JP2019141902A

JP2019141902A - レーザ加工システム

Info

Publication number: JP2019141902A
Application number: JP2018030874A
Authority: JP
Inventors: 小林　洋平; Yohei Kobayashi; 洋平小林; 峻太郎谷; Shuntaro Tani; 弓槻青柳; Yutsuki Aoyagi
Original assignee: University of Tokyo NUC
Current assignee: University of Tokyo NUC
Priority date: 2018-02-23
Filing date: 2018-02-23
Publication date: 2019-08-29
Anticipated expiration: 2038-02-23
Also published as: JP7023500B2; US11951562B2; US20190262936A1

Abstract

【課題】レーザ照射によるアブレーション加工の最中に極めて短時間にアブレーション体積を求める。【解決手段】レーザ加工システムは、加工対象物に加工用レーザ光を照射してアブレーション加工を行なう加工用レーザ光照射装置を備える。加工対象物の加工用レーザ光による加工の最中に加工対象物の加工部における散乱光に基づいて加工部のアブレーションイメージを取得し、アブレーションイメージとアブレーション体積との関係を深層学習して得られた学習結果に取得したアブレーションイメージを適用してアブレーション体積を推定する。【選択図】図１

Description

本発明は、レーザ加工システムに関し、詳しくは、加工対象物に加工用レーザ光を照射してアブレーション加工を行なう加工用レーザ光照射装置を備えるレーザ加工システムに関する。

従来、この種のレーザ加工システムとしては、反射光量を測定するための反射光検出部の出力データを含むレーザ装置の状態量を観測する状態量観測部と、レーザ発振器から出力されたレーザ光による加工開始の成否の結果を取得する動作結果取得部と、状態量観測部および動作結果取得部からの出力を受取り、光出力指令データを、レーザ装置の状態量および加工開始の成否の結果に関連付けて学習する学習部と、学習部が学習した光出力指令データを参照して、光出力指令データを決定する意思決定部とを含む機械学習装置を有するものが提案されている（特許文献１参照）。このシステムでは、反射光量が第１所定レベルより高く設定された第２所定レベルを上回らない条件を充たしながら、所定時間内に、加工対象物に対して加工を開始するための光出力指令データを学習する。

特開２０１７−１３１９３７号公報

レーザ加工システムでは、レーザ照射による加工部のアブレーション加工の進捗程度を逐次把握してレーザ照射の制御に用いることが望まれている。アブレーション加工の進捗程度はアブレーション体積や加工部の深さなどによって示すことができるが、アブレーション体積の測定は、３次元レーザ顕微鏡や白色干渉顕微鏡などによって加工部を撮像して演算する必要から１０秒程度の時間を要するため、レーザ加工を中止する必要が生じ、レーザ加工中に撮像できない。このため、レーザ照射の制御に用いるには不向きである。

本発明のレーザ加工システムは、レーザ照射によるアブレーション加工の最中に極めて短時間にアブレーション体積を求めることを主目的とする。

本発明のレーザ加工システムは、上述の主目的を達成するために以下の手段を採った。

本発明のレーザ加工システムは、
加工対象物に加工用レーザ光を照射してアブレーション加工を行なう加工用レーザ光照射装置を備えるレーザ加工システムであって、
前記加工対象物の前記加工用レーザ光による加工の最中に前記加工対象物の加工部における散乱光に基づいて前記加工部のアブレーションイメージを取得する加工部イメージ取得部と、
アブレーションイメージとアブレーション体積との関係を学習する深層学習により得られた学習結果を前記加工部イメージ取得部により取得されたアブレーションイメージに適用してアブレーション体積を推定するアブレーション体積推定部と、
を備えることを特徴とする。

