| 研究課題/領域番号 |
21K03806
|
|---|
| 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18020:加工学および生産工学関連
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
野村 和史 大阪大学, 大学院工学研究科, 准教授 (90397729)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| キーワード | アーク溶接 / モニタリング / 溶込み深さ / AI / CNN / 機械学習 / 判断根拠の可視化 |
|---|
| 研究成果の概要 |
ロボットによる自動アーク溶接は様々な産業分野で利用されているが，母材間ギャップやワイヤ狙い位置ズレといった外乱に左右され，溶込み深さなどの溶接品質が不安定になりやすい．このような課題に対して我々は，溶接現象のモニタリング画像から溶込み深さを推定するCNNベースの機械学習モデルを構築しその有効性を確認した．ただし機械学習モデルではしばしば問題となるBlack Box化や一部で推定精度が低いといった課題があった．そこで本研究では，判断根拠の可視化法の適用を通して入力画像の重要な領域を見出し溶接現象との物理的な関係を明らかにし，さらに入出力関係をシフトすることでより高精度な推定モデルを構築した．
|
| 自由記述の分野 |
溶接，AI，検査・計測
|
| 研究成果の学術的意義や社会的意義 |
昨今の機械学習は画像との相性が非常に高く溶接分野においても応用があり，画像から人の目でわかる特徴点を算出する操作を自動化したものが少なくない．本研究は，溶融池モニタリング結果を直接溶接品質と相関させ，重要な特徴量を可視化する手法の提案とその評価をしたものである．これは，人の目では一見わからない職人技能の可視化であり，真の自動化のためには必須であるといえる．一見してBlack Box化したAI応用技術であっても，物理的な溶接現象を反映したものであることが可視化され，更に入出力関係を吟味することで精度の高いモデルが構築できることを示すことができたことは学術的にも工学的にも非常に意義深いと言える．
|
