传感器值。
[0120]
此外，该图像可以分配给方法流程，例如将在燃气轮机的燃烧室内已经记录或记录的图像分配给方法流程。借助于这种图像可以利用根据本说明书的方法例如检测这种燃烧方法内的异常。
[0121]
然后，在该情景下，例如将燃气轮机的功率的时间序列可以用作至少一个分配的传感器值。通常，在此也可以将任何表征该方法流程的或源自该方法流程的传感器值用作至少一个分配的传感器值。这例如可以是已经提到的时间序列，或也可以是与功率、速度、温度或还有其他表征方法步骤的测量变量的单独值相关。
[0122]
此外，根据本说明书的方法可以设计和配置为，使得生产流程设计和配置用于制
造产物并且包括生产步骤的序列，其中，在从生产步骤的序列中选定的生产步骤完成之后，存在中间产物，
[0123]-并且还将第一图像设计和配置为第一中间产物图像，
[0124]-至少一个第一标量传感器值涉及选定的生产步骤，
[0125]-将第二图像设计和配置为第二中间产物图像，并且
[0126]-至少一个第二标量传感器值涉及选定的生产步骤。
[0127]
此外，上述目的还通过一种用于监控用于制造产物的生产流程的方法来实现，其中，生产流程包括生产步骤的序列，其中，在从生产步骤的序列中选定的生产步骤到期之后存在中间产物，该方法包括以下步骤：
[0128]
a.)检测第一中间产物的图像，并且检测与选定的生产步骤相关的至少一个第一标量传感器值；
[0129]
b.)检测第二中间产物的图像，并且检测与选定的生产步骤相关的至少一个第二标量传感器值；
[0130]
c.)将第一图像和至少一个第一标量传感器值作为一致的表示形式引入第一数据结构中，并且将第二图像和至少一个第二标量传感器值作为一致的表示形式引入第二数据结构中；
[0131]
d.)比较第一和第二数据结构，并且
[0132]
e.)如果比较得出与预设的或能预设的标准相对应的差异，则输出信息。
[0133]
在此，方法步骤e.)例如可以设计和配置为，使得输出的信息设计和配置为警告信息和/或预设的或能预设的标准与错误标准相对应。
[0134]
此外，第一图像例如可以设计和配置为在第一时间点存在的第一中间产物的第一中间产物图像，并且第二图像可以设计和配置为在第二时间点存在的第二中间产物的第二中间产物图像。
[0135]
在连续的单个产物的离散的生产的范畴内，例如可以选择第一和第二时间点，使得在第一时间点存在第一中间产物并且在第二时间点存在紧随第一中间产物的中间产物，使得每个中间产物在生产序列的范畴内都与之前的中间产物进行比较。第一和第二时间点还可以选择为，使得不是每个中间产物都与之前的中间产物进行比较，而是分别仅考虑每第二个、第五个、第十个或其他的中间产物。
[0136]
在连续生产的范畴内，第一和第二时间点例如可以间隔开，使得它们与相应的方法流程改变的典型时间相对应。这例如可以是对于参与方法的过程或也对于参与方法的设备的调节时间常数，该设备例如是炉、加热装置、冷却装置、燃烧装置、传送带、机床、加工机器或类似物。
[0137]
根据在第一和第二时间点对第一图像和第二图像的上述图像检测，至少一个第一标量传感器值可以涉及选定的生产步骤，并且可以基于第一时间点检测至少一个另外的第一时间点。此外，至少一个第二标量传感器值可以涉及选定的生产步骤，并且可以基于第二时间点检测至少一个另外的第二时间点。
[0138]
例如，可以选择基于第一时间点的至少一个另外的第一时间点，使得例如在通过图像分别检测的中间产物的制造的范畴内，检测相应记录的传感器值。此外，可以将至少一个另外的第一时间点选择成，使得例如在分析方法流程时在如下多个时间点记录传感器
值，该时间点与在图像上所检测的状态因果关联。相应地也适用于至少一个基于第二时间点的另外的第二时间点关于第二传感器值和第二图像的检测的关系。
[0139]