この本発明のレーザ加工システムでは、加工対象物の加工用レーザ光による加工の最中に加工対象物の加工部における散乱光に基づいて加工部のアブレーションイメージを取得し、アブレーションイメージとアブレーション体積との関係を学習する深層学習により得られた学習結果を取得したアブレーションイメージに適用してアブレーション体積を推定する。ここで、アブレーションイメージは、加工部の表面の凹凸からの散乱光を撮像した画像を意味している。加工部イメージ取得部としては高速カメラを用いて散乱光を撮像することによりアブレーションイメージを取得することができるから、このために要する時間は極めて短時間となる。また、アブレーションイメージとアブレーション体積との関係を深層学習して得られた学習結果を取得したアブレーションイメージに適用してアブレーション体積を推定するから、このために要する時間は極めて短時間となる。これらの結果、極めて短時間にアブレーション体積を求めることができる。ここで、アブレーションイメージはアブレーション加工による加工部の表面の凹凸からの散乱光を撮像した画像であるが、この加工部の表面の凹凸とアブレーション体積とに相関があり、アブレーション体積は加工部全体の形状に置き換えることができる。したがって、アブレーションイメージからアブレーション体積を推定することは、アブレーションイメージから加工部全体の形状を推定していることになる。このため、レーザ加工中に加工部全体の形状を推定し、その後の加工の制御、即ち、加工用レーザ光照射装置による加工用レーザ光の制御（例えば加工用レーザ光の強度やパルス幅などの設定）に用いることにより、より適正なレーザ加工を行なうことができる。なお、アブレーションイメージ（加工部の表面の凹凸からの散乱光を撮像した画像）とアブレーション体積との相関については、加工形状の表面のパターン変化率の積算値とアブレーション体積との相関として実験により確かめた。ここで、パターン変化率は、加工用レーザ光の照射の前後に撮像した２つのアブレーションイメージにおける画像の明るさの平均に対する画像の明るさの差分の二乗平均平方根｛（画像の差分の二乗平均平方根）／（明るさの平均）｝として定義した。

本発明のレーザ加工システムにおいて、前記深層学習としては、レーザ加工において連続する複数のアブレーションイメージを入力データとする学習であるものとしてもよい。こうすれば、より精度の高い学習結果を用いることができる。

本発明のレーザ加工システムにおいて、前記深層学習は、アブレーション体積と相関関係有するパラメータまたはアブレーション加工の際に測定可能なパラメータが含まれる加工パラメータを用いてアブレーションイメージと加工パラメータとの関係を学習し、学習により得られたアブレーションイメージと加工パラメータとの関係に前記相関関係を用いてアブレーションイメージとアブレーション体積との関係としたものを前記学習結果とするものとしてもよい。こうすれば、アブレーションイメージとアブレーション体積との関係を直接学習する場合に比して、より精度の高い学習結果やより容易に学習結果を得ることができる。ここで、加工パラメータとしては、加工部に対する加工開始から照射した加工用レーザ光の総エネルギに関連するパラメータ、例えば、加工用レーザ光の光強度と照射数や、加工用レーザ光の光強度と加工対象の掃引速度、加工用レーザ光のフルーエンスと加工対象の掃引速度、プラズマ発光強度、音圧などを挙げることができる。

本発明のレーザ加工システムにおいて、前記アブレーションイメージを取得するために前記加工部に前記加工用レーザ光とは異なる波長のイメージ用レーザ光を照射するイメージ用レーザ照射装置を備えるものとしてもよい。こうすれば、イメージ用レーザ光として所望の波長をもちいることができる。

本発明のレーザ加工システムにおいて、前記加工部イメージ取得部は、所定時間毎にアブレーションイメージを取得するものとしてもよい。こうすれば、所定時間毎にアブレーション加工によるアブレーション体積を求めることができ、所定時間毎により適正な加工用レーザ光照射装置による加工用レーザ光の制御を行なうことができる。この場合、前記加工用レーザ光照射装置は前記加工用レーザ光としてパルス幅がフェムト秒オーダーのパルスレーザ光を出力して前記アブレーション加工を行ない、前記加工部イメージ取得部は各パルスレーザ光の照射毎に又は複数のパルスレーザ光毎に前記アブレーションイメージを取得し、前記アブレーション体積推定部は前記加工用レーザ光照射装置による次の加工用レーザ光の照射の前までに前記アブレーション体積を推定するものとしてもよい。こうすれば、パルスレーザ光を照射する毎に又は複数のパルスレーザ光を照射する毎にアブレーション体積を求めることができ、パルスレーザ光を照射する毎に又は複数のパルスレーザ光を照射する毎に、より適正な加工用レーザ光照射装置による加工用レーザ光の制御を行なうことができる。

