JP7217256B2 - 品質管理システム、品質管理方法、および品質管理プログラム - Google Patents

Description

本発明は、品質管理システム、品質管理方法、および品質管理プログラムに関する。

塗装の品質は、塗装工程における種々のパラメータの影響を受けうる。そのため、塗装工程の実施状況と、被塗物の塗装品質との関係を明らかにしようとする試みが行われている。しかし、塗装工程の実施状況に係る確認事項には、数値化することが困難である項目や、数値化が可能であっても高価な機器を要する項目などが多く存在するため、人手による確認作業が数多く実施されているのが現状である。

そのような確認作業を自動化する試みとして、たとえば特開２０１６－２１２０４４号公報（特許文献１）には、計器の撮影画像から当該計器の指針値を読み取る指針読取装置が開示されている。このような装置は、塗装工程にも応用しうる。

特開２０１６－２１２０４４号公報

しかし、塗装工程において確認作業の自動化が望まれる事項は、指針値の読み取りに限定されず数多く存在する。特許文献１の技術では、その機能が指針値の読み取りに特化されているため、塗装工程における種々の確認事項に汎用的に適用することは難しかった。

そこで、塗装工程における種々の確認事項について、その確認作業を汎用的に自動化できる品質管理システム、品質管理方法、および品質管理プログラムの実現が求められる。

本発明に係る品質管理システムは、塗装装置および被塗物の少なくとも一つを含む撮影対象物を撮影可能な撮影部と、前記撮影部により撮影した画像を記憶可能な記憶部と、少なくとも一つの前記画像が入力されたときに当該画像に係る前記撮影対象物の状態を出力する分類器を、複数の前記画像に基づいて構築可能な学習部と、が備えられ、前記撮影部は、前記画像として、可視光に基づく第一画像を撮影可能な撮影モードである通常モードと、赤外光に基づく第二画像を撮影可能な撮影モードである暗視モードと、で動作可能であり、前記記憶部は、前記撮影部により撮影した前記画像を、当該画像が撮影された撮影モードを特定可能な情報とともに記憶可能であり、前記学習部は、前記通常モードで撮影された複数の前記第一画像に基づく第一の分類器と、前記暗視モードで撮影された複数の前記第二画像に基づく第二の分類器と、を構築可能であることを特徴とする。

これらの構成によれば、塗装工程における種々の確認事項について、その確認作業を汎用的に自動化できる。

塗装ラインの概略図 本発明の実施形態に係る品質管理システムの構成図 本発明の実施形態に係る品質管理システムの第一の使用例を示す図 本発明の実施形態に係る品質管理システムの第二の使用例を示す図 本発明の実施形態に係る品質管理システムの第三の使用例を示す図 本発明の実施形態に係る品質管理システムの第四の使用例を示す図 本発明の実施形態に係る品質管理システムの第五の使用例を示す図 本発明の実施形態に係る品質管理システムの第七の使用例を示す図 本発明の実施形態に係る品質管理システムの第七の使用例の変形を示す図

本発明に係る品質管理システム、品質管理方法、および品質管理プログラムの実施形態について、図面を参照して説明する。以下では、本発明に係る品質管理システムを、塗装ライン１００において被塗物である車体Ｂの品質を管理可能な品質管理システム１に適用した例について説明する。

〔塗装ラインの構成〕
まず、本実施形態に係る塗装ライン１００について説明する。塗装ライン１００は、車体Ｂに対して塗装を施すことができる一連の設備である（図１）。塗装ライン１００の各部はトンネル状に構成されており、コンベアＣによって車体Ｂを一軸上（図１の紙面左右方向）に搬送しながら、車体Ｂに各塗装工程の作業を施す。本実施形態では、コンベアＣの搬送経路に沿って、複数の塗装ブース１０１と、検査ブース１０２とが設けられている。また、品質管理システム１が、各塗装ブース１０１、検査ブース１０２、およびコンベアＣからの信号を受信可能に設けられている。

