智能机器的网络的制作方法
【专利说明】智能机器的网络
[0001]相关申请的交叉引用
[0002]本申请要求于2013年3月15日提交的，并且名称为“NETWORK OF INTELLIGENTMACHINES(智能机器的网络)”的美国专利申请N0.13/843，784的优先权，其全部内容通过引用结合于此。
技术领域
[0003]本发明总地涉及一种用于处理从多个智能机器获得的数据的系统，并且具体地涉及基于在机器之间共享的输入改变它们的内部状态的机器。
【背景技术】
[0004]今天，计算机化的机器被用于进行几乎生活的所有方面的任务，诸如在商店的结账台处处理购货、以及在互联网购物网站取得和跟踪订单、对商品进行封装和分类、保持对仓库中的库存的跟踪、跟踪汽车登记数据、用于各种状况的医疗的筛选以及检测某个对象或状况的出现。在一些情况中，存在为该组织处理所有交易或活动的单个机器。但是，在大多数情况中，在不同的位置处有许多机器处理类似的任务。例如，医院可以具有不同的园区，其中在所述园区的不同的部分具有多个MRI机器。类似地，连锁杂货店在大的地理区域中可以具有多个商店和仓库，每个商店具有多个结账登记器。类似地，农民和果园可以各具有它们自己的设施以自动地分类它们的产品，如将苹果分类为高和低等级。这样的分类机器通常是基于所述产品的外观，如摄像机被用于基于自动的分类器识别坏的水果的情况。
[0005]低效源自于由于不同的机器相互分开地并且独立地运行和更新的事实。由于每个机器采集大量的数据，不同的机器不能够相互“协作”或者相互学习。尽管所述机器通常具有注意它们的人类操作员以处理任何非常情况或者故障，但是每个操作员仅知道他所负责的机器的子集合正发生的情况，而不能受益于其它机器中的数据。这种缺乏在机器之间的通信以及共享新学习的特征产生导致错误的低效以及冗余。在一个示例中，寻找特定的物件的顾客可能没有快速和简单的方法知道哪家附近的商店具有他所寻找的物件。在这种情况中，当顾客找到电话号码并且打电话给每个附近的商店以进行库存查询时已经浪费了很多时间。在另外的情况中，具有少量的有骨折的病人的并且使用其原始的核心检测算法的医疗诊断机器将长时间地维持相同的检测能力，并且将保持次于处于运动医疗中心处的、由于暴露于这样的骨折的更多的样本中而不断地变得更智能的诊断机器。在涉及产品分类机器的另外的情况中，操作员将不得不单独地调节每个机器以确保其清除具有不吸引客户的某个新的状况的产品。在涉及关于禁止的物件(例如，酒精、香烟)扫描员工的包的对象检测机器的另外的情况中，来自城镇的午餐中包含对该地区是独特的物件的员工的包可能被误认为是具有禁止的内容的包，因为在企业总部处的机器不了解其他城镇的包的内容的类型。
[0006]期望的是通过允许机器相互协作、通信以及学习来消除低效和冗余并且提高准确性的智能系统。
【发明内容】
[0007]在一个方面中，本发明是一种被配置为特征化物件或状况的自更新设备。所述设备包括:存储器，贮存用于不同的物件的参数，其中，所述参数对于特征化所述物件是有用的；以及处理模块。所述处理模块被配置为自动地选择从其接收数据的源，基于接收的所述数据修改所述参数并且选择修改的参数的接收者。所述源以及接收者的选择分别基于所述处理模块和所述源之间以及所述处理模块和所述接收者之间的参数的比较。
[0008]在另一个方面中，本发明是一种被配置为特征化物件或状况的机器的自更新网络。所述机器的网络包括取得物件的测量结果的多个机器以及中央处理单元。每个机器具有处理单元和测量单元，所述处理单元和测量单元合作以从所述物件收集物理测量结果，基于所述物理测量结果产生用于特征化所述物件的参数，并且选择要传送到特定的接收者的参数的子组。所述中央处理单元被配置为从所述机器接收参数的子组，基于接收的参数的子组更新核心参数，并且将所述更新的核心参数发送到所述多个机器的一些。
[0009]在又一个方面中，本发明是一种特征化物件或状况的计算机实现的方法。所述方法使得从物件获得测量结果；基于所述测量结果产生用于所述物件的参数，其中，所述参数对于特征化所述物件是有用的；将所述参数与从处理单元接收的新的参数比较；基于所述比较选择性地从所述处理单元接收所述新的参数的至少一些；并且基于所述新的参数自动地修改所述参数。
