| 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
|
| 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 |
|---|
| 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。
|
| 自由記述の分野 |
溶接工学、制御工学
|
| 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。
|