更普遍地，基于第一时间点或第二时间点的至少一个另外的第一时间点或第二时间点可以选择成，使得分别所检测的至少一个传感器值与利用第一图像和/或第二图像所检测的情景或所检测的对象处于因果关联。
[0140]
生产步骤的序列例如可以由一个或多个生产步骤组成。
[0141]
在此，生产流程的生产步骤例如可以设计和配置为，使得由各一个生产机器和/或生产设备执行各一个生产步骤。此外或还附加地，例如可以通过参数值的特定设置或参数值的特定序列(例如加热过程或冷却过程)来表征生产步骤。
[0142]
通过生产步骤的序列例如可以实现所谓的离散方法，在该方法中制造连续的单个产物(例如汽车、手机等)。在该情景下，中间产物例如可以是在特定的生产步骤之后存在的中间产物，该中间产物在所说明的时间点已经结束相应的生产步骤。
[0143]
此外，通过生产步骤的序列例如可以实现所谓的连续方法，在该方法中连续地例如生产特定的材料或物质。在这样设计的方法中，中间产物然后可以是在方法步骤之后或在方法步骤期间在所说明的时间点存在的中间产物。
[0144]
此外，通过生产步骤的序列也可以实现所谓的批量方法，该批量方法在一定程度上表示由离散方法和连续方法的混合。在此，可以根据关于离散方法还有关于连续方法的上述解释来使用中间产物。
[0145]
此外，根据本说明书的方法可以设计和配置为，使得在方法步骤c.)内利用至少一个另外的第一生产参数值来创建第一数据集，并且利用至少一个另外的第二生产参数值来创建第二数据集。
[0146]
在此，在方法步骤c.)的范畴内，至少一个第一生产参数也被引入第一数据结构的一致的表示形式中，并且为此在必要时也变换成相应的代表或与之适配。以类似的方式，至少一个第二生产参数也被引入第二数据结构的一致的表示形式中，并且为此在必要时也变换成相应的代表或与之适配。
[0147]
以该方式，可以将关于生产流程、方法流程、相应的生产步骤或设备、原始材料或条件或表征生产或方法的其他参数的各种其他的传感器值或其他值引入相应的分析中。
[0148]
因此，例如可以进一步改进根据本说明书的分析和/或使其更稳健或更灵敏——例如根据相应参数的选择或比较或评估方法来进行。
[0149]
生产参数可以是例如在第一或第二时间点在选定的生产步骤期间存在的处理或加工的产物或还有生产设施的存在的任何特性。
[0150]
例如，至少一个另外的第一或第二生产参数也可以涉及选定的生产步骤和/或被记录或存在于至少一个另外的第一或第二时间点。
[0151]
此外，至少一个另外的第一或第二生产参数例如可以涉及选定的生产步骤，和/或在至少一个另外的第一或第二时间点检测或存在。
[0152]
在此，生产参数例如可以作为在选定的生产步骤的流程期间的测量值或时间序列被检测。此外，生产参数也可以是其他值，该其他值与选定的生产步骤、在选定的生产步骤期间加工或处理的产物或生产设施相关，其分别在时间段内选定的生产步骤的流程期间。
[0153]
此外，根据本说明书的方法可以设计和配置为，该方法设计和配置用于监控交通
工具的运动，使得
[0154]-将对第一图像和/或第二图像的检测设计和配置为对交通工具的环境部分的第一图像和/或第二图像的检测，并且
[0155]-将对至少一个第一传感器值和/或至少一个第二传感器值的检测设计和配置为对与交通工具或交通工具的环境相关的至少一个第一传感器值和/或至少一个第二传感器值的检测。
[0156]
在此，交通工具例如可以设计和配置为所谓的自动驾驶车辆。这种自动驾驶车辆例如可以设计和配置为所谓的“agv”(“自动引导车辆”)。通常，自动驾驶车辆被视为如下车辆，该车辆在没有或基本上没有人类驾驶员持续作用的情景下或者也在完全没有人类驾驶员的情景下运动。
[0157]
