特許ウォッチ

公開番号2024094749
公報種別公開特許公報(A)
公開日2024-07-10
出願番号2022211494
出願日2022-12-28
発明の名称ノロ取りシステム
出願人トヨタ自動車株式会社
代理人個人
主分類F27D 3/15 20060101AFI20240703BHJP(炉,キルン,窯;レトルト)
要約【課題】ノロ判定の精度の高いノロ取りシステムを提供する。
【解決手段】ノロ取りシステム10は、可視カメラ11と、溶湯16の表面でノロ取りを実行するロボット13と備える。ノロ取りシステム10は、可視カメラ11で溶湯16の表面の写真19を取得し、写真19をタイル分割するとともに、これらタイルに対して学習済みモデル18に基づいてクラス分類を実行し、クラス分類されたタイルがノロ17を捉えているかを判定し、ノロ17を捉えたタイルが所定枚数よりも多い時にロボット13を起動し、ノロ17を捉えたタイルが所定枚数以下になるまで一連の作業を繰り返す。ノロ取りシステム10は、サーモグラフィー12をさらに備える。ノロ取りシステム10は、写真19の取得に加えてサーモグラフィー12でサーモ画像20を取得する。ノロ取りシステム10は、タイルを判定する時、サーモ画像20を加味する。
【選択図】図1
特許請求の範囲【請求項１】
可視カメラと、溶湯表面でノロ取りを実行するロボットと備え、
前記可視カメラで溶湯表面の写真を取得し、
前記写真をタイル分割するとともに、これらタイルに対して畳み込み型ニューラルネットワーク（ＣＮＮ）からなる学習済みモデルに基づいてクラス分類を実行し、
クラス分類された前記タイルがノロを捉えているかを判定し、
ノロを捉えたタイルが所定枚数よりも多い時に前記ロボットを起動し、
ノロを捉えたタイルが所定枚数以下になるまで一連の作業を繰り返す、
ノロ取りシステムであって、
サーモグラフィーをさらに備え、
前記写真の取得に加えて前記サーモグラフィーでサーモ画像を取得し、
前記タイルを判定する時、前記サーモ画像を加味することで前記溶湯表面に映った影がノロとして捉えられた前記タイルを排除する、
ノロ取りシステム。

発明の詳細な説明【技術分野】
【０００１】
本発明はノロ取りシステムに関する。
続きを表示（約 1,800 文字）【背景技術】
【０００２】
特許文献１は溶湯の表面のノロを産業用ロボットのフィンガーで除去することを開示している。特許文献２はニューラルネットワークを用いた学習済みモデルに基づいて、溶湯表面の画像からスラグの発生の有無の判定及びスラグ発生位置の特定を行うことを開示している。特許文献３は転炉の出鋼口から取鍋に向けて排出される排出流の赤外線画像に基づき、排出流へのスラグ混入の有無を判定することを開示している。特許文献３では畳み込み型ニューラルネットワーク（ＣＮＮ）を用いた学習済みモデルで画像を解析する。
【先行技術文献】
【特許文献】
【０００３】
特開2018-179348号公報
特開2020-085395号公報
特開2022-124231号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
本発明はその一態様においてノロ判定の精度の高いノロ取りシステムを提供する。
【課題を解決するための手段】
【０００５】
カメラと、溶湯表面でノロ取りを実行するロボットと備え、
前記カメラで溶湯表面の写真を取得し、
前記写真をタイル分割するとともに、前記タイルを畳み込み型ニューラルネットワーク（ＣＮＮ）からなる学習済みモデルに基づいてクラス分類を実行し、
クラス分類された前記タイルがノロを捉えているかを判定し、
ノロを捉えたタイルが所定枚数よりも多い時に前記ロボットを起動し、
ノロを捉えたタイルが所定枚数以下になるまで一連の作業を繰り返す、
ノロ取りシステムであって、
前記写真の取得に加えてサーモグラフィーでサーモ画像を取得し、
前記タイルを判定する時、前記サーモ画像を加味することで前記溶湯表面に映った影がノロとして捉えられた前記タイルを排除する、
ノロ取りシステム。
【発明の効果】
【０００６】
本発明はその一態様においてノロ判定の精度の高いノロ取りシステムを提供する。
【図面の簡単な説明】
【０００７】
システムのブロック図
システムの動作の流れ図
タイル化された写真（上段）及び可視化されたクラス分類（下段）
【発明を実施するための形態】
【０００８】
図１はノロ取り用のシステム１０のブロック図を示す。システム１０は溶解炉１５からノロを取るシステムである。システム１０は可視カメラ１１、サーモグラフィー１２、ロボット１３及びコントローラー１４とを備える。溶解炉１５はその内部に溶湯１６を蓄えている。溶湯１６になっている金属の種類は特に限定されず、例えばアルミニウムである。溶湯１６の表面は鏡面になっており、溶解炉１５周辺の物体の影を反射しやすい。また溶湯１６の表面にはノロ１７（スラグ）の生じることがある。
【０００９】
図１に示すコントローラー１４は学習済みモデル１８を記憶している。コントローラー１４は学習済みモデル１８を必要な時に不図示のネットワークを通じてダウンロードしてもよい。学習済みモデル１８は畳み込み型ニューラルネットワーク（ＣＮＮ）より作成する。畳み込み型ニューラルネットワーク（ＣＮＮ）の例はEfficientNetである。学習済みモデル１８はオリジナルの学習済みモデルに対する転移学習、蒸留及びファインチューニング並びにこれらのいずれか2つ以上の組み合わせのいずれかにより得られたものでもよい。学習済みモデル１８はオリジナルの学習済みモデルでもよい。
【００１０】
図２はシステムの動作のフローチャートを示す。ステップ２１は任意に導入されるステップであり、後述する。ステップ２２にて図１に示す可視カメラ１１は溶湯１６の表面の写真１９を得る。一態様において可視カメラ１１はイメージセンサーで可視光を検出することで写真１９を生成する。サーモグラフィー１２は溶湯１６の表面のサーモ画像２０を得る。図１には可視カメラ１１の捉えた写真１９の画角が一点鎖線で表されている。写真１９には溶湯１６の表面と、ノロ１７が映っている。
（【００１１】以降は省略されています）

関連特許