各塗装ブース１０１には、それぞれの塗装ブース１０１で行われる塗装作業の内容に応じた塗装装置が設けられている。ここで、本実施形態における「塗装装置」には、スプレー塗装装置、電着塗装装置、ディップ処理槽、乾燥装置などの、車体Ｂに対して直接に塗装工程の作業を施す装置に加えて、貯槽、圧縮空気供給設備、空調設備、給排気設備などのユーティリティ装置も含まれる。また、各塗装ブース１０１には、塗装装置の運転状況や塗装ブース１０１内の環境などを観測するため、温度計、湿度計、風速計、電流計、回転計などの計測機器や、液面ゲージ、圧力ゲージなどの計器なども設けられている。

検査ブース１０２は、車体Ｂに施された塗装に係る品質検査が行われるブースである。検査ブース１０２では、検査装置を用いて自動的に行われる検査によって色相、膜厚、および仕上がり外観を検出するとともに、人為的な検査によってゴミの有無、ブツの有無、糸ブツの有無、はじきの有無、色相、および仕上がり肌の程度を決定する。人為的な検査の結果はコンピュータに入力され、検査装置による検査結果とともに、電子データとして品質管理システム１に送出される。

コンベアＣは、搬送経路にそって車体Ｂを搬送可能な装置である。コンベアＣには、車体Ｂに付された車体識別番号（個体識別情報の例）を読み取ることができる車体識別装置Ｄと、車体Ｂの移動量を検出できるエンコーダＥとが設けられている。

〔品質管理システムの構成〕
次に、本実施形態に係る品質管理システム１の構成について説明する。品質管理システム１には、撮影部２、記憶部３、学習部４、入力部５、およびディスプレイ６が備えられている（図２）。品質管理システム１の機能を概説すると、品質管理システム１は、塗装装置、被塗物、またはその両方（以下、撮影対象物という。）の画像に基づいて、撮影対象物の画像を入力として撮影対象物の状態を出力とする分類器を構築する。

撮影部２は、塗装装置および被塗物の少なくとも一つを含む撮影対象物を撮影可能に構成された装置であり、具体的にはデジタルカメラモジュール、デジタルサーモカメラモジュールなどとして実装される。ここで、デジタルサーモカメラモジュールが例示されていることから明らかなように、撮影部２により撮影される画像は、通常のデジタル画像に限定されず、熱画像などの特殊な機能が付与された画像であってもよい。また、当該画像は、静止画であってもよいし、動画（すなわち静止画の集合体）であってもよい。撮影された画像は、記憶部３に記憶される。

なお、撮影部２がデジタルカメラモジュールとして実装される場合、当該デジタルカメラモジュールが、通常モードと暗視モードとで動作可能であることが好ましい。ここで、通常モードとは、可視光を検知可能なセンサを用いて画像（第一画像）を撮影するモードをいう。また、暗視モードとは、たとえば赤外光を検知可能なセンサを用いて画像（第二画像）を撮影するモードをいう。暗視モードによれば、照度が不足して通常モードによっては明瞭な画像を撮影できない場合であっても、明瞭な画像が得られる。また、撮影部２（デジタルカメラモジュール）が、周囲の照度を検知可能な照度計を有し、当該照度計が検知した照度に基づいて、通常モードまたは暗視モードを自動的に選択するように構成されていると、より好ましい。また、撮影された画像に係るデータに、撮影モード（通常モードまたは暗視モード）を特定可能な情報が含まれていることが好ましい。

記憶部３は、撮影部２により撮影された画像などを記憶可能に構成された装置であり、具体的にはハードディスクや半導体メモリなどの公知の記憶装置として実装される。なお、撮影された画像に係るデータに、撮影モード（通常モードまたは暗視モード）を特定可能な情報が含まれている場合、記憶部３は当該画像を当該情報とともに記憶する。

学習部４は、新しい画像が入力されたときに当該画像に係る撮影対象物の状態を出力する分類器を構築可能に構成されている。かかる分類器は、記憶部３に記憶された撮影対象物に係る複数の画像に基づいて構築される。学習部４は、ＣＰＵなどの公知の演算処理装置として実装される。また、分類器を構築する際に用いられるアルゴリズムとしては、線形回帰、ランダムフォレスト、ベイズ、ロジステック回帰、サボートベクターマシンなどが例示される。構築された分類器は、記憶部３に記憶される。なお、通常モードで撮影された画像（第一画像）と、暗視モードで撮影された画像（第二画像）と、が存在する場合は、学習部４は、複数の第一画像に基づく第一の分類器（通常モード用の分類器）と、暗視モードで撮影された複数の第二画像に基づく第二の分類器（暗視モード用の分類器）とを、別々に構築する。

