| 研究課題/領域番号 |
19K05076
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分26050:材料加工および組織制御関連
|
|---|
| 研究機関 | 埼玉大学 |
|---|
研究代表者 |
山根 敏 埼玉大学, 理工学研究科, 教授 (10191363)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2021年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2020年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
2019年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
|---|
| キーワード | 溶融池観察 / 深層学習 / GMA溶接 / プラズマアーク溶接 / 画像処理 / Resnet50 / セマンティック・セグメンテーション / 溶接線倣い制御 / 適応制御 / 溶接ロボット / 溶接条件制御 / 畳み込みニューラルネットワーク / セグメンテーション / CMOSカメラ / 分光測定 / パルスマグ溶接 / 溶融池画像 / パルス電流 / 裏ビード形状 / 畳込みニューラルネットワーク / オンライン推定 / 溶込み深さ推定 / CMOS カメラ / プラズマ溶接 / 画像認識 / 干渉フィルタ / 溶接溶融池 / ビジュアルセンサ / 溶込み制御 |
|---|
| 研究開始時の研究の概要 |
本研究では
１）アーク現象に関わるアーク光・溶融池の分光特性、および視覚センサの特性に適合した撮影方法の確立
２）溶融状態と溶融池溶込み状態の推定方法の確立
３）熟練者の知識・経験を活用した制御方法を構築
について検討を行う。これを行うために、視覚情報の識別に強い深層学習（多層ニューラルネットワーク）を用いて、溶融状態を推定する。この出力を用いて溶接システムをリアルタイム制御する。また、溶接中のセンサ情報からリアルタイム品質判断技術も確立する。
|
| 研究成果の概要 |
溶接システムにおいて溶融状態の推定を行うために、深層学習を適用した。これを行うためには、明瞭な溶融池画像の撮影が重要である。そこで、視覚センサの特性およびアークならびに溶融池の分光特性を調査し、良好な溶融池撮影条件を明確にした。これを用いて、ギャップ変動のあるV開先溶接を対象として、溶融池画像から深層学習の一つであるResnet50を用いて、開先ルート部の溶融状態を推定した。また、溶融池画像から溶融部と未溶融部との境界推定をセマンティック・セグメンテーションにより行った。その結果を溶接線倣い制御に応用した。
|
| 研究成果の学術的意義や社会的意義 |
画像を入力する深層学習により、状態推定を行う場合、深層学習の推定性能は画像の前処理に依存することを示し、特徴抽出の画像処理方法を示した。また、溶接状態を数値化して推定する場合、教師ありの深層学習を適用すると、多数の画像データおよび、それに対応する教師データ（数値データ）を用意する必要がある。これには、多大なる時間と労力が必要となる。しかし、分類を行う場合は、数値推定より時間がかからないとともに、学習時間を短縮化できる。さらに、深層学習の分類出力から数値データを得るための方法を示した。これらの方法はビックデータを深層学習により処理する場合にも適用できる。
|