本発明の一実施例としてのレーザ加工システム２０の構成の概略を示す構成図である。加工部の表面のパターン変化率の積算値とアブレーション体積とフルーエンスとの関係の一例を示す説明図である。パルスレーザ光を加工対象物１０の加工部にｍ−１回，ｍ回，ｍ＋１回だけ照射したときの加工部の状態とアブレーションイメージの一例を示す説明図である。実施例で用いる深層学習の一例を示す説明図である。学習結果６２により推定されたアブレーション体積と実際のアブレーション体積との関係の一例を示す説明図である。異なるフルーエンスの新規データに関する予測結果の一例を示す説明図である。連続する３つのアブレーションイメージを入力データとした学習結果と連続する２つのアブレーションイメージを入力データとした学習結果の一例を示す説明図である。

次に、本発明を実施するための形態を実施例を用いて説明する。

図１は、本発明の一実施例としてのレーザ加工システム２０の構成の概略を示す構成図である。実施例のレーザ加工システム２０は、図示するように、加工用レーザ光を出力する加工用レーザ照射装置３０と、加工用レーザ光とは波長の異なるイメージ用レーザ光を出力するイメージ用レーザ照射器３８と、加工用レーザ光およびイメージ用レーザ光を加工対象物１０の加工部に導くと共にイメージ用レーザ光の加工対象物１０への照射による散乱光を高速カメラ５０に導く光学系４０と、イメージ用レーザ光の加工対象物１０への照射による散乱光に基づいて加工部の表面の凹凸のイメージ（アブレーションイメージ）を撮像する高速カメラ５０と、システム全体を制御するシステム制御装置６０と、を備える。

加工用レーザ照射装置３０は、加工用レーザ光を出力する加工用レーザ照射器３２と、加工用レーザ光の偏光方向を調整する１／２波長板３３と、加工用レーザ光のＳ偏光を反射すると共にＰ偏光を透過する偏光ビームスプリッタ３４と、レーザ加工の開始時に開成し終了時に閉成するシャッター３５と、加工用レーザ照射器３２や１／２波長板３３，シャッター３５を制御するレーザ制御部３６と、を備える。加工用レーザ照射器３２は、例えば波長が８００ｎｍ、パルス幅が３５ｆｓ、繰り返し周波数が１ｋＨｚ、フルーエンス（単位面積当たりのパルスエネルギ）が０．１〜１．０Ｊ／ｃｍ²の加工用レーザ光（パルスレーザ光）を出力可能なチタンサファイアレーザ照射器として構成されている。レーザ制御部３６は、ＣＰＵを中心とするマイクロコンピュータとして構成されており、システム制御装置６０からの制御信号に基づいて加工用レーザ照射器３２のフルーエンスや１／２波長板による偏光方向、シャッター３５の開閉タイミングを制御する。

イメージ用レーザ照射器３８は、例えば波長が６３３ｎｍ、パルス幅が５００μｓのイメージ用レーザ光を出力可能なレーザ照射器として構成されている。高速カメラ５０は、例えば繰り返し周波数が１ｋＨｚで撮像可能な高感度ＣＭＯＳカメラとして構成されている。

光学系４０は、加工用レーザ照射装置３０からの加工用レーザ光を導くミラー４２と、ミラー４２からの加工用レーザ光を反射して加工対象物１０に導くと共にイメージ用レーザ照射器３８からのイメージ用レーザ光を透過して加工対象物１０に導くハーフミラー４４と、加工用レーザ光およびイメージ用レーザ光を加工対象物１０の加工部に焦点を合わせるレンズ４６と、イメージ用レーザ光の加工対象物１０への照射による散乱光を集光するレンズ４８と、を備える。