入力部５は、検査ブース１０２から送出された検査結果の入力を受付可能に構成されている。具体的には、コンピュータに設けられた入力インターフェースとして実装されている。なお、入力部５と検査ブース１０２との間の接続形態は、有線であってもよいし、無線であってもよい。入力された検査結果は、記憶部３に記憶される。

ディスプレイ６は、撮影部２により撮影された画像や、分類器により出力される撮影対象物の状態に係る情報などを表示可能に構成されており、公知の液晶ディスプレイなどとして実装される。

また、品質管理システム１には、不図示の個体識別部が設けられている。個体識別部は、まず、車体識別装置Ｄによって識別した車体識別番号により特定される車体Ｂが、どの時刻にどのブースに存していたかを、エンコーダＥが検出した移動量に基づいて特定する。次に、上記のように特定された時刻とブースとの関係に基づいて、撮影部２より撮影された画像や入力部５に入力された検査結果などが、いずれの個体の車体Ｂに関連するものであるのかを特定する。これによって、記憶部３に記憶される各種の情報は、車体Ｂの車体識別番号と関連付けられる。

〔品質管理システムの使用例〕
以下では、本実施形態に係る品質管理システム１を実際に使用する方法について、具体例を挙げて説明する。以下では特に、各具体例においてどのような分類器が構築されるのか、という観点に着目して説明している。なお以下の具体例は、本発明に係る品質管理システムの使用方法を限定するものではない。

（具体例１：スプレー処理工程のスプレーパターン良否判定）
第一の具体例では、塗装中のスプレー塗装装置１０３（塗装装置の例）および車体Ｂを撮影した画像Ｐ１（図３）を入力とし、スプレーパターンの良否（撮影対象物の状態の例）を出力とする分類器が構築される。ここで、当具体例におけるスプレーパターンとは、スプレー塗装装置１０３から吐出されるスプレー噴霧液の吐出方向α、吐出角度β、および到達距離Ｌをいう。この具体例において、撮影部２は、スプレー塗装装置１０３を撮影可能な位置および姿勢に設置される。

この具体例において学習部４により構築される分類器は、まず、入力された画像Ｐ１において、スプレー塗装装置１０３から吐出されて車体Ｂに着液するスプレー噴霧液の輪郭線１０４を特定する。かかる分類器は、輪郭線１０４を特定する処理を人為的に施した画像Ｐ１群を用いた教師あり学習により構築されてもよいし、輪郭線１０４が特定されていない画像Ｐ１群を用いた教師なし学習により構築されてもよい。

次に、当該分類器は、特定された輪郭線１０４に基づいて、スプレー噴霧液の吐出方向α、吐出角度β、および到達距離Ｌを特定する。その後、吐出方向α、吐出角度β、および到達距離Ｌに基づいてスプレーパターンの良否が判定され、吐出方向α、吐出角度β、および到達距離Ｌの値、ならびに判定結果がディスプレイ６に表示される。

（具体例２：貯槽液位の特定）
第二の具体例では、塗装ライン１００に設けられた貯槽１０５（塗装装置の例）を撮影した画像Ｐ２（図４）を入力とし、貯槽１０５の液位（撮影対象物の状態の例）を出力とする分類器が構築される。この具体例において、撮影部２は、貯槽１０５に貯留された液体（塗料など）の液面を撮影可能な位置および姿勢に設置される。

この具体例において学習部４により構築される分類器は、まず、入力された画像Ｐ２において、貯槽１０５に貯留された液体の液面が貯槽１０５の内壁面に接する輪郭線１０６を特定する。なお、第一の具体例と同様に、分類器の構築は、教師あり学習によって行われてもよいし、教師なし学習により行われてもよい。

次に、当該分類器は、特定された輪郭線１０６と、貯槽１０５の上端部１０７との距離Ｈを算出する。ここで、上端部１０７の位置は不変であるため、距離Ｈと液位とは一対一対応の関係にある。したがって、距離Ｈに基づいて液位を特定できる。以上のように特定された液位は、ディスプレイ６に表示される。

