JP2020009435A - 鋼材成分学習装置、鋼材成分推定装置、鋼種判定装置、鋼材成分学習方法、鋼材成分推定方法、鋼種判定方法、及びプログラム - Google Patents
鋼材成分学習装置、鋼材成分推定装置、鋼種判定装置、鋼材成分学習方法、鋼材成分推定方法、鋼種判定方法、及びプログラム Download PDFInfo
- Publication number
- JP2020009435A JP2020009435A JP2019119679A JP2019119679A JP2020009435A JP 2020009435 A JP2020009435 A JP 2020009435A JP 2019119679 A JP2019119679 A JP 2019119679A JP 2019119679 A JP2019119679 A JP 2019119679A JP 2020009435 A JP2020009435 A JP 2020009435A
- Authority
- JP
- Japan
- Prior art keywords
- steel
- steel material
- component
- image data
- learning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 208
- 239000010959 steel Substances 0.000 title claims abstract description 208
- 239000000463 material Substances 0.000 title claims abstract description 129
- 239000002436 steel type Substances 0.000 title claims description 62
- 238000000034 method Methods 0.000 title claims description 40
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 66
- 229910052799 carbon Inorganic materials 0.000 claims description 66
- 229910045601 alloy Inorganic materials 0.000 claims description 39
- 239000000956 alloy Substances 0.000 claims description 39
- 238000010801 machine learning Methods 0.000 claims description 19
- 238000013527 convolutional neural network Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 11
- 239000000203 mixture Substances 0.000 claims description 5
- 230000000873 masking effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 17
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 8
- ZOKXTWBITQBERF-UHFFFAOYSA-N Molybdenum Chemical compound [Mo] ZOKXTWBITQBERF-UHFFFAOYSA-N 0.000 description 7
- 229910052750 molybdenum Inorganic materials 0.000 description 7
- 239000011733 molybdenum Substances 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 229910052804 chromium Inorganic materials 0.000 description 5
- 239000011651 chromium Substances 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 229910000975 Carbon steel Inorganic materials 0.000 description 4
- 238000005275 alloying Methods 0.000 description 4
- 239000010962 carbon steel Substances 0.000 description 4
- 230000010365 information processing Effects 0.000 description 4
- 229910052759 nickel Inorganic materials 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 229910001220 stainless steel Inorganic materials 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 102200082907 rs33918131 Human genes 0.000 description 2
- 102220062469 rs786203185 Human genes 0.000 description 2
- 229910052717 sulfur Inorganic materials 0.000 description 2
- 239000011593 sulfur Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000002441 X-ray diffraction Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
Landscapes
- Investigating And Analyzing Materials By Characteristic Methods (AREA)
- Image Analysis (AREA)
Abstract
Description
図4は、学習フェーズの手順例を示すフロー図である。制御部10は、同図に示す情報処理をプログラムに従って実行することにより、取得部11及び学習部13として機能する。