システム制御装置６０は、図示しないが、ＣＰＵを中心とするマイクロコンピュータとして構成されており、ＣＰＵの他にＲＯＭやＲＡＭ、フラッシュメモリ、ＧＰＵ（Graphics Processing Unit）、入出力ポートなどを備え、深層学習によって得られたアブレーションイメージとアブレーション体積との関係の学習結果６２と、強化学習によって得られたアブレーション体積に対する最適な加工用レーザ光の照射の学習結果６４とを記憶している。システム制御装置６０は、高速カメラ５０により撮像されたアブレーションイメージを入力ポートを介して入力している。また、システム制御装置６０は、イメージ用レーザ照射器３８への制御信号や、加工用レーザ照射装置３０のレーザ制御部３６への制御信号、高速カメラ５０への制御信号、載置された加工対象物１０を３方向（ＸＹＺ方向）に移動させる図示しないステージへの駆動信号などを出力ポートを介して出力している。

実施例のレーザ加工システム２０では、システム制御装置６０からの制御信号により加工用レーザ照射器３２から波長が８００ｎｍ、パルス幅が３５ｆｓ、繰り返し周波数が１ｋＨｚ、フルーエンスが０．１〜１．０Ｊ／ｃｍ²の加工用レーザ光（パルスレーザ光）が出力される。加工用レーザ光は、１／２波長板３３、偏光ビームスプリッタ３４、シャッター３５を介してミラー４２およびハーフミラー４４で反射され、レンズ４６により焦点が合わされて加工対象物１０の加工部に照射される。一方、システム制御装置６０からの制御信号によりイメージ用レーザ照射器３８から波長が６３３ｎｍ、パルス幅が５００μｓ、繰り返し周波数が１ｋＨｚのイメージ用レーザ光を加工用レーザ光の出力タイミングに僅かに遅れて出力される。イメージ用レーザ光は、ハーフミラー４４を透過してレンズ４６により焦点が合わされて加工対象物１０の加工部に照射される。イメージ用レーザ光は加工用レーザ光に僅かに遅れて出力されるから、加工用レーザ光の加工対象物１０の加工部への照射によるアブレーション加工が行なわれた直後にイメージ用レーザ光が照射されるようになる。システム制御装置６０からの制御信号によりイメージ用レーザ光の加工対象物１０の加工部への照射による散乱光が高速カメラ５０で撮像されるように高速カメラ５０を制御する。このため、高速カメラ５０は、散乱光に基づく加工部の表面の凹凸に応じたイメージ（アブレーションイメージ）をアブレーション加工の直後に撮像し、撮像したアブレーションイメージをシステム制御装置６０に出力する。システム制御装置６０は、高速カメラ５０により撮像されたアブレーションイメージを入力すると、入力したアブレーションイメージを深層学習による学習結果６２に適用してアブレーション体積を求める。そして、求めたアブレーション体積を強化学習による学習結果６４に適用して次に照射する加工用レーザ光の最適値を求め、これを加工用レーザ照射装置３０のレーザ制御装置３６に出力する。これにより、システム制御装置６０は、加工用レーザ照射装置３０による加工対象物１０のレーザ加工を最適化する。

次に、実施例で用いる深層学習による学習結果６２について説明する。なお、強化学習による学習結果６４については本発明の中核をなさないから、これ以上の詳細な説明は省略する。

図２は、加工部の表面のパターン変化率の積算値とアブレーション体積とフルーエンスとの関係の一例を示す説明図である。パターン変化率は、実施例では、パルスレーザ光の照射の前後に撮像した２つのアブレーションイメージにおける画像の明るさの平均に対する画像の明るさの差分の二乗平均平方根｛（画像の差分の二乗平均平方根）／（明るさの平均）｝として定義されるものである。図示するように、加工部の表面のパターン変化率の積算値とアブレーション体積とには相関が認められるが、フルーエンスが異なるとその相関が異なるものとなる。加工部の表面のパターン変化率の積算値は、パターン変化率の定義からアブレーションイメージに反映されるから、アブレーションイメージとアブレーション体積との関係の学習は困難なものとなる。図３は、加工用レーザ光としてパルス幅が３５ｆｓでフルーエンスが０．４６Ｊ／ｃｍ²のパルスレーザ光を加工対象物１０の加工部にｍ−１回，ｍ回，ｍ＋１回だけ照射したときの加工部の状態とアブレーションイメージの一例を示す説明図である。図示するように、照射パルス数が増加するに従って加工部の加工が進捗し、加工部の表面の凹凸（アブレーションイメージ）が変化する。また、同一の照射パルス数でもフルーエンスが異なれば加工部の加工の程度も異なるものとなり、加工部の表面の凹凸（アブレーションイメージ）も異なるものとなる。これらのことを考慮すると、アブレーションイメージとフルーエンス及び照射パルス数との関係を深層学習により得ることができると考えられる。一方、フルーエンスと照射パルス数は、アブレーション体積に相関を有するから、深層学習により得られるアブレーションイメージとフルーエンス及び照射パルス数との関係にフルーエンス及び照射パルス数とアブレーション体積との相関を反映させれば、アブレーションイメージからアブレーション体積を求めることができる。実施例では、フルーエンスＦと照射パルス数ｎを加工パラメータとし、深層学習により得られるアブレーションイメージと加工パラメータとの関係に加工パラメータとアブレーション体積との相関を反映させたものを学習結果６２とした。