（具体例３：貯槽液面流速および泡発生状況の判定）
第三の具体例では、塗装ライン１００に設けられたディップ処理槽１０８（塗装装置の例）を撮影した動画Ｐ３（図５）を入力とし、ディップ処理槽１０８に貯留された塗料の液面における流速および泡発生状況に関する判定結果（撮影対象物の状態の例）を出力とする分類器が構築される。この具体例において、撮影部２は、ディップ処理槽１０８に貯留された塗料の液面を撮影可能な位置および姿勢に設置される。なお、より正確には、学習部４による演算処理の負荷を低減するため、撮影部２により撮影された動画Ｐ３から一定のサンプリングレートで抽出した静止画群が、分類器に対する入力として用いられる。ただし当具体例に係る説明では、単に動画Ｐ３を入力として取り扱う。

この具体例において学習部４により構築される分類器は、まず、入力された動画Ｐ３において、ディップ処理槽１０８に貯留された塗料の液面に発生した泡１０９を特定する。なお、第一の具体例と同様に、分類器の構築は、教師あり学習によって行われてもよいし、教師なし学習により行われてもよい。

次に、当該分類器は、動画Ｐ３を構成する複数の静止画を比較し、個々の泡１０９の移動を追跡する。そして、この追跡に基づいて、個々の泡１０９の移動速度を算出する。さらに、当該移動速度に基づいて、ディップ処理槽１０８に貯留された塗料の液面における流速を算出する。加えて、特定された泡１０９の個数に基づいて、ディップ処理槽１０８に貯留された塗料の液面における泡の発生状況が正常であるか異常であるかを判定する。以上のように導出された流速および泡発生状況に関する判定結果は、ディスプレイ６に表示される。

なお、同一の槽について撮影された同一の画像に対して、上記の第二の具体例と第三の具体例とを同時に適用してもよい。すなわち、ある槽に貯留された液面に係る画像に基づいて、当該槽の液位、液面における流速、および泡の発生状況を同時に判定しうる。

（具体例４：処理液の汚染レベルの判定）
第四の具体例では、塗装ライン１００に設けられた処理液配管１１０（塗装装置の例）を撮影した画像Ｐ４（図６）を入力とし、処理液配管１１０を流通する処理液の汚染レベル（撮影対象物の状態の例）を出力とする分類器が構築される。この具体例において、撮影部２は、処理液配管１１０の中途に設置されたサイトグラス１１０ａを撮影可能な位置および姿勢に設置される。

この具体例において学習部４により構築される分類器は、まず、入力された画像Ｐ４において、サイトグラス１１０ａの覗き窓部分１１０ｂを特定する。なお、第一の具体例と同様に、分類器の構築は、教師あり学習によって行われてもよいし、教師なし学習により行われてもよい。

次に、当該分類器は、画像Ｐ４の覗き窓部分１１０ｂの明度値を取得する。当該明度値は、処理液配管１１０を流通する処理液の色を反映するので、当該明度値に基づいて処理液の汚染レベルを判定できる。より具体的には、取得した明度値は、あらかじめ設定された明度値と汚染レベルとの対応テーブルに基づいて汚染レベルに変換され、当該汚染レベルがディスプレイ６に表示される。

（具体例５：ブース出入口における漏洩量の判定）
第五の具体例では、塗装ライン１００の入口１１１（塗装装置の例）を撮影した画像Ｐ５（図７）を入力とし、入口１１１から漏洩する蒸気１１２の量（撮影対象物の状態の例）を出力とする分類器が構築される。この具体例において、撮影部２は、入口１１１を撮影可能な位置および姿勢に設置される。

この具体例において学習部４により構築される分類器は、まず、入力された画像Ｐ５において、入口１１１から塗装ライン１００の外部に漏洩する蒸気の輪郭線１１２ａを特定する。なお、第一の具体例と同様に、分類器の構築は、教師あり学習によって行われてもよいし、教師なし学習により行われてもよい。

次に、当該分類器は、輪郭線１１２ａに包囲された領域の面積を算出する。当該面積は、入口１１１から漏洩する蒸気の量が多いほど大きくなるので、当該面積に基づいて蒸気１１２の漏洩量を算出できる。算出された漏洩量は、ディスプレイ６に表示される。なお、当具体例と同様に、水、粉、塗料などの漏洩量も判定しうる。