在监控车辆的运动的范畴内，根据本说明书的方法例如可以设计和配置为，使得例如自动驾驶车辆以规则的时间间距检测其环境的图像或其环境的一部分的图像(例如沿正向方向)，并且同时由自动驾驶车辆的相应的接近传感器的例如测量值作为传感器值。以该方式例如可行的是，通过连续的这种图像/传感器检测，识别在车辆的环境中存在或出现的对象、障碍物、车道标记或类似的对象或标记的显现还有分析，并且得出相应的结果，尤其也涉及车辆的行进方向。
[0158]
因此，例如在相应创建的第一和第二数据结构的比较的范畴内，并且在根据相应的预设的标准随后输出相应的信息的范畴内，该方法可以设计和配置为，使得例如车辆可以避开相应的障碍物或者例如可以遵循相应的标记。
[0159]
以该方式，例如，可以在工业设施或应用的范畴内或者也在公共道路交通中实现或支持自动驾驶车辆的安全的前进运动。此外，也可以以类似的方式例如在突然出现障碍物时或为了保持相应的车道实现对车辆驾驶员的支持。
[0160]
在监控车辆的运动的情景下，例如可以选择用于输出信息的预设的或能预设的标准，使得在出现危险情景时，例如在规划的行进路线中出现对象或人员时输出相应的信息。这种信息例如可以是给驾驶员的警告消息，或者也是给车辆或车辆控制器的控制消息，该控制消息例如可以设计用于停止车辆、降低其速度和/或改变行进路线。
[0161]
此外，根据本说明书的方法可以设计和配置为，使得为了分析对象或生物的图像，该方法设计和配置为，使得
[0162]-将对第一图像和/或第二图像的检测设计和配置为对对象或生物的第一图像和/或第二图像的检测，或者设计和配置为分别对对象或生物的区域的检测，并且
[0163]-将对至少一个第一传感器值和/或至少一个第二传感器值的检测设计和配置为对与对象或生物相关的至少一个第一传感器值和/或至少一个第二传感器值的检测，或者设计和配置为分别对对象或生物的区域的检测。
[0164]
在此，例如可以使用对象的图像通过如下方式用于该对象的质量检查，即例如通过检查关于要遵守的正确的形状或关于对象形状的变化。此外，例如可以以该方式检查对象是否为伪造品，即通过借助于根据本说明书的方法检查与同样存在的正品或正品的图像的相应的差异。相应的传感器值在该上下文中例如可以是对象的温度、颜色值、表面特性或其他特性。此外，例如可以是相应的对象的相应的光学图像或也是x射线图像或其他图像。
[0165]
生物的图像的分析例如可以在人类或动物的医学诊断的范畴内使用。在此，例如
可以使用光学图像、x射线图像、多光谱屈光地形(mrt)图像或类似的图像。相应的传感器值例如可以是体温、脉率、脉搏、声学值(例如呼吸或肺噪声值、在咳嗽时记录的声学值、心电图(ekg)值、肤色、供血值或类似的传感器值。
[0166]
在用于分析对象或生物的图像的方法的范畴内，用于输出信息的预设的或能预设的标准例如可以设计和配置为，使得例如在对象有缺陷或存在不自然的状态或生物患病的情景下输出相应的警告消息。这种信息例如可以是或包括给用户的相应的警告消息或给警报系统的相应的自动的警报消息。此外，信息也可以是相应的控制命令或控制消息，该控制命令或控制消息例如自动地产生特定的状态或切断关键的设备。
[0167]
上述目的还通过一种用于利用指定的标量值分析声学信息的方法来实现，该方法包括以下方法步骤，
[0168]
a.)检测与声源相关的第一声学信息和检测与声源相关的至少一个第一标量传感器值，
[0169]
b.)检测与声源或第二声源相关的第二声学信息和检测与声源或第二声源相关的至少一个第二标量传感器值，
[0170]
c.)将第一声学数据集变换成频域，并且将该频率变换的第一声学数据集以及至少一个第一标量传感器值作为一致的表示形式引入第一数据结构中，并且将第二声学数据集变换成频域，并且将该频率变换的第二声学数据集和至少一个第二标量传感器值作为一致的表示形式引入第二数据结构中，
[0171]
d.)比较第一数据结构与第二数据结构，并且
[0172]
e.)如果比较得出与预设的或能预设的标准相对应的差异，则输出信息。
[0173]
