焊接信息的学习模型生成方法、学习模型、程序以及焊接系统技术方案

一种学习模型生成方法，将来自视觉传感器的图像数据和从图像数据提取的焊接信息作为示教数据来进行学习，学习模型的生成中所用的多个焊接条件与关于至少1个项目的设定的差异对应，与各个焊接条件对应的图像数据包含熔池、焊丝以及电弧的至少一者，焊接信息包含与熔池的变动相关的信息、与焊丝的位置相关的信息以及与电弧相关的信息的至少一者，生成以图像数据为输入且输出焊接信息的学习模型。像数据为输入且输出焊接信息的学习模型。像数据为输入且输出焊接信息的学习模型。

【技术实现步骤摘要】
【国外来华专利技术】焊接信息的学习模型生成方法、学习模型、程序以及焊接系统


[0001]本专利技术涉及焊接信息的学习模型生成方法、学习模型、程序以及焊接系统。

技术介绍

[0002]近年来，在焊接作业的领域中，实现了自动作成或调整最佳的焊接条件的技术。例如在专利文献1中，以自动作成最佳的焊接条件为目的，公开了“一种机器学习装置(30)，学习决定至少一个电弧焊接条件，具备：状态观测部(31)，其在电弧焊接执行中或电弧焊接执行后的至少一方，观测由与电弧焊接相关的至少一个物理量和至少一个电弧焊接条件构成的状态变量；和学习部(35)，其将由该状态观测部观测到的至少一个物理量的变化和至少一个电弧焊接条件建立关联来进行学习”。
[0003]现有技术文献
[0004]专利文献
[0005]专利文献1：日本国特开2017
‑
30014号公报