（具体例６：車体温度の判定）
第六の具体例では、ある塗装ブース１０１において車体Ｂ（被塗物の例）を撮影した熱画像を入力とし、車体Ｂの温度状態の良否に関する判定結果（撮影対象物の状態の例）を出力とする分類器が構築される。この具体例では、撮影部２は熱画像を撮影可能なサーモカメラとして実装され、塗装ブース１０１内に、車体Ｂの全体を撮影しうる位置および姿勢に設置される。

この具体例において学習部４により構築される分類器は、塗装ブース１０１の温度制御が正常なときに撮影された車体Ｂの熱画像と、塗装ブース１０１の温度制御が異常なときに撮影された車体Ｂの熱画像と、をそれぞれ複数用いて構築される。このとき、各熱画像に、塗装ブース１０１の温度制御状態（正常または異常）のラベルを付して教師あり学習としてもよいし、そのようなラベルを付さない教師なし学習としてもよい。構築された分類器は、入力された熱画像の温度分布パターン（または色分布パターン）に基づいて、入力された熱画像が、塗装ブース１０１の温度制御が正常な場合および異常な場合のいずれに該当するかを判定する。かかる判定の結果は、ディスプレイ６に表示される。

また、この具体例では、分類器を構築する際に用いられる各熱画像が、各熱画像に係る車体Ｂの車体識別番号に関連付けられており、さらに、当該車体識別番号に当該車体Ｂに係る検査結果が関連付けられている。したがって、車体識別番号に対して、熱画像と検査結果とが関連付けられている。したがって、当具体例における分類器は、熱画像を入力として、予測される検査結果を出力とする分類器でもある。車体Ｂの温度状態と相関が強い検査項目としては、たとえば仕上がり外観や仕上がり肌の程度などが挙げられ、当具体例によればこれらの検査項目に係る検査結果を精度よく予測しうる。予測された検査結果は、塗装ブース１０１の温度制御状態に関する判定結果（正常または異常）とともに、ディスプレイ６に表示される。

なお、この具体例において、仕上がり外観や仕上がり肌の程度などについて予測される検査結果が所定の警告基準を満たす場合に警報を発報するように、品質管理システム１に警報部（不図示）が備えられてもよい。

さらに、予測される品質管理値が所定の品質目標を満たさない場合に、当該品質目標を満たすために必要とされる塗装ブース１０１の運転条件の変更を提案可能な運転補正部（不図示）が、品質管理システム１に備えられていてもよい。加えて、提案された運転条件に従って塗装ブース１０１の運転条件を実際に変更するように構成されていてもよい。上記の例でいえば、仕上がり外観や仕上がり肌の程度などに係る品質管理値が品質目標を満たさないことが予測される場合に、塗装ブース１０１の温度条件や処理時間などを変更して品質目標を満たすことを目指すようにできる。

予測部により予測される品質管理値に基づいて行いうる工程管理手法として、上記の例の他に、塗装ブース１０１に係る塗装装置の修理や交換などを提案する、塗装ライン１００全体の一時停止を提案する、などの形態が例示される。予測される品質管理値を、これらに例示されるような形態で利用すると、製品ロスおよびこれに伴う時間および費用のロスを削減しうる。

（具体例７：計器ゲージの検針）
第七の具体例では、ある塗装ブース１０１に設置された計器ゲージ１１３（塗装装置の例）を撮影した画像Ｐ６（図８）を入力とし、計器ゲージ１１３の指示値（撮影対象物の状態の例）を出力とする分類器が構築される。この具体例では、撮影部２は、計器ゲージ１１３を撮影可能な位置および姿勢に設置される。なお、図８では、計器ゲージ１１３が圧力ゲージである例を示している。

この具体例において学習部４により構築される分類器は、まず、入力された画像Ｐ６において、計器ゲージ１１３の文字盤部分１１３ａと指針部分１１３ｂとを特定する。なお、第一の具体例と同様に、分類器の構築は、教師あり学習によって行われてもよいし、教師なし学習により行われてもよい。たとえば、教師あり学習の場合、計器ゲージ１１３を撮影した画像データ、当該画像データにおいて計器ゲージ１１３の文字盤部分１１３ａと指針部分１１３ｂとを特定する情報、および当該画像データにおける計器ゲージ１１３の指示値、の組であるマスターデータを教師データとして用いる。