図４は、実施例で用いる深層学習の一例を示す説明図である。実施例で用いる深層学習では、基本的には、アブレーションイメージ（Ｆ，ｎ）を入力し、未知数としての学習パラメータＷのニューラルネットワークを用いて加工パラメータとしてのフルーエンスＦ’と照射パルス数ｎ’を推定する。そして、推定したフルーエンスＦ’と照射パルス数ｎ’と実際の値としてのフルーエンスＦと照射パルス数ｎとに基づいて損失を求め、損失が最小となるように学習パラメータＷを調整する。損失を求める損失関数としては、推定値と実際値との二乗平均誤差や交差エントロピーを用いることもできるが、加工パラメータとしてのフルーエンスＦと照射パルス数ｎの寄与を均一にするために、フルーエンスＦについては次式（１）に示すようにｆ（Ｆ）に変換し、照射パルス数ｎについては式（２）に示すようにｇ（ｎ）に変換し、損失としては式（３）に示すように変換したｆ（Ｆ）とｇ（ｎ）の二乗平均誤差とした。ここで、式（１）中、Ｃ１は定数であり、Ｆ_minはアブレーション加工を行なうことが可能な最小のフルーエンスである。式（２）中、Ｃ２は定数であり、ｎ_maxは学習における照射パルス数の最大値である。これらの式（１）（２）は、発明者らの試行錯誤の結果として得られたものである。

実施例では、畳み込みニューラルネットワークを用い、フルーエンス毎に連続する３つの照射パルス数の３つのアブレーションイメージを入力データとし、１５万の入力データ数を用い、式（３）の損失関数を用いて学習パラメータＷを求めた。

図５は、学習結果６２により推定されたアブレーション体積と実際のアブレーション体積との関係の一例を示す説明図である。図中、上段の（ａ）はフルーエンスＦが０．２０Ｊ／ｃｍ²のときの関係を示し、中段の（ｂ）はフルーエンスＦが０．５０Ｊ／ｃｍ²のときの関係を示し、下段の（ｃ）はフルーエンスＦが１．０Ｊ／ｃｍ²のときの関係を示す。図中、４５度の右上がりの直線は、実際のアブレーション体積を示す。図示するように、ある程度のバラツキがあり、フルーエンスＦが大きくなるほど且つアブレーション体積が大きくなるほど推定されるアブレーション体積は実際の体積より小さくなる傾向があるものの、学習結果６２を用いてアブレーション体積を求めることができるのが解る。

図６は、異なるフルーエンスの新規データに関する予測結果の一例を示す。図中、直線は実際の値を示す。推定される照射パルス数は、フルーエンスに拘わらず、誤差率３０％ほどの範囲内であった。一方、推定されるフルーエンスは、フルーエンスが大きいほど実際の値との乖離が大きくなるものの、同じフルーエンスに対しては同じ程度の値を推定している。これらのことから、今後の研究により精度を高めることが望まれるものの、学習結果６２を用いてアブレーション体積を求めることができるのが解る。