声学信息例如可以是例如存储或可存储在电子存储设备中或也可以转换成可电子存储的格式的任何声学记录和/或所有其他的声学数据。这种声学信息例如可以是声音记录、用麦克风检测的声学数据或以其他方式检测的(例如光学的或通过压力测量的)声学数据。
[0174]
这种声学信息的存储可以以任何合适的格式进行，例如以所谓的“wav”格式(或作为“.wav”文件)、所谓的“mp3”格式(mpeg-1audio layer 3；或作为“.mp3”文件)、所谓的“wma”格式(windows media audio；或作为“.wma”文件)、所谓的“aac”格式(advanced audio coding；或作为“.aac”文件))、所谓的“ogg”格式(ogg vobis；或作为“.ogg”文件)、“flac”格式(free lossles audio codec；或作为“.flac”文件)、“rm”格式(real media；或作为“.rm”文件)或任何合适的、类似的格式。
[0175]
声源或第二声源例如可以是机器、马达、特定的情景、地理位置、一个或多个生物或声学信息的任何其他源。
[0176]
在此，相应的声学信息例如可以是与所述的声源之一或其特定部分相关的声音记录。在此，例如可以利用相应的麦克风实现这种声音记录的检测。此外，也可以利用其他合适的手段实现声学信息的检测，例如经由用于振动检测的光学方法或者还用于检测压力波动的方法实现。
[0177]
例如，也可以仅在特定的声学频率范畴内记录相应的声音记录，或者利用特定的声学滤波器来记录相应的声音记录。在此，声学数据可以源自声学传感器或由声学传感器记录，或者可以由多个涉及同一源的传感器的数据组成。
[0178]
相应分配的传感器数据例如可以是相应的机器或对应的马达的相应的温度数据或功率数据(例如电流或或功率消耗)。此外，相应的传感器数据例如可以是与相应的情景相关的其他的传感器数据(例如时钟时间、亮度值、温度、湿度值等)、与地理位置相关的其他的传感器数据(例如gps值、位置说明、地址、时钟时间、亮度值、温度、湿度值等)或与一个或多个生物相关的其他的传感器数据(例如数量、温度、时钟时间等)。
[0179]
在此，可以根据本说明书配置和设计至少一个第一和第二标量传感器值、第一和第二数据结构的一致的表示形式、第一和第二数据结构的比较以及信息的输出(如果比较得出与预设的或能预设的标准相对应的差异)。
[0180]
此外，上述方法可以设计和配置为，使得该方法还根据权利要求3至6中的一项或多项特征设计和配置。
[0181]
此外，上述方法可以设计和配置为，该方法设计和配置用于监控方法流程或生产流程，使得
[0182]-将对第一声学信息和/或第二声学信息的检测设计和配置为对涉及在生产流程中参与的对象或者与生产流程或方法流程相关的情景的声学记录，并且
[0183]-将对至少一个第一标量传感器值和/或第二标量传感器值的检测设计和配置为对借助于传感器的至少一个值的检测，该至少一个值涉及在生产流程中参与的对象或与生产流程或方法流程相关的情景。
[0184]
在此，可以根据本说明书设计和配置传感器、相应的传感器值的检测、至少一个第一或第二标量传感器值、在生产流程中参与的对象以及与生产或方法流程相关的情景。
[0185]
此外，在生产流程中参与的对象例如可以是参与生产的设备或机器，在本方法的范畴内，从该设备或机器例如经由相应的麦克风或类似的设备记录相应的声学信息。然后借助于相应的传感器，并行于该声学记录也可以检测该机器或设备的其他参数，例如功率数据、温度、速度、控制参数等。
[0186]
此外，在生产流程中存在的初始产物、中间产物和/或最终产物例如可以是在生产流程中参与的对象。在此，例如可以检测这种中间产物的相应的声学信息(例如振动数据或还有沸腾噪声或流动噪声)，并且然后在根据本说明书的方法的范畴内将相应的传感器数据(例如涉及相应的中间产物的温度、流动速度、化学组分)分配给该声学信息。
