特許ウォッチ

公開番号2025172355
公報種別公開特許公報(A)
公開日2025-11-26
出願番号2024077822
出願日2024-05-13
発明の名称画像生成装置、生成器の学習方法、生成器、推定器および、画像確認システム
出願人株式会社ダイセル,兵庫県公立大学法人
代理人弁理士法人G-chemical
主分類G01N 3/56 20060101AFI20251118BHJP(測定;試験)
要約【課題】任意の摩擦力や摩擦係数を有する物質表面の推定画像を生成することができる画像生成装置を提供する。
【解決手段】ユーザーが入力した摩擦力および/または摩擦係数を取得する取得部と、前記摩擦力および/または摩擦係数を表す画像を推定して生成する生成器とを備える、画像生成装置。画像生成装置1は、取得部2、生成器3、および推定器4を備える。画像生成装置1にユーザーが摩擦力および/または摩擦係数を入力すると、取得部1が上記摩擦力および/または摩擦係数を取得する。
【選択図】図1
特許請求の範囲【請求項１】
ユーザーが入力した摩擦力および／または摩擦係数を取得する取得部と、
前記摩擦力および／または摩擦係数を表す画像を推定して生成する生成器とを備える、画像生成装置。
続きを表示（約 950 文字）【請求項２】
前記生成器は、相違する摩擦力情報および／または摩擦係数情報を有する複数の画像データからなる訓練データを学習済みの生成ＡＩである請求項１に記載の画像生成装置。
【請求項３】
前記生成器が生成した画像の摩擦力および／または摩擦係数を推定する推定器を備える、請求項１または２に記載の画像生成装置。
【請求項４】
前記推定器は、摩擦試験によって得られた摩擦界面画像と摩擦力および／または摩擦係数とを含む情報を学習データとして学習された画像認識ＡＩであり、前記学習データは前記生成器の学習に用いない情報である、請求項１または２に記載の画像生成装置。
【請求項５】
前記生成器は生成部および識別部を備え、前記生成部は、当該生成部が生成する画像の真偽を識別する前記識別部との競合学習により生成された敵対的生成ネットワークの生成部である、請求項４に記載の画像生成装置。
【請求項６】
第一の摩擦力情報および／または第一の摩擦係数情報を有する第一の画像から第二の摩擦力情報および／または第二の摩擦係数情報を有する第二の画像を推定して生成する、生成器の機械学習を行う学習方法であり、
摩擦試験によって得られた摩擦界面画像と、摩擦力および／または摩擦係数とを含む情報を学習データとして前記機械学習を行う、生成器の学習方法。
【請求項７】
前記生成器は生成部および識別部を備え、前記生成部が生成する画像の真偽を識別する前記識別部との競合学習により前記機械学習を行う、請求項６に記載の生成器の学習方法。
【請求項８】
ユーザーが入力した摩擦力および／または摩擦係数を表す画像を推定して生成する生成器。
【請求項９】
相違する摩擦力情報および／または摩擦係数情報を有する複数の画像データからなる訓練データを学習済みである、請求項８に記載の生成器。
【請求項１０】
摩擦試験によって得られた摩擦界面画像と、摩擦力および／または摩擦係数とを含む情報とを学習データとして学習された生成ＡＩである、請求項８または９に記載の生成器。
（【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】
本開示は、画像生成装置、生成器の学習方法、生成器、推定器および、画像確認システムに関する。
続きを表示（約 1,900 文字）【背景技術】
【０００２】
部材同士が摺動する際の一定条件下における摩擦力や摩擦係数を測定する摩擦試験法としてボールオンディスク摩擦試験が知られている。ボールオンディスク摩擦試験では、ディスクの一方の面にボールを接触させ回転させてボールおよびディスク間に摩擦を生じさせ、その際の摩擦力および摩擦係数を測定する。
【０００３】
摩擦試験後に得られる表面の状態を観察することは非常に重要である。近年、摩擦試験後の画像から摩擦係数を推定する方法が報告されている。例えば、非特許文献１には、摩擦後の様々な材料の表面画像と、計測された摩擦係数とを、折り畳みニューラルネットワーク（Convolutional neural network；ＣＮＮ）に学習させ、表面画像から摩擦係数を推定する方法が開示されている。また、非特許文献２には、ＡＩを用いて摩擦面画像から摩擦係数診断を行う方法が開示されている。
【０００４】
ところで、用意されたデータから特徴を学習し、擬似的なデータを生成することができるＡＩアルゴリズムの一つとして、例えばサイクル無矛盾生成敵対ネットワーク（Cycle Consistent Generative Adversarial Networks；ＣＣＧＡＮ）が知られている（非特許文献３）。
【先行技術文献】
【非特許文献】
【０００５】
H.Zhang，外２名，“Friction from Reflectance: Deep Reflectance Codes for Predicting Physical Surface Properties from One-Shot In-Field Reflectance”，［online］，平成２８年５月２５日，Arxiv，［令和６年５月１３日検索］，インターネット＜URL：https://arxiv.org/abs/1603.07998＞フォームの始まり
村島基之，“深層学習を用いた摩擦・摩耗推定技術とAIを用いた変形表面制御による新しい機能性の創発" ，［online］，令和２年，トライボロジスト第67巻第12号（2022）830-837，［令和６年５月１３日検索］，インターネット＜URL：https://jstage.jst.go.jp/article/tribologist/67/12/67_67.12_830/_article/-char/ja/＞
X.Ding，外４名，"Continuous Conditional Generative Adversarial Networks: Novel Empirical Losses and Label Input Mechanisms"，［online］，令和２年１１月１５日，Arxiv，［令和６年５月１３日検索］，インターネット＜URL：https://arxiv.org/pdf/2011.07466＞
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかしながら、任意の物質表面の摩擦力や摩擦係数の情報から、その摩擦力や摩擦係数を有する物質表面の画像を推定する方法はこれまでに知られていなかった。
【０００７】
従って、本開示の目的は、任意の摩擦力や摩擦係数を有する物質表面の推定画像を生成することができる画像生成装置を提供することにある。また、本開示の他の目的は、上記画像生成装置に用いられる生成器および推定器、並びに上記生成器の学習方法を提供することにある。また、本発明の他の目的は、上記画像生成装置により得られた推定画像の適切性を確認することができる画像確認システムを提供することにある。また、本発明の他の目的は、任意の物性を有する物質表面の推定画像を生成することができる画像生成装置を提供することにある。
【課題を解決するための手段】
【０００８】
本開示は、ユーザーが入力した摩擦力および／または摩擦係数を取得する取得部と、
上記摩擦力および／または摩擦係数を表す画像を推定して生成する生成器とを備える、画像生成装置を提供する。
【０００９】
上記生成器は、相違する摩擦力情報および／または摩擦係数情報を有する複数の画像データからなる訓練データを学習済みの生成ＡＩであることが好ましい。
【００１０】
上記画像生成装置は、上記生成器が生成した画像の摩擦力および／または摩擦係数を推定する推定器を備えることが好ましい。
（【００１１】以降は省略されています）

関連特許