【附图说明】
[0010]图1描述了机器网络系统，其包括相互之间并且与中央处理单元通信的多个机器。
[0011]图2是机器和中央处理单元的详细的描述。
[0012]图3是示出参数更新过程的流程图。
[0013]图4描述了每个机器是分类机器的示例实施例。
[0014]图5更加详细地描述了图4的机器的一个。
[0015]图6描述了图5中的机器的光学单元部分。
[0016]图7A是如由图5的机器检测的显现出软的膨胀和折皱的水果的计算机图像。
[0017]图7B是对应于图7A的图像的水果表面的柱状图。
[0018]图8是从具有酸腐的水果的表面获得的柱状图。
[0019]图9是从具有清晰的腐烂的水果的表面获得的柱状图。
[0020]图10是从具有颗粒的表皮的水果的表面获得的柱状图。
[0021]图11是从显现出软的膨胀和折皱状况的水果的表面获得的柱状图。
[0022]图12是从显现出凹凸不平的缺陷的水果的表面获得的柱状图。
[0023]图13是从在表皮中具有裂缝或切口的水果获得的柱状图。
[0024]图14是从具有清晰的膨胀和折皱状况的水果获得的柱状图。
【具体实施方式】
[0025]在这里在根据水果的等级分类水果的机器的上下文中描述实施例。但是，应理解的是，这里所提供的实施例仅是示例并且本发明的范围不限于这里所公开的应用或实施例。例如，本发明的系统对于能够从示例(机器学习算法)自动地学习规则的任何类型的设备可以是有用的，包括但不限于采用人工神经网络的以及能够迭代的学习的机器，诸如医疗诊断机器、故障测试机器以及对象识别机器。
[0026]如这里所使用的，“远程地位于”意味着位于不同的社区、公司、组织、机构和/或物理位置。如果不同的楼层具有不同的组织，则位于相同的建筑物的不同的楼层上的机器例如可以相互位于远程位置。“处理单元”，如这里所使用的，包括中央处理单元(20)和机器
(30)或一组机器(50)两者。“参数”，如这里所使用的，包括核心参数和内部参数。
[0027]本公开的系统对于协调多个机器之中的信息交换是有用的。本公开讨论相互通信的机器的网络，所述网络检验来自不同的机器的数据的集合体以产生并且修改核心参数组。机器可以位于离开中央处理单元的远程位置并且在全世界的不同的地方。通过网络化，不同的机器可以相互学习并且使用从不同的机器获得的“知识”以教导以及改善其对等体。例如，当机器是水果-分类机器时，机器可以学习并且调节到在全世界的不同的位置处出现影响柑橘属水果的新的状况的趋势。中央处理单元能够基于该数据找出检测该状况的方法，或者使用该机器中的调节的更新的本地核心参数，确定哪些地理位置易受该状况的影响，并且将信息和新的核心参数传送到在这些位置中的机器将帮助检测该新的状况，使得可以拒绝具有新的缺陷的水果。
[0028]中央处理单元使用检测机器的全球网络从高水平上发现并且分析数据。因此，本发明的系统允许个体机器单独不能提供的智能的、更明智的对情况的理解。
[0029]图1描述了机器网络10，所述机器网络10包括通过网络与多个机器30通信的中央处理单元20。中央处理单元20被配置为接收并且选择性地传送信息到机器30。每个机器30可以是一个机器单元或者一组单元，并且典型地包括用于接收将被测试的物件的硬件组件。在一些情况中，多个机器30被分组以形成直接在它们自己之中共享数据而不通过中央处理单元20的机器30的“组”或“族”50。在机器的族50中的机器30通常具有共性，诸如出现在相同的一般地理区域中、处理特定的水果类型(例如，柑橘属水果)的配置、或者代表相同的公司。机器30测试接收到的每个物件并且根据内部参数组特征化所述物件。例如，在水果-分类机器的情况中，机器30将每个水果特征化为“拒绝”、“多汁”、“等级B”和“等级A”。机器30被配置为传送数据到中央处理单元20，所述中央处理单元20从所有的机器30收集数据并且开发其自己的核心参数。在一个实施例中，中央处理单元20初始地从机器30接收数据以自训