[0187]
在生产流程中参与的对象例如可以设计为生产方法的最终产物或中间产物。此外，在生产流程中参与的对象例如可以设计和配置为设施或设备部件或在生产方法的范畴内使用的设施或使用的设备的设施或设备部分。
[0188]
此外，可以将与生产或方法流程相关的情景分配给方法流程，例如对应于燃气轮机的燃烧室内的情景。借助于对应的声学信息(例如燃烧噪声)，例如可以利用根据本说明书的方法检测这种燃烧方法内的异常。在该情景下，例如可以将燃气轮机的功率的时间序列用作至少一个分配的传感器值。
[0189]
此外，根据本说明书的用于利用指定的标量值分析声学信息的方法也可以设计和配置为，使得该方法设计和配置用于分析医学声学数据，例如生物的声学数据(例如肺噪声或咳嗽噪声)，在该情景下，第一和第二声学信息例如可以是人或动物的声学信息(例如肺噪声或咳嗽噪声)并且相应的其他的标量传感器值是与人或动物相关的其他的例如医学传感器值，例如体温、脉率或类似物。
[0190]
此外，根据本说明书的用于利用指定的标量值分析声学信息的方法也可以设计和配置为用于人员识别或鉴别。在这种情景下，第一和第二声学信息例如可以是与人相关的声音记录(例如语音记录)，并且第一和第二传感器值还可以是对于该人特征性的值，例如位置值(例如gps坐标)、输入的代码、眼睛颜色或类似的值。
[0191]
在从属权利要求中得出其他有利的设计方案。
附图说明
[0192]
下面参照附图示例性地更详细地解释本发明。
[0193]
附图示出：
[0194]
图1示出用于卷绕电池单池的示例性的过程流程的一些阶段以及求出用于后续分析的所属的过程参数的图示；
[0195]
图2示出用于创建关于第一卷绕的电池单池的聚类的评估图形的流程的示例性的图示；
[0196]
图3示出用于创建关于第二电池单池的聚类的评估图形的流程的示例性的图示；
[0197]
图4示出第一和第二评估图形的比较的流程的示例性的图示。
具体实施方式
[0198]
在图1至4中示出根据本说明书的方法的一个实施例，其中该方法用于在电池的制造过程的一部分的范畴内进行质量控制。在此，在生产过程期间，可以根据对不同的已制造的电池单池的图像和传感器数据的分析来预测生产质量变化的指示，其中该电池单池代表电池的制造过程的中间产物。因此，本示例是根据本说明书的利用分配的、关于情景的标量值以分析图像信息的方法的示例。
[0199]
图1在左侧图部分中示出用于卷绕膜层112、114、116以制造卷绕的电池单池132的过程的三个过程阶段，所述电池单池代表相应的电池制造的范畴内的中间产物。
[0200]
在图1至4的范畴内，现在根据该示例解释，如何借助于根据本说明书的方法的示例性的设计方案可以实现对用于制造卷绕的电池单池132的膜层112、114、116的卷绕的质量检查。
[0201]
图1的左侧部分示出的三个过程阶段由第一阶段110构成，该第一阶段包括提供用于在所示的过程流程的范畴内制造电池单池的输入材料或原材料。在此，提供阳极膜112、分离膜114和阴极膜116作为输入材料，所述输入材料作为层结构提供给随后的卷绕过程120，该卷绕过程在图1中在左图部分的中间示出。
[0202]
在该后续的卷绕过程120的范畴内，示出所提供的膜、即分离膜114、阳极膜112、又一分离膜114和阴极膜116，还有通过卷绕该膜114、112、116所制造的电池单池132。
[0203]
在图1的还是左侧部分中示出的第三过程阶段130是完成的中间产物，该中间产物代表卷绕的电池单池132。现在，该电池单池被进一步处理用于完成可以投入使用的电池，这在图1中未被示出，并且也不是所介绍的示例的一部分。
[0204]
在图1的中间列中示意性地示出，在所阐述的过程阶段110、120、130的范畴内如何求出相应的过程和传感器参数。在第一求出步骤118中，求出参数，该参数包括，在方法步骤120中卷绕膜112、114、116时是否使用了附加的分离膜114。如果使用了这种附加的分离膜