技术实现思路

[0006]专利技术要解决的课题
[0007]专利文献1中，作为物理量，使用从电流电压测量部得到的焊接电流的波形、焊接电压的波形、由摄像部摄像的焊接部位的摄像数据、从摄像数据提取的信息。另外，所谓从摄像数据提取的信息，是指焊道的外观、焊道的余高输出
[0008]高度、焊道宽度、溅射的产生量。
[0009]然而，焊接现象根据焊接电流、电弧电压、嘴
‑
母材间距离(以下也称作“突出长度”)、被焊接物(以下也称作“工件”)的形状、焊接姿态、视觉传感器的位置、其他电弧焊接条件(以下称作“焊接条件”)的组合的差异而发生种种变化。
[0010]此外，焊接现象的变化不仅通过组合的差异产生，还通过各个焊接条件的设定的差异产生。
[0011]然而，在专利文献1中，并未提及各个焊接条件的设定的差异给焊接现象带来的影响。
[0012]为此，在专利文献1的情况下，在学习模型的学习中所用的焊接条件的设定和现实的焊接中使用的焊接条件的设定不同的情况下，从焊接现象自动提取的物理量(以下也称作“焊接信息”)的精度不稳定，存在基于错误提取的焊接信息执行错误的处理的可能性。
[0013]本专利技术目的在于，生成一种学习模型，其能不依赖于实际的焊接中设定的种种焊接条件，从摄像的图像数据以高的精度稳定地提取焊接信息。
[0014]用于解决课题的手段
[0015]根据相关的目的，作为1个专利技术，提供一种焊接信息的学习模型生成方法，生成若被输入从对焊接的情形进行摄像的视觉传感器输出的图像数据就输出与图像数据对应的焊接信息的学习模型，在学习模型生成方法中，学习模型的生成中所使用的图像数据针对
至少1个焊接条件的多个设定进行摄像，图像数据包含熔池、焊丝以及电弧的至少一者，焊接信息包含与熔池的变动相关的信息、与焊丝的位置相关的信息以及与电弧相关的信息的至少一者，在示教数据中使用图像数据和与图像数据对应的焊接信息来生成学习模型。
[0016]另外，优选地，图像数据对应于与焊丝的突出长度、喷嘴的形状、图像数据的明度、被焊接物的形状、导电嘴的形状、焊接电流、电弧电压、焊接速度、摆动条件、焊接姿态当中的至少1者相关的2个以上的设定。
[0017]此外，优选地，至少1个焊接条件是焊丝的突出长度，突出长度的设定至少从10～40mm的范围中选择多个。
[0018]此外，与熔池的变动相关的信息包含：在焊接所推进的方向上出现的熔池的前端的1个以上的位置的信息；以及相对于焊接所推进的方向熔池的左右的端部的位置的信息。
[0019]此外，优选地，与焊丝的位置相关的信息包含焊丝的前端位置的信息。
[0020]此外，优选地，与电弧相关的信息包含电弧的中心点的信息。
[0021]作为其他专利技术，提供学习模型，若被输入一种从对焊接的情形进行摄像的视觉传感器输出的图像数据就输出与图像数据对应的焊接信息，其特征在于，学习模型的生成中所使用的图像数据针对至少1个焊接条件的多个设定进行摄像，图像数据包含熔池、焊丝以及电弧的至少一者，焊接信息包含与熔池的变动相关的信息、与焊丝的位置相关的信息以及与电弧相关的信息的至少一者，在示教数据中使用图像数据和与图像数据对应的焊接信息来生成学习模型。
[0022]作为再其他专利技术，提供一种程序，使计算机实现生成若被输入从对焊接的情形进行摄像的视觉传感器输出的图像数据、就输出与图像数据对应的焊接信息的学习模型的功能，功能在示教数据中使用图像数据和与图像数据对应的焊接信息，学习模型的生成中所使用的图像数据针对至少1个焊接条件的多个设定进行摄像，图像数据包含熔池、焊丝以及电弧的至少一者，焊接信息包含与熔池的变动相关的信息、与焊丝的位置相关的信息以及与电弧相关的信息的至少一者。
[0023]作为再其他专利技术，提供一种焊接系统，具有：焊接装置，其对被焊接物进行焊接；视觉传感器，其对焊接的情形进行摄像；学习模型，其若被输入从视觉传感器输出的图像数据，就输出与图像数据对应的焊接信息；和控制装置，其使用将用视觉传感器摄像得到的图像数据输入到学习模型的情况下输出的焊接信息，来控制焊接装置的活动，学习模型的生成中所使用的图像数据针对至少1个焊接条件的多个设定进行摄像，图像数据包含熔池、焊丝以及电弧的至少一者，焊接信息包含与熔池的变动相关的信息、与焊丝的位置相关的信息以及与电弧相关的信息的至少一者，控制装置在示教数据中使用图像数据和与图像数据对应的焊接信息来生成学习模型。
[0024]此外，优选地，该焊接系统除了输出与图像数据对应的焊接信息的学习模型以外，还设置输入被从学习模型输出的焊接信息且输出焊接信息的补正信号的其他学习模型。
[0025]专利技术的效果
[0026]根据本专利技术，能生成一种学习模型，其能不依赖于实际的焊接中设定的种种焊接条件，从摄像得到的图像数据以高的精度稳定地提取焊接信息。
附图说明
[0027]图1是表示实施方式的说明中使用的自动焊接系统的结构例的图。
[0028]图2是说明视觉传感器的配置位置的立体图。
[0029]图3是说明控制焊接机器人的动作的机器人控制装置的结构例的图。
[0030]图4是说明数据处理装置的结构例的图。
[0031]图5是概念地说明学习模型的生成工艺的图。
[0032]图6是说明示教作业和所用的画面的一例的图。
[0033]图7是说明学习模型的有监督学习的流程图。
[0034]图8是说明机器人控制装置以及电源装置的处理动作的流程图。
[0035]图9是说明数据处理装置的补正信息的生成处理的流程图。
[0036]图10是说明示教数据的生成中所用的焊接条件的一例的图。
[0037]图11是说明与具体例1对应的焊接信息的输出例和与比较例1对应的焊接信息的输出例的图。
[0038]图12是说明示教数据的生成中所用的焊接条件的其他一例的图。
[0039]图13是说明摄像机的光圈值F＝8的情况下的具体例2的输出例的图。
[0040]图14本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种焊接信息的学习模型生成方法，生成若被输入从对焊接的情形进行摄像的视觉传感器输出的图像数据、就输出与该图像数据对应的焊接信息的学习模型，所述焊接信息的学习模型生成方法的特征在于，所述学习模型的生成中所使用的所述图像数据针对至少1个焊接条件的多个设定进行摄像，所述图像数据包含熔池、焊丝以及电弧的至少一者，所述焊接信息包含与熔池的变动相关的信息、与焊丝的位置相关的信息以及与电弧相关的信息的至少一者，在示教数据中使用所述图像数据和与该图像数据对应的所述焊接信息来生成所述学习模型。2.根据权利要求1所述的焊接信息的学习模型生成方法，其特征在于，所述图像数据对应于与所述焊丝的突出长度、喷嘴的形状、所述图像数据的明度、被焊接物的形状、导电嘴的形状、焊接电流、电弧电压、焊接速度、摆动条件、焊接姿态当中的至少一者相关的2个以上的设定。3.根据权利要求2所述的焊接信息的学习模型生成方法，其特征在于，所述至少1个焊接条件是所述焊丝的突出长度，所述突出长度的设定至少从10～40mm的范围中选择多个。4.根据权利要求1～3中任一项所述的焊接信息的学习模型生成方法，其特征在于，所述与熔池的变动相关的信息包含：在焊接所推进的方向上出现的所述熔池的前端的1个以上的位置的信息；以及相对于焊接所推进的方向，该熔池的左右的端部的位置的信息。5.根据权利要求1～3中任一项所述的焊接信息的学习模型生成方法，其特征在于，所述与焊丝的位置相关的信息包含所述焊丝的前端位置的信息。6.根据权利要求1～3中任一项所述的焊接信息的学习模型生成方法，其特征在于，与所述电弧相关的信息包含所述电弧的中心点的信息。7.一种学习模型，若被输入从对焊接的情形进行摄像的视觉传感器输出的图像数据，就输出与该图像数据对应的焊接信息，所述学习模型的特征在于，所述学习模型的生成中所使用的所述图像数据针对至...

【专利技术属性】
技术研发人员：古川尚英，石崎圭人，小池武，木村雄士，冈本阳，尾崎圭太，
申请(专利权)人：株式会社神户制钢所，
类型：发明
国别省市：