図6は、推論フェーズの手順例を示すフロー図である。制御部10は、同図に示す情報処理をプログラムに従って実行することにより、取得部11、推論部15及び鋼種判定部17として機能する。
図8及び図9は、複数のカメラ3,31,32を用いた変形例を示す図である。本変形例では、複数のカメラ3,31,32により火花を互いに異なる複数の方向から撮影して得られる複数の火花画像4,41,42を、畳み込みニューラルネットワークの入力データとする。
図10は、時系列の複数の火花画像4を用いた変形例を示す図である。本変形例では、カメラ3により火花を撮影して得られる時系列の複数の火花画像4を、畳み込みニューラルネットワークの入力データとする。時系列の複数の火花画像4は、例えば動画データに含まれる複数の静止画像であってもよいし、所定の時間間隔で撮影して個別に生成された複数の静止画像であってもよい。
図12は、マスク画像4a〜4cを用いた変形例を示す図である。本変形例では、火花画像4に部分的にマスクを設定したマスク画像4a〜4cを、畳み込みニューラルネットワークの入力データに用いる火花画像4の1つとしてもよい。
以下、他の実施形態について説明する。上記実施形態と重複する構成及び手順については、同番号を付すことで詳細な説明を省略することがある。
以下に説明するように、鋼材に含まれる合金元素は、時系列の複数の火花画像のそれぞれから学習済みモデルによって推定される複数の推定結果に基づいて判定されてもよい。
Claims (22)
- 鋼材を研削したときに発生する火花の画像データ及び前記鋼材の成分情報を取得する取得手段と、
前記画像データを入力データとし、前記成分情報を教師データとして、画像データから鋼材の成分を推定するための学習済みモデルを機械学習により構築する学習手段と、
を備える、鋼材成分学習装置。 - 前記学習手段は、前記火花を互いに異なる複数の方向から撮影して得られる複数の画像データを、前記入力データとする、
請求項1に記載の鋼材成分学習装置。 - 前記学習手段は、前記火花の全体を撮影して得られる画像データ、前記火花の根元部を撮影して得られる画像データ、前記火花の中途部を撮影して得られる画像データ、及び前記火花の先端部を撮影して得られる画像データから選択される2以上を、前記入力データとする、
請求項1または2に記載の鋼材成分学習装置。 - 前記学習済みモデルは、畳み込みニューラルネットワークである、
請求項1ないし3の何れかに記載の鋼材成分学習装置。 - 前記学習手段は、前記火花を撮影して得られる時系列の複数の画像データを、前記入力データとする、
請求項1ないし4の何れかに記載の鋼材成分学習装置。 - 前記学習済みモデルは、前記時系列の複数の画像データの時間軸を第3の次元とする3次元畳み込みフィルタを用いた畳み込みニューラルネットワークである、
請求項5に記載の鋼材成分学習装置。 - 前記学習手段は、前記火花を撮影して得られる画像データに部分的にマスクを設定した画像データを、前記入力データとする、
請求項1ないし6の何れかに記載の鋼材成分学習装置。 - 前記学習手段は、前記火花の根元部、中途部又は先端部にマスクを設定した画像データを、前記入力データとする、
請求項1ないし7の何れかに記載の鋼材成分学習装置。 - 前記鋼材の成分情報は、前記鋼材に含まれる炭素量及び合金元素の少なくとも一方を含む、
請求項1ないし8の何れかに記載の鋼材成分学習装置。 - 前記学習手段は、炭素量に応じてグループ分けされた複数の鋼材グループから選択される1の鋼材グループに属する鋼材に係る前記画像データを入力データとし、当該鋼材に含まれる合金元素を教師データとして、前記1の鋼材グループ用の学習済みモデルを構築する、
請求項1ないし9の何れかに記載の鋼材成分学習装置。 - 鋼材を研削したときに発生する火花の画像データを取得する取得手段と、
画像データを入力データとし、鋼材の成分情報を教師データとして機械学習により予め構築された学習済みモデルを用い、前記画像データから前記鋼材の成分を推定する推論手段と、
を備える、鋼材成分推定装置。 - 炭素量に応じてグループ分けされた複数の鋼材グループのそれぞれについて、鋼材に含まれる合金元素を教師データとして構築された複数の前記学習済みモデルから、1の鋼材グループ用の学習済みモデルを選択する選択手段をさらに備え、
前記推論手段は、前記選択された1の鋼材グループ用の学習済みモデルを用い、前記取得手段により取得された画像データから鋼材に含まれる合金元素を推定する、
請求項11に記載の鋼材成分推定装置。 - 画像データを入力データとし、鋼材の炭素量を教師データとして機械学習により予め構築された炭素量推定用学習済みモデルを用い、前記取得手段により取得された画像データから前記鋼材の炭素量を推定する予備推論手段をさらに備え、
前記選択手段は、前記予備推論手段により推定された鋼材の炭素量に基づいて、前記1の鋼材グループ用の学習済みモデルを選択する、
請求項12に記載の鋼材成分推定装置。 - 前記火花を撮影して得られる時系列の複数の画像データのそれぞれから前記学習済みモデルにより推定される複数の推定結果に基づいて、前記鋼材に含まれる合金元素を判定する判定手段をさらに備える、
請求項11ないし13の何れかに記載の鋼材成分推定装置。 - 鋼材の鋼種情報又は成分情報の入力を受け付ける入力受付部と、
前記入力受付部に入力された情報と、請求項10に記載の鋼材成分推定装置により推定された鋼材の成分とに基づいて、鋼種を判定する鋼種判定部と、
を備える、鋼種判定装置。 - 前記鋼種情報は、鋼種規格の上位の規格情報であり、
前記鋼種判定部は、前記上位の規格情報の下位に属する鋼種を判定する、
請求項15に記載の鋼種判定装置。 - 鋼材を研削したときに発生する火花の画像データ及び前記鋼材の成分情報を取得し、
前記画像データを入力データとし、前記成分情報を教師データとして、画像データから鋼材の成分を推定するための学習済みモデルを機械学習により構築する、
鋼材成分学習方法。 - 鋼材を研削したときに発生する火花の画像データを取得し、
画像データを入力データとし、鋼材の成分情報を教師データとして機械学習により予め構築された学習済みモデルを用い、前記画像データから前記鋼材の成分を推定する、
鋼材成分推定方法。 - 鋼材の鋼種情報又は成分情報の入力を受け付け、
入力された情報と、請求項14に記載の鋼材成分推定方法により推定された鋼材の成分とに基づいて、鋼種を判定する、
鋼種判定方法。 - 鋼材を研削したときに発生する火花の画像データ及び前記鋼材の成分情報を取得する取得手段、及び、
前記画像データを入力データとし、前記成分情報を教師データとして、画像データから鋼材の成分を推定するための学習済みモデルを機械学習により構築する学習手段、