以上説明した実施例のレーザ加工システム２０では、加工用レーザ照射器３２から加工用レーザ光を出力して加工対象物１０の加工部に照射してアブレーション加工を行なう。一方、イメージ用レーザ照射器３８からイメージ用レーザ光を加工用レーザ光の出力タイミングに僅かに遅れて出力して加工対象物１０の加工部に照射し、加工部からの散乱光に基づいて加工部の表面の凹凸をアブレーションイメージとして高速カメラ５０により撮像する。そして、撮像したアブレーションイメージを深層学習による学習結果６２に適用してアブレーション体積を求める。高速カメラ５０により極めて短時間にアブレーションイメージを撮像し、システム制御装置６０により撮像したアブレーションイメージを深層学習による学習結果６２に適用して極めて短時間にアブレーション体積を求める。この結果、加工用レーザ光の照射によるアブレーション加工の最中に極めて短時間にアブレーション体積を求めることができる。また、求めたアブレーション体積を強化学習による学習結果６４に適用して次に照射する加工用レーザ光の最適値を求め、加工用レーザ照射装置３０を制御する。これにより、加工用レーザ照射装置３０による加工対象物１０のレーザ加工を最適化することができる。

実施例のレーザ加工システム２０では、畳み込みニューラルネットワークを用い、フルーエンス毎に連続する３つの照射パルス数の３つのアブレーションイメージを入力データとし、加工パラメータとしてのフルーエンスＦと照射パルス数ｎを用い、損失関数として式（３）を用いることにより、深層学習による学習結果６２をより推定精度の高いものとすることができる。

実施例のレーザ加工システム２０では、畳み込みニューラルネットワークを用いるものとしたが、畳み込みを行なわないニューラルネットワークを用いるものとしてもよい。

実施例のレーザ加工システム２０では、フルーエンス毎に連続する３つの照射パルス数の３つのアブレーションイメージを入力データとしたが、フルーエンス毎に連続する２つの照射パルス数の２つのアブレーションイメージを入力データとしたり、フルーエンス毎に連続する４つ以上の照射パルス数の４つ以上のアブレーションイメージを入力データとしたり、フルーエンス毎の各照射パルス数毎のアブレーションイメージを入力データとしたりしてもよい。なお、図７に示すように、連続する３つのアブレーションイメージを入力データとした方が、連続する２つのアブレーションイメージを入力データとした場合に比して、深層学習による学習結果６２をより推定精度の高いものとすることができる。

実施例のレーザ加工システム２０では、加工パラメータとしてのフルーエンスＦと照射パルス数ｎを用いたが、加工パラメータとしては加工部に対する加工開始から照射した加工用レーザ光の総エネルギに関連するパラメータであればよく、例えば、加工用レーザ光の光強度と加工対象の掃引速度を用いたり、加工用レーザ光のフルーエンスと加工対象の掃引速度を用いたり、プラズマ発光強度を用いたり、音圧を用いたりしてもよい。また、加工パラメータを用いずに、アブレーションイメージとアブレーション体積との関係を直接求めるものとしてもよい。

実施例のレーザ加工システム２０では、損失関数として式（３）を用いるものとしたが、フルーエンスと照射パルス数との寄与の均一化を図ることができるものであれば、他の如何なる損失関数を用いるものとしても構わない。また、加工パラメータとしてフルーエンスおよび照射パルス数とは異なるパラメータを用いる場合には、パラメータの特性に応じて損失関数を定めればよい。

実施例のレーザ加工システム２０では、加工用レーザ光としてパルスレーザ光を用いるものとしたが、連続照射するレーザ光を用いて加工を行なうものとしてもよい。この場合、アブレーション体積を求めるのに要する時間だけ加工に対する制御遅れが生じるものとなる。

実施例のレーザ加工システム２０では、波長が６３３ｎｍ、パルス幅が５００μｓのイメージ用レーザ光を出力可能なイメージ用レーザ照射器３８からのイメージ用レーザ光の加工対象物１０からの散乱光に基づいてアブレーションイメージを撮像するものとしたが、６３３ｎｍとは異なる波長、５００μｓとは異なるパルス幅のレーザ光を出力するレーザ照射器からのレーザ光の加工対象物１０からの散乱光に基づいてアブレーションイメージを撮像するものとしてもよい。例えば、加工用レーザ照射器３２からの加工用レーザ光の加工対象物１０からの散乱光に基づいてアブレーションイメージを撮像するものとしてもよい。この場合、イメージ用レーザ照射器３８は不要となる。

