溶接モニタリングと深層学習の融合による溶接品質その場推定と判断根拠の可視化

点击翻译按钮获取中文摘要

接合技術は産業分野において必要不可欠な基盤技術であり，そのプロセスから検査に至る製造工程全般を対象として，高能率化や高度化が常に求められている．アーク溶接は溶接の代表的な技術の一つであるが，設定できる溶接条件以外に，部材の機械加工精度や供給するワイヤの曲がりなどに由来する溶接狙い位置ずれ，溶接中の熱変形などの外乱が影響し，溶込み深さなどに代表される溶接品質が一定にはならない．本研究は，溶接施工時に問題となる溶込み深さや溶落ちの有無といった溶接品質の不安定性に対し，溶接中の溶融池画像を入力，溶接品質を出力とした深層学習モデルを構築して，インプロセスモニタリングによる溶接品質の可視化と予測を実現することを目的としている．従来成果として，我々はレ型開先のマグ溶接において，ギャップ変動や板継部を模した試験片に対する溶込み変動を深層学習モデルにより推定可能であることを明らかにしている．結果として，溶接長のほとんどの部分に対して，誤差1 mm以下で溶込み深さの推定が可能であるという結果を得ている．また，機械学習の活用上，問題となることもあるBlack Box化に対応すべく，モデルの判断根拠の可視化について取り組み，溶融池画像のどこに着目して溶込み深さが推定され得るかについても明らかにすることが出来た．当該年度は，更にモデルの推定精度を上げるため，複数画像入力モデルや，スカラー量入力モデル，波形入力モデルなどを試行した．その結果，取得した画像に対して，その狙い位置直下の溶込みを対応させるよりも少し後方の溶込みを対応させる方が高精度推定となることを見出した．これは溶接線方向の断面観察からも考察されうる金属の溶融凝固現象そのものに基づく対応と見られる．どのような条件の場合に，モデルの対応をどうすべきか，今後も議論が必要と考えられる．