次に、当該分類器は、特定された文字盤部分１１３ａと指針部分１１３ｂとの位置関係に基づいて、計器ゲージ１１３の指示値を特定する。かかる位置関係としては、たとえば、指針部分１１３ｂの回転角θを用いうる。たとえば図８に示した例では、計器ゲージ１１３の指示値が０．４ＭＰａであることが特定される。特定された指示値は、ディスプレイ６に表示される。

なお、当具体例において、複数の計器ゲージ１１３を同時に撮影した画像Ｐ７（図９）を入力としてもよい。図９に示した例では、圧縮空気の圧力ゲージ１１３Ａ、蒸気の温度ゲージ１１３Ｂ、および蒸気の圧力ゲージ１１３Ｃを同時に撮影した例を示している。この場合、各々の計器ゲージ１１３Ａ～１１３Ｃについて、それぞれ文字盤部分と指針部分とを特定し、圧縮空気の圧力ならびに蒸気の温度および圧力が特定される。

なお、当具体例の変形例として、撮影部２が通常モードと暗視モードとにわたって切替可能なデジタルカメラモジュールとして実装される場合の好ましい態様について説明する。この変形例においては、撮影部２の通常モードによって撮影された画像に基づいて構築される第一の分類器と、撮影部２の暗視モードによって撮影された画像に基づいて構築される第二の分類器とを、それぞれ別々に構築する。たとえば、教師あり学習の場合、上記のマスターデータとして、撮影部２の通常モードによって撮影された画像に基づく第一のマスターデータと、撮影部２の暗視モードによって撮影された画像に基づく第二のマスターデータと、を用いて、第一の分類器および第二の分類器を構築する。

検針を行う際には、まず、検針のために撮影された画像の撮影モードを特定する。撮影された各画像がいずれのモードで撮影されたのかは、たとえば、撮影された画像に係るデータに、撮影モード（通常モードまたは暗視モード）を特定可能な情報を含めておく方法によって特定できる。そして、入力された画像が撮影されたモードに対応した分類器（第一の分類器または第二の分類器）を用いて、上記に説明した方法により計器ゲージ１１３の指示値を特定する。

換言すれば、変形例に係る品質管理システムは、入力された前記画像が撮影された撮影モードを判定可能な撮影モード判定部をさらに備え、前記撮影モード判定部によって判定された前記撮影モードに基づいて選択され、選択された前記第一の分類器または前記第二の分類器に前記画像が入力されると、当該画像に係る前記撮影対象物の状態と、当該画像に関連付けられた前記被塗物について予測される前記検査結果と、を出力する。

〔その他の実施形態〕
最後に、本発明に係る品質管理システム、品質管理方法、品質管理プログラムのその他の実施形態について説明する。なお、以下のそれぞれの実施形態で開示される構成は、矛盾が生じない限り、他の実施形態で開示される構成と組み合わせて適用することも可能である。

上記の実施形態では、本発明の実施形態として、撮影部２、記憶部３、学習部４、入力部５、およびディスプレイ６が備えられた品質管理システム１について説明した。しかし、本発明は、上記の品質管理システム１と同様の機能をコンピュータに実行させる品質管理プログラムでありうる。

上記の実施形態では、撮影部２により撮影された撮影対象物の画像をそのまま分類器の入力として用いる構成を例として説明した。しかし、そのような構成に限定されることなく、撮影部により撮影された画像から外乱の影響を排除する前処理を実行可能な前処理部がさらに備えらえていてもよい。かかる外乱としては、汚れや傷などの撮影対象物自体に係る影響や、反射光、色かぶり、白飛びなどの撮影場所の照明状況に係る影響などが例示される。

上記の実施形態では、品質管理システム１において、塗装装置、被塗物、またはその両方の画像に基づいて、撮影対象物の画像を入力として撮影対象物の状態を出力とする分類器が構築される構成を例として説明した。しかし、そのような構成に限定されることなく、分類器の入力として、画像に加えて、塗装装置や検査装置などから取得した電気信号を用いるように構成してもよい。かかる電気信号としては、塗装設備に設けられた温度計、湿度計、水量計、圧力計、回転数計、電流計などから発される電気信号が例示される。

上記の実施形態では、学習部４によって構築された分類器が記憶部３に記憶される構成について説明した。しかし、そのような構成に限定されることなく、構築された分類器は、たとえば外部サーバなどに記憶されてもよい。この場合、分類器を構築した品質管理システム以外の個体の品質管理システムなどによっても、当該分類器を使用できる。

上記の実施形態では、被塗物が車体Ｂである構成を例として説明した。しかし、そのような構成に限定されることなく、本発明に係る品質管理システムは、任意の被塗物を塗装する塗装ラインに適用しうる。また、上記の実施形態では車体識別番号を用いて車体Ｂの個体を識別する構成を例示したが、本発明に係る品質管理システムは、被塗物に対応した任意の個体識別情報を用いうる。

その他の構成に関しても、本明細書において開示された実施形態は全ての点で例示であって、本発明の範囲はそれらによって限定されることはないと理解されるべきである。当業者であれば、本発明の趣旨を逸脱しない範囲で、適宜改変が可能であることを容易に理解できるであろう。したがって、本発明の趣旨を逸脱しない範囲で改変された別の実施形態も、当然、本発明の範囲に含まれる。

本発明は、たとえば自動車の車体を塗装する塗装ラインにおける品質管理システムに利用できる。

１ ：品質管理システム
２ ：撮影部
３ ：記憶部
４ ：学習部
５ ：入力部
６ ：ディスプレイ
１００ ：塗装ライン
１０１ ：塗装ブース
１０２ ：検査ブース
Ｃ ：コンベア
Ｄ ：車体識別装置
Ｅ ：エンコーダ
Ｂ ：車体

Claims (3)

1. 塗装装置および被塗物の少なくとも一つを含む撮影対象物を撮影可能な撮影部と、
   前記撮影部により撮影した画像を記憶可能な記憶部と、
   少なくとも一つの前記画像が入力されたときに当該画像に係る前記撮影対象物の状態を出力する分類器を、複数の前記画像に基づいて構築可能な学習部と、が備えられ、
   前記撮影部は、前記画像として、可視光に基づく第一画像を撮影可能な撮影モードである通常モードと、赤外光に基づく第二画像を撮影可能な撮影モードである暗視モードと、で動作可能であり、
   前記記憶部は、前記撮影部により撮影した前記画像を、当該画像が撮影された撮影モードを特定可能な情報とともに記憶可能であり、
   前記学習部は、前記通常モードで撮影された複数の前記第一画像に基づく第一の分類器と、前記暗視モードで撮影された複数の前記第二画像に基づく第二の分類器と、を構築可能である品質管理システム。
2. 塗装装置および被塗物の少なくとも一つを含む撮影対象物を撮影する撮影工程と、
   前記撮影工程において撮影した画像を記憶装置に記憶させる記憶工程と、
   少なくとも一つの前記画像が入力されたときに当該画像に係る前記撮影対象物の状態を出力する分類器を、複数の前記画像に基づいてコンピュータに構築させる学習工程と、を含み、
   前記撮影工程が、前記画像として、可視光に基づく第一画像を撮影する撮影モードである通常モード、または、赤外光に基づく第二画像を撮影する撮影モードである暗視モード、で実施され、
   前記記憶工程において、前記撮影工程において撮影した前記画像を、当該画像が撮影された撮影モードを特定可能な情報とともに記憶し、
   前記学習工程において、前記通常モードで撮影された複数の前記第一画像に基づく第一の分類器と、前記暗視モードで撮影された複数の前記第二画像に基づく第二の分類器と、を構築する品質管理方法。
3. 塗装装置および被塗物の少なくとも一つを含む撮影対象物を撮影した画像を記憶装置に記憶させる記憶機能と、
   少なくとも一つの前記画像が入力されたときに当該画像に係る前記撮影対象物の状態を出力する分類器を、複数の前記画像に基づいて構築する学習機能と、をコンピュータに実行させ、
   前記画像が、可視光に基づく第一画像を撮影する撮影モードである通常モード、または、赤外光に基づく第二画像を撮影する撮影モードである暗視モード、で撮影されたものであり、
   前記記憶機能において、前記画像を、当該画像が撮影された撮影モードを特定可能な情報とともに記憶し、
   前記学習機能において、前記通常モードで撮影された複数の前記第一画像に基づく第一の分類器と、前記暗視モードで撮影された複数の前記第二画像に基づく第二の分類器と、を構築する品質管理プログラム。

Images