114，则将相应的过程参数设置为1，否则设置为0。
[0205]
在图1的中间列的中间的图片128中是关于卷绕过程120的至少一个卷绕速度128的求出，该卷绕速度是根据本说明书的用于传感器值的一个示例。为了求出该卷绕速度检测时间序列，在该时间序列中，在该卷绕过程120期间的不同的时间点检测在卷绕过程120的范畴内卷绕电池单池132时的卷绕速度。
[0206]
图1在下方的图示138中还示出卷绕的电池单池132的前侧的图像134的检测138。在此，记录该图像134，使得可以识别卷绕的层结构。
[0207]
然后，在图1的右图部分中示出图示119、129、139，这些图示分别示出检测到的过程参数119、传感器参数129和图像信息139的图示。
[0208]
在方法步骤118中求出的过程参数在图示119中在竖直方向上经由沿水平方向绘制的时间示出。
[0209]
此外，在方法步骤128中检测的卷绕速度在相应的图示129中在竖直轴上经由在水平轴上绘制的、分别求出的时间绘制。
[0210]
在图1的最下方右侧的图示139中示出图像134的频率变换的结果的示意性的图示139。在此，在本实施例中，将所谓的“离散余弦变换”(dct)用于图像134的频率变换，如其也例如在图像的所谓的jpeg压缩的范畴内标准地用于要压缩的图像的频率变换。在频率变换的图像的图示139中，象征性地在一个方向上仅示出谐波之一。
[0211]
图2至4现在示出评估步骤，该评估步骤实现对电池单池的上述质量检查。
[0212]
在此，根据图2阐述，如何根据关于第一卷绕的电池单池132检测的图像134以及在相应的卷绕的范畴内求出的过程参数119以及卷绕速度129来创建关于第一卷绕的电池单池132的第一评估图表159。在此，第一卷绕的电池单池132是根据本说明书的用于第一中间产物的示例，并且第一评估图表159是根据本说明书的第一数据结构的用于一致的表示形式的示例。
[0213]
然后，根据图3阐述，根据相应的记录的图像238以及利用在卷绕时求出的过程参数219以及卷绕速度229相应创建关于第二卷绕的电池单池232的第二评估图表259。在此，第二卷绕的电池单池232是根据本说明书的用于第二中间产物的示例，并且第二评估图表259是根据本说明书的第二数据结构的用于一致的表示形式的示例。
[0214]
于是，下面根据图4更详细地阐述所创建的评估图表159、259的比较用于检查卷绕的电池单池132、232的质量。
[0215]
现在对在图2中示出的方法流程进行详细的描述。如已经提到的那样，图2示出关于在图1中所示的过程的范畴内求出的过程值、传感器值和图像值的第一评估图表159的创建。以在图中所介绍的过程流程的范畴内求出的或在此求出的过程值、传感器值和图像值为例，该评估图表159是根据本说明书的第一数据结构的用于一致的表示形式的示例。
[0216]
在用于创建第一评估图表159的第一创建步骤140中，首先将关于第一电池单池132的卷绕所求出的参数值119以及所求出的卷绕速度值129置于统一的参数数据图表149中。为此，参数值119以及卷绕速度129相应地标准化。在本示例中，这例如可以设计为，使得用于参数值“存在附加的膜”的值“1”等同于在129中求出的角速度的平均值。
[0217]
现在，在统一的参数数据图表149中，标准化的卷绕速度340在时间轴上绘制，并且在第一电池单池132卷绕时存在的参数值330也相应标准化地在时间轴上绘制。
[0218]
现在，在随后的第二创建步骤150中，刚刚创建的统一的参数数据图表149以及来自频率变换的图像139的数据被置于统一的格式，以便随后创建第一评估图表159。
[0219]