実施例のレーザ加工システム２０では、波長が８００ｎｍ、パルス幅が３５ｆｓ、繰り返し周波数が１ｋＨｚ、フルーエンスが０．１〜１．０Ｊ／ｃｍ²のパルスレーザ光を出力するチタンサファイアレーザ照射器を用いるものとしたが、加工用のレーザ光を出力することができるものであればよいから、８００ｎｍとは異なる波長、３５ｆｓとは異なるパルス幅、１ｋＨｚとは異なる繰り返し周波数、０．１〜１．０Ｊ／ｃｍ²とは異なるフルーエンスのレーザ光を出力するレーザ照射器を用いるものとしてもよい。

実施例のレーザ加工システム２０では、強化学習による学習結果６４を用いるものとしたが、最適化を行なう如何なる学習を用いるものとしてもよい。

以上、本発明を実施するための形態について実施例を用いて説明したが、本発明はこうした実施例に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において、種々なる形態で実施し得ることは勿論である。

本発明は、レーザ加工システムの製造産業などに利用可能である。

２０レーザ加工システム、３０加工用レーザ照射装置、３２加工用レーザ照射器、３３１／２波長板、３４偏光ビームスプリッタ、３５シャッター、３６レーザ制御部、４０光学系、４２ミラー、４４ハーフミラー、４６レンズ、４８レンズ、５０高速カメラ、６０システム制御装置、６２学習結果（深層学習）、６４学習結果（強化学習）。

Claims

加工対象物に加工用レーザ光を照射してアブレーション加工を行なう加工用レーザ光照射装置を備えるレーザ加工システムであって、
前記加工対象物の前記加工用レーザ光による加工の最中に前記加工対象物の加工部における散乱光に基づいて前記加工部のアブレーションイメージを取得する加工部イメージ取得部と、
アブレーションイメージとアブレーション体積との関係を学習する深層学習により得られた学習結果を前記加工部イメージ取得部により取得されたアブレーションイメージに適用してアブレーション体積を推定するアブレーション体積推定部と、
を備えることを特徴とするレーザ加工システム。
請求項１記載のレーザ加工システムであって、
前記深層学習は、レーザ加工において連続する複数のアブレーションイメージを入力データとする学習である、
レーザ加工システム。
請求項１または２記載のレーザ加工システムであって、
前記深層学習は、アブレーション体積と相関関係を有するパラメータまたはアブレーション加工の際に測定可能なパラメータが含まれる加工パラメータを用いてアブレーションイメージと加工パラメータとの関係を学習し、学習により得られたアブレーションイメージと加工パラメータとの関係に前記相関関係を用いてアブレーションイメージとアブレーション体積との関係としたものを前記学習結果とする、
レーザ加工システム。
請求項３記載のレーザ加工システムであって、
前記加工パラメータは、前記加工部に対する加工開始から照射した前記加工用レーザ光の総エネルギに関連するパラメータを含む、
レーザ加工システム。
請求項１ないし４のうちのいずれか１つの請求項に記載のレーザ加工システムであって、
前記アブレーションイメージを取得するために前記加工部に前記加工用レーザ光とは異なる波長のイメージ用レーザ光を照射するイメージ用レーザ照射装置、
を備えるレーザ加工システム。
請求項１ないし５のうちのいずれか１つの請求項に記載のレーザ加工システムであって、
前記加工部イメージ取得部は、所定時間毎にアブレーションイメージを取得する、
レーザ加工システム。
請求項６記載のレーザ加工システムであって、
前記加工用レーザ光照射装置は、前記加工用レーザ光としてパルス幅がフェムト秒オーダーのパルスレーザ光を出力して前記アブレーション加工を行ない、
前記加工部イメージ取得部は、各パルスレーザ光の照射毎に又は複数のパルスレーザ光毎に前記アブレーションイメージを取得し、
前記アブレーション体積推定部は、前記加工用レーザ光照射装置による次の加工用レーザ光の照射の前までに前記アブレーション体積を推定する、
レーザ加工システム。