特許ウォッチ

公開番号2025126802
公報種別公開特許公報(A)
公開日2025-08-29
出願番号2024023218
出願日2024-02-19
発明の名称分類装置、分類方法、プログラム及び学習済みモデル
出願人AGC株式会社
代理人弁理士法人志賀国際特許事務所
主分類C03C 19/00 20060101AFI20250822BHJP(ガラス;鉱物またはスラグウール)
要約【課題】フロート法により製造されるガラス板のドロスに対する適した研磨時間を分類できる分類装置を提供する。
【解決手段】フロート法で製造されるガラス板が撮像された画像データを機械学習の学習済みモデルに入力し、前記学習済みモデルからの出力結果を、前記ガラス板のドロスの研磨に要する時間に関する判定結果として取得する判定部を備える、分類装置。
【選択図】図1
特許請求の範囲【請求項１】
フロート法で製造されるガラス板が撮像された画像データを機械学習の学習済みモデルに入力し、前記学習済みモデルからの出力結果を、前記ガラス板のドロスの研磨に要する時間に関する判定結果として取得する判定部を備える、
分類装置。
続きを表示（約 910 文字）【請求項２】
前記学習済みモデルでは、特徴量として、前記ドロスの白部分の面積又は黒部分の面積の少なくとも一方、前記ドロスの白部分の形状又は黒部分の形状の少なくとも一方、或いは、前記ドロスの白部分の割合又は黒部分の割合の少なくとも一方、のうちの１つ以上を使用する、
請求項１に記載の分類装置。
【請求項３】
前記判定部は、前記画像データと補助データを前記学習済みモデルに入力し、
前記補助データは、前記ドロスの場所、或いは、前記ドロスの数のうちの１つ以上を含む、
請求項１又は請求項２に記載の分類装置。
【請求項４】
前記画像データの画像を撮像する撮像装置を備え、
前記撮像装置は、反射光学系のカメラである、
請求項１又は請求項２に記載の分類装置。
【請求項５】
前記画像データは、前記ガラス板の一部が撮像された画像のデータであり、前記ドロスが写った部分を含む、
請求項１又は請求項２に記載の分類装置。
【請求項６】
教師データを用いて前記学習済みモデルを生成する学習制御部を備える、
請求項１又は請求項２に記載の分類装置。
【請求項７】
分類装置が、フロート法で製造されるガラス板が撮像された画像データを機械学習の学習済みモデルに入力し、前記学習済みモデルからの出力結果を、前記ガラス板のドロスの研磨に要する時間に関する判定結果として取得する、
分類方法。
【請求項８】
コンピューターに、
フロート法で製造されるガラス板が撮像された画像データを機械学習の学習済みモデルに入力する機能と、
前記学習済みモデルからの出力結果を、前記ガラス板のドロスの研磨に要する時間に関する判定結果として取得する機能と、
を実現させるためのプログラム。
【請求項９】
フロート法で製造されるガラス板が撮像された画像データを入力し、前記ガラス板のドロスの研磨に要する時間に関する判定結果データを出力する、
機械学習の学習済みモデル。

発明の詳細な説明【技術分野】
【０００１】
本開示は、分類装置、分類方法、プログラム及び学習済みモデルに関する。
続きを表示（約 1,400 文字）【背景技術】
【０００２】
フロート法によりガラス板を製造することが行われている。フロート法では、浴槽内の溶融スズ上に連続的に供給される溶融ガラスを当該溶融スズ上で流動させて帯板状に形成する。
このような製造法では、ガラス板の面（溶融スズと接する面であり、いわゆる下面）にドロス（ｄｒｏｓｓ）が発生し、当該ドロスを研磨する工程が設けられている。
【０００３】
特許文献１には、フロート法で製造されたガラス基板表面に存在するドロス、特に、型残りドロスの除去を研磨により行う方法が記載されている（特許文献１参照。）。特許文献１では、例えば、ドロスは、蛍光灯下でガラスを目視観察するなどした場合、点状に散見される凸状の付着欠点であること、及び、フロート法で発生するドロスとしては、溶融金属浴の金属成分である金属スズの酸化物、すなわち、酸化スズ（ＳｎＯ
２
）を主成分とする酸化スズ系のドロスが多いこと、が記載されている（特許文献１の段落０００３参照。）。
【先行技術文献】
【特許文献】
【０００４】
特開２０１６－２８９８８号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、従来の技術では、それぞれのドロスの状態ごとに最適な研磨時間を使用することが十分に為されていなかった。
例えば、ドロスの状態（例えば、スズの状態）に応じて最適な研磨時間が決まり、研磨時間が短くてもよいドロスと、研磨時間を長くすべきドロスが存在し得るが、従来技術では、これらの研磨時間を十分には分類できておらず、結果として、タクトが良くなくガラス板の生産性が劣化する場合があった。
【０００６】
本開示は、このような事情を考慮してなされたもので、フロート法により製造されるガラス板のドロスに対する適した研磨時間を分類できる分類装置、分類方法、プログラム及び学習済みモデルを提供することを課題とする。
【課題を解決するための手段】
【０００７】
本開示の一態様は、フロート法で製造されるガラス板が撮像された画像データを機械学習の学習済みモデルに入力し、前記学習済みモデルからの出力結果を、前記ガラス板のドロスの研磨に要する時間に関する判定結果として取得する判定部を備える、分類装置である。
【０００８】
本開示の一態様は、分類装置が、フロート法で製造されるガラス板が撮像された画像データを機械学習の学習済みモデルに入力し、前記学習済みモデルからの出力結果を、前記ガラス板のドロスの研磨に要する時間に関する判定結果として取得する、分類方法である。
【０００９】
本開示の一態様は、コンピューターに、フロート法で製造されるガラス板が撮像された画像データを機械学習の学習済みモデルに入力する機能と、前記学習済みモデルからの出力結果を、前記ガラス板のドロスの研磨に要する時間に関する判定結果として取得する機能と、を実現させるためのプログラムである。
【００１０】
本開示の一態様は、フロート法で製造されるガラス板が撮像された画像データを入力し、前記ガラス板のドロスの研磨に要する時間に関する判定結果データを出力する、機械学習の学習済みモデルである。
【発明の効果】
（【００１１】以降は省略されています）

関連特許