在此，为第一电池单池132的频率变换的图像139选择图示，其中在空间轴305上示出频率变换的各个谐波320、310。空间轴305通常可以对应于沿着预设方向穿过所检测的图像134的截面或者也对应于其部分。在图2中示出穿过所记录的图像134的水平截面的截面。
[0220]
图2的左侧上的频率变换的图像139的图示是第一电池单池132的第一频率变换的图像139的简化图示，该第一电池单池已在图1介绍的过程流程的范畴内制造。为了清楚起见而进行这种简化。简化在于，关于图像的所使用的、通常沿两个方向进行的dct变换，在图示139中仅示出其中一个分量。此外，进一步的简化是，在图示139中示出所进行的dct变换的仅一个一次谐波频率310以及一个二次谐波频率320。两个示例性示出的谐波310、320在图2中的图示139中绘制在空间轴305上，其中，该谐波310、320的相移和周期长度分别是dct变换的结果。
[0221]
为了创建第一评价图表，频率变换的图像139的数据以特定的空间采样频率或空间扫描频率扫描，并且然后该扫描值用于创建第一评价图表159。为此，在频率变换的图像139中还绘制第二空间轴300，在该第二空间轴上象征性地示出扫描点301的选择，在该扫描点处分别扫描变换成频域的图像的各个谐波310、320。在此，例如，可以将在频率变换的图像中示出的两倍的最高谐波振动的空间频率用作空间扫描频率。
[0222]
用于一次谐波310的扫描值在第一评估图表159中以表示为叉的数据点352标注。同样地，用于二次谐波320的扫描值在第一评估图表159中以表示为叉的数据点350标注。此外，在第二创建步骤150的范畴内，在预设的或能预设的时间点t0从统一的参数数据图表149中分别提取参数值360以及卷绕速度362。在此，时间点t0例如可以对应于记录卷绕的电池单池132的图像134的时间点，或者例如还处于其之前。在此，该之前的时间点例如可以选择为，使得在卷绕电池单池132期间已经存在相应的参数或卷绕速度值。
[0223]
为了将该参数值和卷绕速度值整合到第一评估图表159中，现在求出上限值线和下限值线352。这通过如下方式进行，即求出频率变换的图像的所有谐波的最大和最小振幅总和，并将其用作上限值和下限值352。这在图1中在第一评估图表159中标注为虚线352。所述边界线352预设如下度量，在该度量内绘制在时间点t0存在的参数值360以及在时间点t0存在的卷绕速度值362。在此，在第一评估图表159的水平空间轴上对每个扫描点301重复地绘制每个值360、362，如这在图2中以一些示例示出在第一评估图表159的图示中。
[0224]
以该方式，第一评估图表159现在既包括从卷绕的电池单池132记录的图像134的数据，还包括关于附加的中间膜114的存在以及在卷绕电池单池132时的卷绕速度的数据。
[0225]
为了准备第一评估图表159与第二评估图表259的比较，聚类法现在根据现有技术还应用于第一评估图表159的整个数据点集合。在此，在本示例中，仅求出一个聚类370，该聚类在第一评估图表159中标注为虚线。
[0226]
图3现在示出第二评估图表259的创建，该第二评估图表根据第二卷绕的电池单池232的所记录的第二图像234的数据以及关于在制造第二卷绕的电池单池232时附加的中间膜114的存在的参数数据219和卷绕速度值229来创建，其中该卷绕速度值在卷绕电池单池232的范畴内已经被记录。在此，第二评估图表259的创建对应于第一评估图表159的创建来进行。第二电池单池232在本实施例的范畴内代表第二中间产物。
[0227]
在此，再次为了创建第二评估图表259，在第一创建步骤140中将参数值219和卷绕速度值229标准化并且转变成相应的、统一的数据图表249。在该数据图表中，标准化的参数值430和标准化的卷绕速度值440随时间绘制。
[0228]