としてコンピュータを機能させるためのプログラム。 - 鋼材を研削したときに発生する火花の画像データを取得する取得手段、及び、
画像データを入力データとし、鋼材の成分情報を教師データとして機械学習により予め構築された学習済みモデルを用い、前記画像データから前記鋼材の成分を推定する推論手段、
としてコンピュータを機能させるためのプログラム。 - 鋼材の鋼種情報又は成分情報の入力を受け付ける入力受付部、及び、
前記入力受付部に入力された情報と、請求項17に記載のプログラムにより機能する推論手段により推定された鋼材の成分とに基づいて、鋼種を判定する鋼種判定部、
としてコンピュータを機能させるためのプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018126532 | 2018-07-03 | ||
JP2018126532 | 2018-07-03 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020009435A true JP2020009435A (ja) | 2020-01-16 |
JP7372017B2 JP7372017B2 (ja) | 2023-10-31 |
Family
ID=69151914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019119679A Active JP7372017B2 (ja) | 2018-07-03 | 2019-06-27 | 鋼材成分学習装置、鋼材成分推定装置、鋼種判定装置、鋼材成分学習方法、鋼材成分推定方法、鋼種判定方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7372017B2 (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021117969A (ja) * | 2020-01-23 | 2021-08-10 | 同▲済▼大学 | ランダムバッチマスクとマルチスケール表現学習を融合した人物再同定方法 |
WO2021210230A1 (ja) * | 2020-04-14 | 2021-10-21 | 株式会社 ゼンショーホールディングス | 加熱状態識別装置、加熱制御装置、加熱制御方法、加熱状態識別システム、及び加熱制御システム |
JP2022007000A (ja) * | 2020-06-25 | 2022-01-13 | 株式会社Screenホールディングス | 画像処理装置、外観検査装置、学習済みパラメータ、画像処理方法、およびプログラム |
JP2022174707A (ja) * | 2021-05-11 | 2022-11-24 | 広西科学院 | スペース・シーケンス・フィーチャー学習に基づく歩行者の再識別システムおよび方法 |
CN117538381A (zh) * | 2023-11-16 | 2024-02-09 | 肇庆市大正铝业有限公司 | 一种用于再生铝合金锭成分检测的智能系统 |
JP7501173B2 (ja) | 2020-07-08 | 2024-06-18 | 株式会社ジェイテクト | 品質評価に用いられる学習モデルの製造方法、学習システム、品質評価システム、及び、品質評価方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015210651A (ja) * | 2014-04-25 | 2015-11-24 | サントリーシステムテクノロジー株式会社 | 商品識別システム |
JP2016099126A (ja) * | 2014-11-18 | 2016-05-30 | 学校法人東京理科大学 | 鋼材成分識別装置及びそのプログラム |
JP2016206909A (ja) * | 2015-04-21 | 2016-12-08 | キヤノン株式会社 | 情報処理装置、情報処理方法 |
JP2018018153A (ja) * | 2016-07-25 | 2018-02-01 | オリンパス株式会社 | 鋼種判別装置及び鋼種判別方法 |
-
2019
- 2019-06-27 JP JP2019119679A patent/JP7372017B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015210651A (ja) * | 2014-04-25 | 2015-11-24 | サントリーシステムテクノロジー株式会社 | 商品識別システム |
JP2016099126A (ja) * | 2014-11-18 | 2016-05-30 | 学校法人東京理科大学 | 鋼材成分識別装置及びそのプログラム |
JP2016206909A (ja) * | 2015-04-21 | 2016-12-08 | キヤノン株式会社 | 情報処理装置、情報処理方法 |
JP2018018153A (ja) * | 2016-07-25 | 2018-02-01 | オリンパス株式会社 | 鋼種判別装置及び鋼種判別方法 |
Non-Patent Citations (4)
Title |
---|
"鉄鋼材料検査通則及び試験方法", JISハンドブック▲1▼鉄鋼I(用語・検査・試験), vol. 第1版, JPN6022046686, 31 January 2003 (2003-01-31), JP, pages 508 - 523, ISSN: 0005051371 * |
KAIMING HE, GEORGIA GKIOXARI, PIOTR DOLL´AR, ROSS GIRSHICK: "Mask R-CNN", 2017 IEEE INTERNATIONAL CONFERENCE ON COMPUTER VISION (ICCV), JPN6023018358, 22 October 2017 (2017-10-22), US, pages 2980 - 2988, XP033283165, ISSN: 0005051368, DOI: 10.1109/ICCV.2017.322 * |
中野 智文 他: "3D Convolutional Neural Networkを用いた飲用動作からの満足感推定", 電子情報通信学会技術研究報告, vol. 117, no. 109, JPN6022046685, 16 June 2017 (2017-06-16), JP, pages 33 - 38, ISSN: 0005051370 * |
