特許ウォッチ

公開番号2025080289
公報種別公開特許公報(A)
公開日2025-05-26
出願番号2023193354
出願日2023-11-14
発明の名称学習済みモデルの生成方法、溶接システム、溶接支援方法、及びプログラム
出願人株式会社神戸製鋼所
代理人個人,個人,個人
主分類B23K 9/095 20060101AFI20250519BHJP(工作機械;他に分類されない金属加工)
要約【課題】溶接品質判定精度の向上を図ることが可能な学習済みモデルの生成方法を提供する。
【解決手段】学習済みモデルの生成方法は、溶接に伴う事象をセンサにより検出した、複数のサブデータを含む学習データを取得し、学習データについて、溶接が正常であるか異常であるかを表すラベルを取得し、異常を表すラベルが付与された学習データの複数のサブデータを、異常スコアを算出するためのモデルにそれぞれ入力して、複数の異常スコアを算出し、異常を表す前記ラベルと、複数の異常スコアのうちの所定以上の異常スコアとの誤差を低減するように、モデルの学習を行う。
【選択図】図1
特許請求の範囲【請求項１】
溶接に伴う事象をセンサにより検出した、複数のサブデータを含む学習データを取得し、
前記学習データについて、前記溶接が正常であるか異常であるかを表すラベルを取得し、
異常を表す前記ラベルが付与された前記学習データの複数の前記サブデータを、異常スコアを算出するためのモデルにそれぞれ入力して、複数の前記異常スコアを算出し、
異常を表す前記ラベルと、複数の前記異常スコアのうちの所定以上の異常スコアとの誤差を低減するように、前記モデルの学習を行う、
学習済みモデルの生成方法。
続きを表示（約 980 文字）【請求項２】
複数の前記サブデータは、前記学習データに対応する期間に含まれる複数のサブ期間においてそれぞれ検出されたデータである、
請求項１に記載の学習済みモデルの生成方法。
【請求項３】
前記学習データは、前記溶接に伴う事象を複数種類の前記センサにより検出した、複数の前記サブデータをそれぞれ含む複数種類の検出データを含み、
前記異常スコアの算出は、複数種類の前記検出データのうちの互いに対応する前記サブデータのセットを前記モデルに入力して、前記異常スコアを算出する、
請求項１に記載の学習済みモデルの生成方法。
【請求項４】
前記サブデータのセットは、前記学習データに対応する期間に含まれる複数のサブ期間のうちの、共通のサブ期間において検出されたデータのセットである、
請求項３に記載の学習済みモデルの生成方法。
【請求項５】
前記サブデータは、前記溶接のアーク及び溶接部の少なくとも一方を撮像した画像データである、
請求項１に記載の学習済みモデルの生成方法。
【請求項６】
前記サブデータは、前記溶接のアーク光を測定した分光データである、
請求項１に記載の学習済みモデルの生成方法。
【請求項７】
前記サブデータは、前記溶接の電圧及び電流の少なくとも一方を測定した波形データである、
請求項１に記載の学習済みモデルの生成方法。
【請求項８】
異常を表す前記ラベルは、前記溶接後の検査により溶接部に欠陥が発見された場合に、前記欠陥の位置に対応する前記学習データに付与される、
請求項１に記載の学習済みモデルの生成方法。
【請求項９】
前記モデルは、ニューラルネットワークを含み、
前記モデルの学習は、誤差逆伝播法により前記ニューラルネットワークの重みを調整する、
請求項１に記載の学習済みモデルの生成方法。
【請求項１０】
前記モデルの学習は、異常を表す前記ラベルと、複数の前記異常スコアのうちの最も高い異常スコアとの誤差を低減するように行う、
請求項１に記載の学習済みモデルの生成方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、学習済みモデルの生成方法、溶接システム、溶接支援方法、及びプログラムに関する。
続きを表示（約 1,500 文字）【背景技術】
【０００２】
特許文献１には、カメラが、溶接池、並びにリップル形状及び隅肉部の幾何形状の画像を撮像し、プロセッサが、画像を受信し、関連づけた溶接の潜在的欠陥を、モック溶接部の溶融池の画像並びにモック溶接部のリップル形状及び隅肉部の幾何形状の画像とともに格納するデータベースと通信し、データベース内で関連づけた潜在的欠陥に基づいて、カメラで撮像した画像に対応する溶接位置に欠陥が含まれる集計確率を計算する技術が開示されている。
【先行技術文献】
【特許文献】
【０００３】
特開２０１７－１０６９０８号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
ところで、溶接に伴う事象をセンサにより検出したプロセスデータを学習データとする場合、溶接に異常が発生する期間と比べて正常／異常ラベルを付与する期間が長いため、局所的に不適切なラベルが付与されることがある。そのような不適切なラベルを用いて教師あり機械学習を行うと、溶接品質判定精度が低下するおそれがある。
【０００５】
本発明は、上記課題に鑑みてなされたものであり、その主な目的は、溶接品質判定精度の向上を図ることが可能な学習済みモデルの生成方法、溶接システム、溶接支援方法、及びプログラムを提供することにある。
【課題を解決するための手段】
【０００６】
上記課題を解決するため、本発明の一の態様の学習済みモデルの生成方法は、溶接に伴う事象をセンサにより検出した、複数のサブデータを含む学習データを取得し、前記学習データについて、前記溶接が正常であるか異常であるかを表すラベルを取得し、異常を表す前記ラベルが付与された前記学習データの複数の前記サブデータを、異常スコアを算出するためのモデルにそれぞれ入力して、複数の前記異常スコアを算出し、異常を表す前記ラベルと、複数の前記異常スコアのうちの所定以上の異常スコアとの誤差を低減するように、前記モデルの学習を行う。これによれば、溶接品質判定精度の向上を図ることが可能となる。
【０００７】
上記態様において、複数の前記サブデータは、前記学習データに対応する期間に含まれる複数のサブ期間においてそれぞれ検出されたデータであってもよい。これによれば、異常が発生した蓋然性の高いサブ期間に検出されたサブデータを用いてモデルの学習を行うことが可能となる。
【０００８】
上記態様において、前記学習データは、前記溶接に伴う事象を複数種類の前記センサにより検出した、複数の前記サブデータをそれぞれ含む複数種類の検出データを含み、前記異常スコアの算出は、複数種類の前記検出データのうちの互いに対応する前記サブデータのセットを前記モデルに入力して、前記異常スコアを算出してもよい。これによれば、複数種類のセンサを用いて溶接品質判定精度の更なる向上を図ることが可能となる。
【０００９】
上記態様において、前記サブデータのセットは、前記学習データに対応する期間に含まれる複数のサブ期間のうちの、共通のサブ期間において検出されたデータのセットであってもよい。これによれば、共通のサブ期間において検出されたサブデータのセットを用いて溶接品質判定精度の向上を図ることが可能となる。
【００１０】
上記態様において、前記サブデータは、前記溶接のアーク及び溶接部の少なくとも一方を撮像した画像データであってもよい。これによれば、画像データを用いて溶接品質判定精度の向上を図ることが可能となる。
（【００１１】以降は省略されています）

関連特許