然后，再次利用dct方法对电池单池232的所记录的图像234进行频率变换，这在图3中以频率变换的图像239示出。在此，一次谐波410以及二次谐波420示例性地再次在空间轴405上示出，其中，谐波410、420代表在dct方法的范畴内考虑的波或频率的选择。在此，空间轴405也通常可以对应于沿预设方向穿过所检测的图像234的截面或者也可以对应于其中的一部分。在图3中再次示出穿过所记录的图像234的水平截面的一部分。这两个示例性示出的谐波410、420在图3中的图示239中绘制在空间轴405上，其中，该谐波410、420的相移和周期长度分别是dct变换的结果。
[0229]
如上面已经提到的那样，在此，为了清楚起见，如已经在关于第一中间产物132的频率变换的图像139的图示中那样，仅示出频率变换的一个维度。
[0230]
现在，为了创建第二评估图表259，所示的两个谐波410、420再次在相应的扫描点401被扫描，其中，扫描点401的选择在图3中在沿另一空间轴400的频率变换的图像239的图示中示出。
[0231]
在该扫描的范畴内求出的、关于一次谐波410的数据点在第二评估图像图表259中以标记为叉的数据点452绘制。借助于该扫描求出的、关于二次谐波420的数据点在第二评估图表259中以表示为叉的数据点450示出。
[0232]
此外，为了创建第二评估图表259，现在再次借助于通过dct变换求出的谐波的最大和最小振幅总和的确定来寻找上边界线和下边界线452，以整合参数值和卷绕速度值。在该范围内绘制在时间点t1从统一的数据图表249中得出的参数值460以及在时间点t1从统一的数据图表249中得出的卷绕速度值262。在此，参数值460以及卷绕速度值262在第二评估图表259中多次分别绘制到与如在第一评估图表159中那样相对应的扫描点401。
[0233]
为了准备第一和第二评估图表的比较，再次将聚类法应用于第二评估图表259的数据点450、452、460、462的全体。在此，在该情景下，得到两个聚类，该聚类通过图3中的虚线470、472标注在第二评估图表259中。
[0234]
图4现在示出第一评估图表159和第二评估图表259，其中，两个评估图表159、259内的附图标记与根据图2和图3的附图标记相对应。
[0235]
图4现在示出从关于第一评估图表159的聚类中推导出的聚类分析510，从该聚类分析中得出聚类的数量、其平均面积以及每个所求出的聚类的相应的中心或质心的坐标。同样地，图4示出从关于第二评估图表259的聚类中推导出的聚类分析520，从该聚类分析中同样得出聚类的数量、其平均面积以及每个所求出的聚类的相应的中心或质心的坐标。
[0236]
在本示例中，第一电池单池132的制造与根据规定的制造相对应，而在制造第二电池单池232时存在过低的卷绕速度。此外，在本示例中，用于确定可能的错误的预设标准是，鉴别的聚类的数量在第一和第二评估图表159、259之间不同。用于输出信息的其他预设的或能预设的标准例如可以是，至少一个聚类的位置改变了至少一个预设的或能预设的数值，或者还有，由聚类平均或整体所覆盖的面积改变了预设的或能预设的数值。
[0237]
通过将第一评估图表159的聚类分析510与第二评估图表259的聚类分析520进行比较，现在可以例如通过计算机或用户求出，在第二评估图表中的聚类数量增加到两个。然
后，根据预设的标准输出相应的信息，例如向用户输出警告消息，或者还有向生产设施或生产设施的主计算机输出相应的警报或控制消息或相应的控制命令。这种控制命令或这种警报或控制消息例如可以触发对各种或所有机器参数的检查，或者必要时还触发设施或设施部分的紧急停止。
[0238]
在一个可替换的设计方案中，也可以经由神经网络600实施关于第一评估图表159的聚类结构510和关于第二评估图表259的聚类结构259的评估。在此，相应的聚类分析510、520输入到神经网络中并且由神经网络输出结果，如果该结果与相应的错误标准相对应，则该结果才再次触发相应的信息消息。神经网络还可以直接输出，是否应该触发相应的信息消息。