進藤 智則: "映像から人の動作認識するディープラーニング手法 3次元CNNをFacebook社やNTTコムなどが実", NIKKEI ROBOTICS, vol. 第5号, JPN6022046688, 10 November 2015 (2015-11-10), JP, pages 6 - 8, ISSN: 0005051369 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021117969A (ja) * | 2020-01-23 | 2021-08-10 | 同▲済▼大学 | ランダムバッチマスクとマルチスケール表現学習を融合した人物再同定方法 |
WO2021210230A1 (ja) * | 2020-04-14 | 2021-10-21 | 株式会社 ゼンショーホールディングス | 加熱状態識別装置、加熱制御装置、加熱制御方法、加熱状態識別システム、及び加熱制御システム |
JP2021169875A (ja) * | 2020-04-14 | 2021-10-28 | 株式会社 ゼンショーホールディングス | 加熱状態識別装置、加熱制御装置、加熱制御方法、加熱状態識別システム、及び加熱制御システム |
JP2022007000A (ja) * | 2020-06-25 | 2022-01-13 | 株式会社Screenホールディングス | 画像処理装置、外観検査装置、学習済みパラメータ、画像処理方法、およびプログラム |
JP7479961B2 (ja) | 2020-06-25 | 2024-05-09 | 株式会社Screenホールディングス | 画像処理装置、外観検査装置、画像処理方法、およびプログラム |
JP7501173B2 (ja) | 2020-07-08 | 2024-06-18 | 株式会社ジェイテクト | 品質評価に用いられる学習モデルの製造方法、学習システム、品質評価システム、及び、品質評価方法 |
JP2022174707A (ja) * | 2021-05-11 | 2022-11-24 | 広西科学院 | スペース・シーケンス・フィーチャー学習に基づく歩行者の再識別システムおよび方法 |
CN117538381A (zh) * | 2023-11-16 | 2024-02-09 | 肇庆市大正铝业有限公司 | 一种用于再生铝合金锭成分检测的智能系统 |
Also Published As
Publication number | Publication date |
---|---|
JP7372017B2 (ja) | 2023-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2020009435A (ja) | 鋼材成分学習装置、鋼材成分推定装置、鋼種判定装置、鋼材成分学習方法、鋼材成分推定方法、鋼種判定方法、及びプログラム | |
CN108694401B (zh) | 目标检测方法、装置及系统 | |
JP6936957B2 (ja) | 検査装置、データ生成装置、データ生成方法及びデータ生成プログラム | |
JP6924413B2 (ja) | データ生成装置、データ生成方法及びデータ生成プログラム | |
JP6403261B2 (ja) | 分類器生成装置、外観検査装置、分類器生成方法、及びプログラム | |
CN112215201B (zh) | 评估人脸识别模型、针对图像的分类模型的方法及装置 | |
US11176418B2 (en) | Model test methods and apparatuses | |
JP7493323B2 (ja) | 情報処理装置、情報処理装置の制御方法およびプログラム | |
CN108764372A (zh) | 数据集的构建方法和装置、移动终端、可读存储介质 | |
CN110059642B (zh) | 人脸图像筛选方法与装置 | |
CN110570358A (zh) | 基于gan网络的车损图像增强方法和装置 | |
JP5441728B2 (ja) | 官能検査装置及び官能検査方法 | |
CN110956615B (zh) | 图像质量评估模型训练方法、装置、电子设备及存储介质 | |
Ou et al. | A novel rank learning based no-reference image quality assessment method | |
CN112580660B (zh) | 图像处理方法、装置、计算机设备和可读存储介质 | |
CN114170227B (zh) | 产品表面缺陷检测方法、装置、设备及存储介质 | |
CN111428655A (zh) | 一种基于深度学习的头皮检测方法 | |
CN116385717A (zh) | 叶面病害识别方法、装置、电子设备、存储介质及产品 | |
CN111553431A (zh) | 图片清晰度检测方法、装置、计算机设备及存储介质 | |
CN108460388A (zh) | 定位标志的检测方法、装置及计算机可读存储介质 | |
Chen et al. | Learning to rank retargeted images | |
CN114358204A (zh) | 基于自监督的无参考图像质量评估方法及系统 | |
JP6788929B1 (ja) | 被検物判定用の画像処理装置及び画像処理方法 | |
CN116883786A (zh) | 图数据增广方法、装置、计算机设备及可读存储介质 | |
JP2011221840A (ja) | 画像処理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211026 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221021 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221108 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230105 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230509 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230706 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231018 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231018 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7372017 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |