KR20230003501A - 광파이버를 위한 융착 접속 시스템, 융착 접속기, 모델 작성 장치, 및 광파이버를 융착 접속하는 방법 - Google Patents

Abstract

융착 접속 시스템은, 모델 작성 장치와 복수의 융착 접속기를 구비한다. 모델 작성 장치는, 광파이버의 촬상 데이터로부터 얻어지는 특징량과 광파이버의 종류의 대응 관계를 나타내는 샘플 데이터를 이용하여 기계 학습을 행하고, 접속하려고 하는 광파이버의 종류를 광파이버의 촬상 데이터에 근거하여 판별하기 위한 판별 모델을 작성한다. 각 융착 접속기는, 촬상부와 판별부와 접속부를 가진다. 촬상부는, 한 쌍의 광파이버를 촬상하여 촬상 데이터를 생성한다. 판별부는, 특징량을 판별 모델에 입력하여 한 쌍의 광파이버 각각의 종류를 판별한다. 접속부는, 판별부에 있어서의 판별 결과에 근거하여, 한 쌍의 광파이버의 종류의 조합에 따른 접속 조건으로 한 쌍의 광파이버를 융착 접속한다. 모델 작성 장치는, 복수의 융착 접속기를 촬상 데이터의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 분류하여, 그룹마다 샘플 데이터를 모아 판별 모델을 작성한다.

Description

광파이버를 위한 융착 접속 시스템, 융착 접속기, 모델 작성 장치, 및 광파이버를 융착 접속하는 방법

본 개시는, 광파이버를 위한 융착 접속 시스템, 융착 접속기, 모델 작성 장치, 및 광파이버를 융착 접속하는 방법에 관한 것이다. 본 출원은, 2020년 4월 17일 출원의 국제 출원 제PCT/JP2020/016860호에 근거하는 우선권을 주장하고, 상기 국제 출원에 기재된 모든 기재 내용을 원용한다.

특허 문헌 1 및 특허 문헌 2에는, 융착 접속 시스템, 융착 접속기, 및 광파이버 종 판별 방법이 개시되어 있다.

[특허 문헌 1] 일본 특개 2020－20997호 공보 [특허 문헌 2] 일본 특개 2020－20998호 공보

본 개시의 융착 접속 시스템은, 모델 작성 장치와 복수의 융착 접속기를 구비한다. 모델 작성 장치는, 광파이버의 촬상 데이터로부터 얻어지는 특징량과 상기 광파이버의 종류의 대응 관계를 나타내는 샘플 데이터를 이용하여 기계 학습을 행하고, 접속하려고 하는 광파이버의 종류를 상기 접속하려고 하는 광파이버의 촬상 데이터에 근거하여 판별하기 위한 판별 모델을 작성한다. 복수의 융착 접속기의 각각은, 촬상부와 판별부와 접속부를 가진다. 촬상부는, 한 쌍의 광파이버를 촬상하여 촬상 데이터를 생성한다. 판별부는, 촬상부로부터 제공된 촬상 데이터로부터 얻어지는 특징량을 판별 모델에 입력하고, 한 쌍의 광파이버 각각의 종류를 판별한다. 접속부는, 판별부에 있어서의 판별 결과에 근거하여, 한 쌍의 광파이버의 종류의 조합에 따른 접속 조건으로 한 쌍의 광파이버를 서로 융착 접속한다. 모델 작성 장치는, 복수의 융착 접속기를 촬상 데이터의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 분류하여, 그룹마다 샘플 데이터를 모아 판별 모델을 작성한다. 각 융착 접속기의 판별부는, 상기 각 융착 접속기가 속하는 그룹에 대응하는 판별 모델을 이용하여 한 쌍의 광파이버 각각의 종류를 판별한다.

본 개시의 융착 접속기는, 촬상부와 판별부와 접속부를 구비한다. 촬상부는, 한 쌍의 광파이버를 촬상하여 촬상 데이터를 생성한다. 판별부는, 접속하려고 하는 광파이버의 종류를 상기 접속하려고 하는 광파이버의 촬상 데이터에 근거하여 판별하기 위한 판별 모델로서, 광파이버의 촬상 데이터로부터 얻어지는 특징량과 상기 특징량을 얻은 광파이버의 종류의 대응 관계를 나타내는 샘플 데이터를 이용한 기계 학습에 의해 작성된 판별 모델에, 촬상부로부터 제공된 촬상 데이터로부터 얻어지는 특징량을 입력하고, 한 쌍의 광파이버 각각의 종류를 판별한다. 접속부는, 판별부에 있어서의 판별 결과에 근거하여, 한 쌍의 광파이버의 종류의 조합에 따른 접속 조건으로 한 쌍의 광파이버를 서로 융착 접속한다. 판별 모델은, 복수의 융착 접속기를 촬상 데이터의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 분류하여, 그룹마다 샘플 데이터를 모아 작성된 것이다. 판별부는, 그 융착 접속기가 속하는 그룹에 대응하는 판별 모델을 이용하여, 한 쌍의 광파이버 각각의 종류를 판별한다.

본 개시의 모델 작성 장치는, 판별 모델 작성부를 구비한다. 판별 모델 작성부는, 광파이버의 촬상 데이터로부터 얻어지는 특징량과 광파이버의 종류의 대응 관계를 나타내는 샘플 데이터를 이용하여 기계 학습을 행하고, 접속하려고 하는 광파이버의 종류를 접속하려고 하는 광파이버의 촬상 데이터에 근거하여 판별하기 위한 판별 모델을 작성한다. 판별 모델 작성부는, 복수의 융착 접속기를 촬상 데이터의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 분류하여 그룹마다 샘플 데이터를 모아 판별 모델을 작성한다. 모델 작성 장치는, 각 융착 접속기가 속하는 그룹에 대응하는 판별 모델을 각 융착 접속기에 제공한다.

본 개시의 광파이버를 융착 접속하는 방법은, 판별 모델을 작성하는 공정과, 촬상 데이터를 생성하는 공정과, 판별하는 공정과, 융착 접속하는 공정을 포함한다. 판별 모델을 작성하는 공정에서는, 광파이버의 촬상 데이터로부터 얻어지는 특징량과 상기 광파이버의 종류의 대응 관계를 나타내는 샘플 데이터를 이용하여 기계 학습을 행하고, 접속하려고 하는 광파이버의 종류를 상기 광파이버의 촬상 데이터에 근거하여 판별하기 위한 판별 모델을 작성한다. 촬상 데이터를 생성하는 공정에서는, 한 쌍의 광파이버를 촬상하여 촬상 데이터를 생성한다. 판별하는 공정에서는, 촬상 데이터를 생성하는 공정에 있어서 생성된 촬상 데이터로부터 얻어지는 특징량을 판별 모델에 입력하고, 한 쌍의 광파이버 각각의 종류를 판별한다. 융착 접속하는 공정에서는, 판별하는 공정에 있어서의 판별 결과에 근거하여, 한 쌍의 광파이버의 종류의 조합에 따른 접속 조건으로 한 쌍의 광파이버를 서로 융착 접속한다. 판별 모델을 작성하는 공정에서는, 촬상 데이터를 생성하는 공정, 판별하는 공정, 및 융착 접속하는 공정을 행하는 복수의 융착 접속기를, 촬상 데이터의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 분류하여, 복수의 융착 접속기로부터 샘플 데이터를 모아 판별 모델을 그룹마다 작성한다. 판별하는 공정에서는, 상기 판별하는 공정을 행하는 융착 접속기가 속하는 그룹에 대응하는 판별 모델을 이용하여 한 쌍의 광파이버 각각의 종류를 판별한다.

도 1은, 본 개시의 일 실시 형태에 따른 광파이버 융착 접속 시스템의 구성을 개략적으로 나타내는 도면이다.
도 2는, 융착 접속기의 외관을 나타내는 사시도로서, 방풍 커버가 닫혀 있는 상태의 외관을 나타낸다.
도 3은, 융착 접속기의 외관을 나타내는 사시도로서, 방풍 커버가 열려 융착 접속기의 내부 구조가 보이는 상태의 외관을 나타낸다.
도 4는, 융착 접속기의 기능적인 구성을 나타내는 블럭도이다.
도 5는, 융착 접속기의 하드웨어 구성을 나타내는 블럭도이다.
도 6은, 접속부의 동작을 나타내는 도면이다.
도 7은, 접속부의 동작을 나타내는 도면이다.
도 8은, 접속부의 동작을 나타내는 도면이다.
도 9는, 한쪽의 광파이버의 단면을 정면에서 본 도면이다.
도 10은, 촬상부에 있어서 얻어지는 촬상 데이터를 모식적으로 나타내는 도면이다.
도 11은, 모델 작성 장치의 기능적인 구성을 나타내는 블럭도이다.
도 12는, 모델 작성 장치의 하드웨어 구성을 나타내는 블럭도이다.
도 13은, 일 실시 형태에 따른 방법을 나타내는 흐름도이다.

［본 개시가 해결하려고 하는 과제］

광파이버에는 여러 가지 종류가 존재한다. 광파이버의 종류는, 예를 들면, 용도 및 광학 특성에 관한 특징, 및 구조적인 특징에 의해 구별된다. 용도 및 광학 특성에 관한 특징으로서는, 싱글 모드 파이버(SMF：Single Mode Fiber), 멀티 모드 파이버(MMF：Multi Mode Fiber), 범용 싱글 모드 파이버, 분산 시프트·싱글 모드 파이버(DSF：Dispersion Shifted SMF), 및 비영 분산 시프트·싱글 모드 파이버(NZDSF：Non-Zero DSF), 와 같은 특징이 있다. 구조적인 특징으로서는, 광파이버의 직경, 코어 지름, 코어 및 클래드의 재질, 지름 방향의 굴절률 분포 등이 있다. 그리고, 한 쌍의 광파이버끼리를 융착 접속할 때의 최적인 융착 조건, 예를 들면 방전 시간 및 광파이버끼리의 상대 위치는, 한 쌍의 광파이버의 종류의 조합에 따라 변화한다. 그렇지만, 이미 부설된 광파이버의 종류는 불명한 경우가 많다. 따라서, 접속 대상인 한 쌍의 광파이버의 종류의 조합을, 융착 접속기에 있어서 정확하게 판별하는 것이 중요해진다.

예를 들면, 특허 문헌 1에 기재된 시스템에서는, 광파이버의 지름 방향의 휘도 분포 데이터로부터 그 광파이버의 종류를 판별할 수 있는 판별 모델을, 기계 학습을 이용하여 작성하고 있다. 그렇지만, 융착 접속기가 구비하는 촬상 장치에는 기계적 및 구조적인 격차가 존재한다. 고로, 완전히 동일한 광파이버를 촬상한 경우여도, 얻어지는 촬상 데이터는 융착 접속기마다 근소하게 다르다. 따라서, 복수의 융착 접속기로부터 얻어지는 촬상 데이터에 근거하여 기계 학습을 행해도, 판별의 정밀도에는 한계가 있다.

［본 개시의 효과］

본 개시에 의하면, 광파이버 종류의 판별 정밀도를 높일 수가 있는 광파이버를 위한 융착 접속 시스템, 융착 접속기, 모델 작성 장치, 및 광파이버를 융착 접속하는 방법을 제공하는 것이 가능해진다.

［본 개시의 실시 형태의 설명］

최초로, 본 개시의 실시 형태를 열기하여 설명한다. 일 실시 형태에 따른 광파이버를 위한 융착 접속 시스템은, 모델 작성 장치와 복수의 융착 접속기를 구비한다. 모델 작성 장치는, 광파이버의 촬상 데이터로부터 얻어지는 특징량과 상기 광파이버의 종류의 대응 관계를 나타내는 샘플 데이터를 이용하여 기계 학습을 행하고, 접속하려고 하는 광파이버의 종류를 상기 접속하려고 하는 광파이버의 촬상 데이터에 근거하여 판별하기 위한 판별 모델을 작성한다. 복수의 융착 접속기의 각각은, 촬상부와 판별부와 접속부를 가진다. 촬상부는, 한 쌍의 광파이버를 촬상하여 촬상 데이터를 생성한다. 판별부는, 촬상부로부터 제공된 촬상 데이터로부터 얻어지는 특징량을 판별 모델에 입력하고, 한 쌍의 광파이버 각각의 종류를 판별한다. 접속부는, 판별부에 있어서의 판별 결과에 근거하여, 한 쌍의 광파이버의 종류의 조합에 따른 접속 조건으로 한 쌍의 광파이버를 서로 융착 접속한다. 모델 작성 장치는, 복수의 융착 접속기를 촬상 데이터의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 분류하여, 그룹마다 샘플 데이터를 모아 판별 모델을 작성한다. 각 융착 접속기의 판별부는, 상기 각 융착 접속기가 속하는 그룹에 대응하는 판별 모델을 이용하여 한 쌍의 광파이버 각각의 종류를 판별한다.

일 실시 형태에 따른 융착 접속기는, 촬상부와 판별부와 접속부를 구비한다. 촬상부는, 한 쌍의 광파이버를 촬상하여 촬상 데이터를 생성한다. 판별부는, 접속하려고 하는 광파이버의 종류를 상기 접속하려고 하는 광파이버의 촬상 데이터에 근거하여 판별하기 위한 판별 모델로서, 광파이버의 촬상 데이터로부터 얻어지는 특징량과 상기 특징량을 얻은 광파이버의 종류의 대응 관계를 나타내는 샘플 데이터를 이용한 기계 학습에 의해 작성된 판별 모델에, 촬상부로부터 제공된 촬상 데이터로부터 얻어지는 특징량을 입력하고, 한 쌍의 광파이버 각각의 종류를 판별한다. 접속부는, 판별부에 있어서의 판별 결과에 근거하여, 한 쌍의 광파이버의 종류의 조합에 따른 접속 조건으로 한 쌍의 광파이버를 서로 융착 접속한다. 판별 모델은, 복수의 융착 접속기를 촬상 데이터의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 분류하여, 그룹마다 샘플 데이터를 모아 작성된 것이다. 판별부는, 그 융착 접속기가 속하는 그룹에 대응하는 판별 모델을 이용하여 한 쌍의 광파이버 각각의 종류를 판별한다.

일 실시 형태에 따른 광파이버를 융착 접속하는 방법은, 판별 모델을 작성하는 공정과, 촬상 데이터를 생성하는 공정과, 판별하는 공정과, 융착 접속하는 공정을 포함한다. 판별 모델을 작성하는 공정에서는, 광파이버의 촬상 데이터로부터 얻어지는 특징량과 상기 광파이버의 종류의 대응 관계를 나타내는 샘플 데이터를 이용하여 기계 학습을 행하고, 접속하려고 하는 광파이버의 종류를 상기 접속하려고 하는 광파이버의 촬상 데이터에 근거하여 판별하기 위한 판별 모델을 작성한다. 촬상 데이터를 생성하는 공정에서는, 한 쌍의 광파이버를 촬상하여 촬상 데이터를 생성한다. 판별하는 공정에서는, 촬상 데이터를 생성하는 공정에 있어서 생성된 촬상 데이터로부터 얻어지는 특징량을 판별 모델에 입력하고, 한 쌍의 광파이버 각각의 종류를 판별한다. 융착 접속하는 공정에서는, 판별하는 공정에 있어서의 판별 결과에 근거하여, 한 쌍의 광파이버의 종류의 조합에 따른 접속 조건으로 한 쌍의 광파이버를 서로 융착 접속한다. 판별 모델을 작성하는 공정에서는, 촬상 데이터를 생성하는 공정, 판별하는 공정, 및 융착 접속하는 공정을 행하는 복수의 융착 접속기를, 촬상 데이터의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 분류하여, 복수의 융착 접속기로부터 샘플 데이터를 모아 판별 모델을 그룹마다 작성한다. 판별하는 공정에서는, 상기 판별하는 공정을 행하는 융착 접속기가 속하는 그룹에 대응하는 판별 모델을 이용하여 한 쌍의 광파이버 각각의 종류를 판별한다.

상기의 융착 접속 시스템, 융착 접속기, 및 융착 접속하는 방법에서는, 광파이버의 촬상 데이터로부터 얻어지는 특징량과 상기 특징량을 얻은 광파이버의 종류의 대응 관계를 나타내는 샘플 데이터를 이용하여 기계 학습을 행하고, 얻어진 판별 모델을 이용하여 광파이버의 종류를 판별한다. 따라서, 기계 학습에 근거하는 고정밀도의 판별이 가능해진다. 또한, 복수의 융착 접속기를, 촬상 데이터의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 분류하고, 그룹마다 샘플 데이터를 모아 판별 모델을 작성한다. 그리고, 자기가 속하는 그룹에 대응하는 판별 모델을 이용하여, 한 쌍의 광파이버 각각의 종류를 판별한다. 이것에 의해, 촬상부의 기계적 및 구조적인 격차가 적은 그룹 내로 한정하여 기계 학습을 행할 수 있다. 고로, 기계 학습에 근거하는 광파이버 종류의 판별 정밀도를 더욱 높일 수가 있다.

상기의 융착 접속 시스템, 융착 접속기, 및 융착 접속하는 방법에 있어서, 기계 학습은 심층 학습이어도 좋다. 이 경우, 광파이버 종류의 판별 정밀도를 더욱 높일 수가 있다.

상기의 융착 접속 시스템, 융착 접속기, 및 융착 접속하는 방법에 있어서, 둘 이상의 그룹은, 각 융착 접속기의 검사의 조건 및 각 융착 접속기의 검사의 결과 중 적어도 한쪽의 유사성에 근거하여 분류되어도 좋다. 검사의 조건 및 검사의 결과의 유사성은, 촬상 데이터의 경향의 유사성에 영향을 준다고 생각된다. 따라서, 이 경우, 복수의 융착 접속기를, 촬상 데이터의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 적절히 분류할 수가 있다.

상기의 융착 접속 시스템, 융착 접속기, 및 융착 접속하는 방법에 있어서, 둘 이상의 그룹은, 각 융착 접속기의 검사 시에 기준이 되는 광파이버를 촬상부에 의해 촬상하여 얻어진 촬상 데이터의 유사성에 근거하여 분류되어도 좋다. 검사 시에 기준이 되는 광파이버를 촬상하여 얻어진 촬상 데이터의 유사성은, 촬상 데이터의 경향의 유사성을 나타낸다. 따라서, 이 경우, 복수의 융착 접속기를, 촬상 데이터의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 적절히 분류할 수가 있다. 이 경우, 촬상 데이터의 유사성은, 한 쌍의 광파이버의 지름 방향에 있어서의 휘도 정보로부터 구한 특징량의 유사성을 포함해도 좋다.

상기의 융착 접속 시스템, 융착 접속기, 및 융착 접속하는 방법에 있어서, 둘 이상의 그룹은, 각 융착 접속기의 검사 시에 기준이 되는 광파이버를 촬상부에 의해 촬상한 때의 환경 조건의 유사성에 근거하여 분류되어도 좋다. 검사 시에 기준이 되는 광파이버를 촬상한 때의 환경 조건의 유사성은, 촬상 데이터의 경향의 유사성에 영향을 준다고 생각된다. 따라서, 이 경우, 복수의 융착 접속기를, 촬상 데이터의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 적절히 분류할 수가 있다. 이 경우, 환경 조건은, 온도, 습도, 및 기압 중 적어도 1개를 포함해도 좋다.

상기의 융착 접속 시스템, 융착 접속기, 및 융착 접속하는 방법에 있어서, 둘 이상의 그룹은, 각 융착 접속기의 제조자 및 제조 일시 중 적어도 한쪽의 유사성에 근거하여 분류되어도 좋다. 융착 접속기의 제조자 및 제조 일시 중 적어도 한쪽의 유사성은, 촬상 데이터의 경향의 유사성에 영향을 준다고 생각된다. 따라서, 이 경우, 복수의 융착 접속기를, 촬상 데이터의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 적절히 분류할 수가 있다.

상기의 융착 접속 시스템, 융착 접속기, 및 융착 접속하는 방법에 있어서, 둘 이상의 그룹은, 각 융착 접속기의 촬상부의 제조자 및 제조 일시 중 적어도 한쪽의 유사성에 근거하여 분류되어도 좋다. 촬상부의 제조자 및 제조 일시 중 적어도 한쪽의 유사성은, 촬상 데이터의 경향의 유사성에 영향을 준다고 생각된다. 따라서, 이들의 경우, 복수의 융착 접속기를, 촬상 데이터의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 적절히 분류할 수가 있다.

상기의 융착 접속 시스템, 융착 접속기, 및 융착 접속하는 방법에 있어서, 촬상부는 관찰용 광학부(렌즈)를 가져도 좋다. 그 경우, 둘 이상의 그룹은, 각 융착 접속기의 관찰용 광학부의 제조자 및 제조 일시 중 적어도 한쪽의 유사성에 근거하여 분류되어도 좋다. 관찰용 광학부의 제조자 및 제조 일시 중 적어도 한쪽의 유사성은, 촬상 데이터의 경향의 유사성에 영향을 준다고 생각된다. 따라서, 이 경우, 복수의 융착 접속기를, 촬상 데이터의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 적절히 분류할 수가 있다.

상기의 융착 접속 시스템, 융착 접속기, 및 융착 접속하는 방법에 있어서, 둘 이상의 그룹은, 각 융착 접속기의 사용 장소에 있어서의 환경 조건의 유사성에 근거하여 분류되어도 좋다. 융착 접속기의 사용 장소에 있어서의 환경 조건의 유사성은, 촬상 데이터의 경향의 유사성에 영향을 준다고 생각된다. 따라서, 이 경우, 복수의 융착 접속기를, 촬상 데이터의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 적절히 분류할 수가 있다. 이 경우, 환경 조건은, 온도, 습도, 및 기압 중 적어도 1개를 포함해도 좋다.

상기의 융착 접속 시스템, 융착 접속기, 및 융착 접속하는 방법에 있어서, 둘 이상의 그룹은, 각 융착 접속기의 열화 상태의 유사성에 근거하여 분류되어도 좋다. 융착 접속기의 열화 상태의 유사성은, 촬상 데이터의 경향의 유사성에 영향을 준다고 생각된다. 따라서, 이 경우, 복수의 융착 접속기를, 촬상 데이터의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 적절히 분류할 수가 있다. 이 경우, 열화 상태는, 제조일로부터의 경과 시간, 사용 시간, 방전 횟수, 접속 빈도, 방전 전극의 오염 상태, 촬상부의 반대측에서 한 쌍의 광파이버를 조명하는 광원의 조광 상태, 촬상부의 관찰용 광학부의 오염 상태, 및 기기 진단 결과 중 적어도 1개를 포함해도 좋다.

상기의 융착 접속 시스템, 융착 접속기, 및 융착 접속하는 방법에 있어서, 둘 이상의 그룹은, 각 융착 접속기에 있어서 접속 대상이 되는 광파이버 종류의 유사성에 근거하여 분류되어도 좋다. 접속 대상이 되는 광파이버 종류의 유사성은, 촬상 데이터의 경향의 유사성에 영향을 준다고 생각된다. 따라서, 이 경우, 복수의 융착 접속기를, 촬상 데이터의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 적절히 분류할 수가 있다.

일 실시 형태에 따른 모델 작성 장치는, 판별 모델 작성부를 구비한다. 판별 모델 작성부는, 광파이버의 촬상 데이터로부터 얻어지는 특징량과 광파이버의 종류의 대응 관계를 나타내는 샘플 데이터를 이용하여 기계 학습을 행하고, 접속하려고 하는 광파이버의 종류를 접속하려고 하는 광파이버의 촬상 데이터에 근거하여 판별하기 위한 판별 모델을 작성한다. 판별 모델 작성부는, 복수의 융착 접속기를 촬상 데이터의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 분류하여 그룹마다 샘플 데이터를 모아 판별 모델을 작성한다. 모델 작성 장치는, 각 융착 접속기가 속하는 그룹에 대응하는 판별 모델을 각 융착 접속기에 제공한다.

상기의 모델 작성 장치에서는, 복수의 융착 접속기를, 촬상 데이터의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 분류하고, 그룹마다 샘플 데이터를 모아 판별 모델을 작성한다. 이것에 의해, 각 융착 접속기의 기계적 및 구조적인 격차가 적은 그룹 내로 한정하여 기계 학습을 행할 수 있다. 고로, 기계 학습에 근거하는 광파이버 종류의 판별 정밀도를 더욱 높일 수가 있다.

［본 개시의 실시 형태의 상세］

본 개시의, 광파이버를 위한 융착 접속 시스템, 융착 접속기, 모델 작성 장치, 및 광파이버를 융착 접속하는 방법의 구체예를, 이하에 도면을 참조하면서 설명한다. 또한, 본 발명은 이들의 예시로 한정되는 것은 아니고, 청구의 범위에 의해 나타나고, 청구의 범위와 균등의 의미 및 범위 내에서의 모든 변경이 포함되는 것이 의도된다. 이하의 설명에서는, 도면의 설명에 있어서 동일한 요소에는 동일한 부호를 부여하고, 중복하는 설명을 생략한다.

도 1은, 본 개시의 일 실시 형태에 따른 융착 접속 시스템(1A)의 구성을 개략적으로 나타내는 도면이다. 이 융착 접속 시스템(1A)은, 복수의 융착 접속기(10)와, 모델 작성 장치(20)를 구비한다. 융착 접속기(10)는, 광파이버의 융착 접속을 행하는 장치이다. 모델 작성 장치(20)는, 광파이버의 종류를 판별하기 위한 판별 모델을 작성하는 장치이다. 모델 작성 장치(20)는, 정보 통신망(30)을 통하여 복수의 융착 접속기(10)와 통신 가능한 컴퓨터이다. 정보 통신망(30)은, 예를 들면 인터넷이다. 모델 작성 장치(20)의 소재 지역은, 융착 접속기(10)의 소재 지역으로부터 떨어져 있다.

도 2 및 도 3은, 융착 접속기(10)의 외관을 나타내는 사시도이다. 도 2는 방풍 커버가 닫혀 있는 상태의 외관을 나타내고, 도 3은 방풍 커버가 열려 융착 접속기(10)의 내부 구조가 보이는 상태의 외관을 나타낸다. 도 2 및 도 3에 나타내는 바와 같이, 융착 접속기(10)는 상자 모양의 하우징(2)을 구비하고 있다. 이 하우징(2)의 상부에는, 광파이버끼리를 융착 접속하기 위한 접속부(3)와, 가열기(4)가 마련되어 있다. 가열기(4)는, 접속부(3)에 있어서 융착 접속된 광파이버끼리의 접속 부분에 씌워진 파이버 보강 슬리부를 가열 수축시키는 부분이다. 융착 접속기(10)는, 하우징(2)의 내부에 배치된 촬상부(후술)에 의해 촬상된 광파이버끼리의 융착 접속 상황을 표시하는 모니터(5)를 구비하고 있다. 또한, 융착 접속기(10)는, 접속부(3)로의 바람의 진입을 방지하기 위한 방풍 커버(6)를 구비하고 있다.

접속부(3)는, 한 쌍의 광파이버 홀더(3a)를 탑재 가능한 홀더 탑재부와, 한 쌍의 파이버 위치 결정부(3b)와, 한 쌍의 방전 전극(3c)을 가지고 있다. 융착 대상의 광파이버 각각은 광파이버 홀더(3a)에 유지 고정되고, 광파이버 홀더(3a)는 각각 홀더 탑재부에 탑재 고정된다. 파이버 위치 결정부(3b)는, 한 쌍의 광파이버 홀더(3a)의 사이에 배치되고, 광파이버 홀더(3a)의 각각에 유지된 광파이버의 선단부를 위치 결정한다. 방전 전극(3c)은, 아크 방전에 의해 광파이버의 선단끼리를 융착하기 위한 전극으로서, 한 쌍의 파이버 위치 결정부(3b)의 사이에 배치되어 있다.

방풍 커버(6)는, 접속부(3)를 개폐 자재로 덮도록 하우징(2)에 연결되어 있다. 방풍 커버(6)의 측면(6a)의 각각에는, 접속부(3)에, 즉 광파이버 홀더(3a)의 각각에 광파이버를 도입하기 위한 도입구(6b)가 형성되어 있다.

도 4는, 융착 접속기(10)의 기능적인 구성을 나타내는 블럭도이다. 도 5는, 융착 접속기(10)의 하드웨어 구성을 나타내는 블럭도이다. 도 4에 나타내는 바와 같이, 융착 접속기(10)는, 기능적으로는, 접속부(3), 통신부(11), 촬상부(12), 특징량 추출부(13), 판별부(14), 및 융착 제어부(15)를 구비한다. 촬상부(12)는, 촬상 소자와, 촬상 대상물의 확대상을 촬상 소자에 출력하는 관찰용 광학부를 포함한다. 관찰용 광학부는, 예를 들면 1 또는 복수의 렌즈를 포함한다. 융착 접속기(10)는, 도 5에 나타내는 바와 같이, CPU(10a), RAM(10b), ROM(10c), 입력 장치(10d), 보조 기억 장치(10e), 및 출력 장치(10f) 등의 하드웨어를 구비하는 컴퓨터를 제어부로서 포함한다. 이들 구성 요소가 프로그램 등에 의해 동작하는 것에 의해, 융착 접속기(10)의 각 기능이 실현된다. 제어부에 있어서의 이들 요소는, 전술한 접속부(3), 모니터(5), 통신부(11)로서의 무선 통신 모듈, 및 촬상부(12)와 전기적으로 접속되어 있다. 입력 장치(10d)는, 모니터(5)에 일체로서 마련된 터치 패널을 포함해도 좋다.

통신부(11)는, 예를 들면, 무선 LAN 모듈에 의해 구성된다. 통신부(11)는, 인터넷 등의 정보 통신망(30)을 통하여, 모델 작성 장치(20)와의 사이에서 각 종 데이터의 송수신을 행한다. 촬상부(12)는, 접속 대상인 한 쌍의 광파이버를, 그 한 쌍의 광파이버가 서로 대향한 상태에서, 관찰용 광학부(렌즈)를 통하여 광파이버의 지름 방향으로 촬상하고, 촬상 데이터를 생성한다. 특징량 추출부(13)는, 촬상부(12)로부터 얻어지는 촬상 데이터로부터, 광파이버의 종류를 특정하기 위한 둘 이상의 특징량을 추출한다. 특징량은, 광파이버의 지름 방향에 있어서의 휘도 정보를 포함한다. 광파이버의 지름 방향에 있어서의 휘도 정보는, 예를 들면, 광파이버의 지름 방향에 있어서의 휘도 분포, 광파이버의 외경, 코어의 외경, 코어 외경과 광파이버의 외경의 비, 광파이버의 코어와 클래드의 면적의 비율, 광파이버의 휘도의 총계, 광파이버의 단면 내에 있어서의 휘도 분포의 변곡점 위치나 수, 광파이버의 코어부와 클래드부의 휘도 차이, 및 특정의 휘도 이상이 되는 코어부의 폭 중 적어도 1개를 포함한다. 또, 특징량의 추출에 이용하는 촬상 데이터에는, 접속 대상인 한 쌍의 광파이버를 서로 대향시킨 상태에서 방전하면서 취득한 것이 포함되어도 좋다. 이 경우, 특징량은, 예를 들면, 특정 위치에 있어서의 광 강도, 및 특정 위치에 있어서의 광 강도의 시간 변화 중 적어도 하나를 포함한다.

판별부(14)는, 광파이버의 종류를 판별하기 위한 판별 모델 Md를 기억해 유지하고 있다. 판별부(14)는, 특징량 추출부(13)로부터 얻어지는 특징량을 판별 모델 Md에 입력하고, 한 쌍의 광파이버 각각의 종류를 판별한다. 판별부(14)에 의한 판별 결과는, 모니터(5)에 표시된다. 사용자는, 모니터(5)에 표시된 한 쌍의 광파이버 각각의 종류가 잘못된 경우, 올바른 종류를 입력 장치(10d)를 통하여 입력하고, 판별 결과를 정정한다. 혹은, 사용자는, 판별부(14)에 의한 판별 결과에 상관없이, 한 쌍의 광파이버 각각의 종류를 입력 장치(10d)를 통하여 입력하여도 좋다. 그 경우, 사용자에 의한 입력이 우선하여 채용되고, 광파이버 각각의 종류가 특정된다. 혹은, 광파이버의 종류마다 미리 설정된 제조 조건 중 하나를 선택하는 것으로, 대응하는 광파이버의 종류 그 자체의 입력을 대신해도 좋다.

융착 제어부(15)는, 접속부(3)의 동작을 제어한다. 즉, 융착 제어부(15)는, 사용자에 의한 스위치의 조작을 받아, 접속부(3)에 있어서의 한 쌍의 광파이버의 선단끼리의 접촉 동작 및 아크 방전을 제어한다. 한 쌍의 광파이버의 선단끼리의 접촉 동작에는, 파이버 위치 결정부(3b)에 의한 광파이버의 위치 결정 처리, 즉 각 광파이버의 선단 위치의 제어가 포함된다. 아크 방전의 제어에는, 방전 파워, 방전 개시 타이밍 및 방전 종료 타이밍의 제어가 포함된다. 광파이버의 선단 위치 및 방전 파워와 같은 각 종의 접속 조건은, 한 쌍의 광파이버의 종류의 조합마다 미리 설정되어 있고, 예를 들면 ROM(10c)에 저장되어 있다. 융착 제어부(15)는, 판별부(14)에 의해 판별된, 또는 사용자에 의해 입력된 한 쌍의 광파이버의 종류의 조합에 따라, 접속 조건을 선택한다. 즉, 접속부(3)는, 판별부(14)에 있어서의 판별 결과 또는 사용자에 의한 입력 결과에 근거하여, 한 쌍의 광파이버의 종류의 조합을 인식하고, 그 조합에 따른 접속 조건으로, 한 쌍의 광파이버를 서로 융착 접속한다.

접속부(3)의 동작은 다음과 같다. 우선, 도 6에 나타나는 바와 같이, 사용자가, 접속 대상인 한 쌍의 광파이버 F1 및 F2를, 각각 광파이버 홀더(3a)에 유지시킨다. 이 때, 광파이버 F1의 단면 F1a와, 광파이버 F2의 단면 F2a가, 서로 대향하여 배치된다. 다음에, 사용자가, 융착 접속기(10)에 융착 접속의 개시를 지시한다. 이 지시는, 예를 들면 스위치 입력을 통하여 행해진다. 이 지시를 받아, 도 7에 나타내는 바와 같이, 융착 제어부(15)가, 접속 조건으로서 설정된 단면 F1a, F2a의 위치에 근거하여, 광파이버 F1, F2의 위치 결정을 행한다. 그 후, 도 8에 나타내는 바와 같이, 융착 제어부(15)가, 한 쌍의 방전 전극(3c) 간의 아크 방전을 개시한다.

아크 방전의 개시 직후는, 단면 F1a, F2a가 서로 떨어져 있다. 그 아크 방전은, 단면 F1a, F2a를 융착 전에 미리 연화시키기 위한 예비 방전에 상당한다. 아크 방전이 개시되면, 융착 제어부(15)는, 파이버 위치 결정부(3b)의 위치를 제어하는 것에 의해, 단면 F1a, F2a를 서로 가까이 하고, 서로 접촉시킨다. 그리고, 융착 제어부(15)는, 아크 방전을 계속하는 것에 의해 본 방전을 행한다. 이것에 의해, 단면 F1a, F2a가 더 연화하고, 서로 융착한다.

본 실시 형태에 있어서, 접속 조건에는, 방전 개시 전에 있어서의 각 단면 F1a, F2a의 위치, 방전 개시 전에 있어서의 단면 F1a, F2a끼리의 간격, 예비 방전 시간, 본 방전 시간, 단면 F1a, F2a끼리가 접한 후의 압입량, 단면 F1a, F2a끼리를 압입한 후의 되돌림 양, 예비 방전 파워, 본 방전 파워, 및 되돌림 시의 방전 파워 중 적어도 하나가 포함된다.

방전 개시 전에 있어서의 각 단면 F1a, F2a의 위치란, 도 7에 나타난 상태, 즉 예비 방전의 개시 시점에 있어서의, 한 쌍의 방전 전극(3c)의 중심 축을 잇는 선, 즉 방전 중심 축을 기준으로 한 각 단면 F1a, F2a의 위치를 말한다. 이들 단면 위치에 따라, 방전 중심 축과 각 단면 F1a, F2a의 거리가 변한다. 이것에 의해 가열량 즉 용해량이 증감한다. 더하여, 단면 F1a, F2a끼리가 접촉할 때까지의 이동에 필요로 하는 시간이 변화한다. 방전 개시 전에 있어서의 단면 F1a, F2a끼리의 간격이란, 도 7에 나타난 상태, 즉 예비 방전의 개시 시점에 있어서의 단면 F1a, F2a끼리의 간격을 말한다. 이 간격에 따라, 단면 F1a, F2a끼리가 접촉할 때까지의 이동에 필요로 하는 시간이 변화한다. 예비 방전 시간이란, 도 7에 나타난 상태에서 아크 방전을 개시하고 나서, 단면 F1a, F2a끼리를 접촉시키기 위해서 광파이버 F1, F2의 상대적인 이동을 개시할 때까지의 시간을 말한다. 본 방전 시간이란, 단면 F1a, F2a끼리가 접촉하고 나서, 아크 방전을 종료할 때까지의 시간, 바꾸어 말하면, 한 쌍의 방전 전극(3c)에의 전압의 인가를 정지할 때까지의 시간을 말한다. 예비 방전과 본 방전은, 시간적으로 연속하여 행해진다. 단면 F1a, F2a끼리가 접한 후의 압입량이란, 광파이버 F1, F2를 상대적으로 이동시켜 단면 F1a, F2a끼리를 접촉시키고 나서, 방전 중에 있어서 동일한 방향으로 광파이버 F1, F2를 상대적으로 더 이동시킬 때의 각 광파이버 홀더(3a)의 이동 거리를 말한다. 단면 F1a, F2a끼리를 압입한 후의 되돌림 양이란, 단면 F1a, F2a끼리를 접촉시킨 후, 단면 F1a, F2a를 더 압입하고 나서, 방전 중에 있어서 역방향, 즉 단면 F1a, F2a끼리가 떨어지는 방향으로 광파이버 F1, F2를 상대적으로 이동시킬 때의 각 광파이버 홀더(3a)의 이동 거리를 말한다. 예비 방전 파워란, 도 7에 나타난 상태에서 아크 방전을 개시하고 나서, 단면 F1a, F2a끼리를 접촉시키기 위해서 광파이버 F1, F2의 상대적인 이동을 개시할 때까지의 기간에 있어서의 아크 방전 파워를 말한다.

여기서, 도 9는, 한쪽의 광파이버 F2의 단면 F2a를 정면 즉 광 축 방향으로 본 도면이다. 도면 중의 화살표 MSX 및 MSY는, 촬상부(12)에 의한 촬상 방향을 나타내고 있다. 즉, 이 예에서는 촬상부(12)가 적어도 2개 설치되고, 2개의 촬상부(12)가, 광파이버 F1, F2의 지름 방향으로서 서로 직교하는 방향으로 단면 F1a, F2a를 각각 촬상한다. 광파이버 F1, F2를 사이에 두고 촬상부(12)와 대향하는 위치에는, 광파이버 F1, F2를 조명하기 위한 광원이 배치된다. 광원은 예를 들면 발광 다이오드이다.

도 10은, 방향 MSX로 촬상하는 촬상부(12)에 있어서 얻어지는 촬상 데이터 PX, 또는 방향 MSY로 촬상하는 촬상부(12)에 있어서 얻어지는 촬상 데이터 PY를 모식적으로 나타내는 도면이다. 도 10에 나타나는 바와 같이, 이들 촬상 데이터 PX, PY에 있어서, 광파이버 F1, F2의 위치 및 형상은, 코어 CR 및 클래드 CL의 윤곽에 의해 확인된다. 코어 CR은, 광원으로부터의 조명 광에 의해 밝아진다. 클래드 CL은, 광원으로부터의 조명 광의 굴절에 의해 어두워진다.

도 11은, 모델 작성 장치(20)의 기능적인 구성을 나타내는 블럭도이다. 도 12는, 모델 작성 장치(20)의 하드웨어 구성을 나타내는 블럭도이다. 도 11에 나타내는 바와 같이, 모델 작성 장치(20)는, 기능적으로는, 통신부(21) 및 판별 모델 작성부(22)를 구비한다. 모델 작성 장치(20)는, 도 12에 나타나는 바와 같이, CPU(20a), RAM(20b), ROM(20c), 입력 장치(20d), 통신 모듈(20e), 보조 기억 장치(20f), 및 출력 장치(20g) 등의 하드웨어를 구비하는 컴퓨터를 포함한다. 이들 구성 요소가 프로그램 등에 의해 동작하는 것에 의해, 모델 작성 장치(20)의 각 기능이 실현된다.

도 11에 나타나는 통신부(21)는, 인터넷 등의 정보 통신망(30)(도 1을 참조)을 통하여 복수의 융착 접속기(10)와의 사이에서 통신을 행한다. 통신부(21)는, 정보 통신망(30)을 통하여, 복수의 융착 접속기(10)로부터, 촬상 데이터 PX, PY로부터 추출된 특징량, 및 광파이버 F1, F2의 종류에 관한 정보를 수신한다. 통신부(21)는, 촬상 데이터 PX, PY로부터 추출된 특징량을 대신하여, 촬상 데이터 PX, PY 그 자체를 수신해도 좋다. 그 경우, 모델 작성 장치(20)가 촬상 데이터 PX, PY로부터 특징량을 추출한다. 광파이버 F1, F2의 종류에 관한 정보는, 사용자에 의해 입력된 정보만이어도 좋다. 바꾸어 말하면, 통신부(21)는, 사용자에 의해 입력된 광파이버 F1, F2의 종류에 관한 정보와, 광파이버 F1, F2의 촬상 데이터 PX, PY로부터 추출된 특징량 또는 촬상 데이터 그 자체를, 각 융착 접속기(10)로부터 수신한다. 사용자에 의해 입력된 광파이버 F1, F2의 종류에 관한 정보는, 광파이버 F1, F2의 종류 그 자체의 입력을 대신하여, 광파이버 F1, F2의 종류마다 미리 설정된 제조 조건 중 하나를 선택하는 경우를 포함한다. 통신부(21)는, 수신한 이들 정보를, 광파이버 F1, F2의 촬상 데이터 PX, PY로부터 얻어지는 특징량과, 광파이버 F1, F2의 종류의 대응 관계를 나타내는 샘플 데이터 Da로서, 판별 모델 작성부(22)에 제공한다.

판별 모델 작성부(22)는, 통신부(21)로부터 제공된 샘플 데이터 Da를 이용하여 기계 학습을 행한다. 그리고, 판별 모델 작성부(22)는, 촬상 데이터 PX, PY에 근거하여 광파이버 F1, F2의 종류를 판별하기 위한 판별 모델 Md를 작성한다. 기계 학습은, 바람직하게는 심층 학습(딥 러닝)이다. 기계 학습의 기법으로서는, 예를 들면 뉴럴 네트워크, 서포트 벡터 머신 등, 이른바 지도 학습에 포함되는 여러 가지 기법을 적용할 수 있다. 판별 모델 작성부(22)는, 가동 중인 다수의 융착 접속기(10)로부터 얻어지는 방대한 샘플 데이터 Da를 이용하여 기계 학습을 계속적으로 행하여, 판별 모델 Md의 정밀도를 높인다. 본 실시 형태의 판별 모델 작성부(22)는, 복수의 융착 접속기(10)를, 촬상 데이터 PX, PY의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 분류한다. 그리고, 판별 모델 작성부(22)는, 그룹마다 샘플 데이터 Da를 모아, 판별 모델 Md를 그룹마다 작성한다. 판별 모델 Md를 그룹마다 작성한다는 것은, 어느 그룹에 속하는 복수의 융착 접속기(10)로부터 얻어지는 샘플 데이터 Da만을 이용하여 기계 학습을 행하고, 작성된 판별 모델 Md를, 그 그룹에 속하는 융착 접속기(10)에만 제공하는 것을 의미한다.

촬상 데이터 PX, PY의 경향이 유사하다고 추정되는 둘 이상의 그룹은, 예를 들면 아래와 같은 항목(1) 내지 (9) 중 적어도 1개에 근거하여 분류된다.

(1) 융착 접속기(10)의 검사 결과의 유사성

융착 접속기(10)의 검사 결과, 특히 촬상부(12)에 관한 검사 항목에 있어서의 검사 결과가 복수의 융착 접속기(10)에 있어서 서로 유사한 경우, 그들 융착 접속기(10)에 있어서는 촬상 데이터 PX, PY의 경향이 유사하다고 추정된다. 예를 들면, 각 융착 접속기(10)의 검사 시에 기준이 되는 광파이버를 촬상부(12)에 의해 촬상하고, 얻어진 촬상 데이터 PX, PY에 있어서의 휘도 분포 등의 휘도 정보가, 복수의 융착 접속기(10)에 있어서 서로 유사한 경우 등이다. 또, 예를 들면, 각 융착 접속기(10)의 검사 시에 기준이 되는 광파이버를 촬상부(12)에 의해 촬상하여 얻어진 촬상 데이터 PX, PY에 있어서, 광파이버의 연화 정도의 상위 즉 단면 위치의 변화량, 및 연화 후의 광파이버의 형상 중 적어도 한쪽이, 복수의 융착 접속기(10)에 있어서 서로 유사한 경우 등이다. 또, 예를 들면, 각 융착 접속기(10)의 검사 시에, 기준이 되는 광파이버의 연화 정도를 동일한 정도로 했을 때의 방전 파워가, 복수의 융착 접속기(10)에 있어서 서로 유사한 경우 등이다.

(2) 융착 접속기(10)의 검사 조건의 유사성

융착 접속기(10)의 검사 조건, 특히 촬상부(12)에 관한 검사 항목에 있어서의 검사 조건이 복수의 융착 접속기(10)에 있어서 서로 유사한 경우, 그들 융착 접속기(10)에 있어서는 촬상 데이터 PX, PY의 경향이 유사하다고 추정된다. 예를 들면, 각 융착 접속기(10)의 검사 시에 기준이 되는 광파이버를 촬상부(12)에 의해 촬상한 때의 환경 조건이, 복수의 융착 접속기(10)에 있어서 서로 유사한 경우 등이다. 환경 조건은, 예를 들면, 온도(기온), 습도, 및 기압 중 적어도 1개를 포함한다.

(3) 융착 접속기(10)의 제조자 및 제조 일시의 유사성

융착 접속기(10)의 제조자 및 제조 일시 중 적어도 한쪽이 복수의 융착 접속기(10)에 있어서 서로 유사한 경우, 그들 융착 접속기(10)에 있어서는 촬상 데이터 PX, PY의 경향이 유사하다고 추정된다. 제조 일시가 유사하다는 것은, 예를 들면 로트가 동일한 것을 의미해도 좋다. 제조자가 유사하다는 것은, 예를 들면 동일한 제조자 또는 동일한 공장에 있어서 제조된 것을 의미해도 좋다.

(4) 촬상부(12)의 제조자 및 제조 일시의 유사성

촬상부(12)의 제조자 및 제조 일시 중 적어도 한쪽이 복수의 융착 접속기(10)에 있어서 서로 유사한 경우, 그들 융착 접속기(10)에 있어서는 촬상 데이터 PX, PY의 경향이 유사하다고 추정된다. 제조 일시가 유사하다는 것은, 예를 들면 로트가 동일한 것을 의미해도 좋다. 또, 제조자가 유사하다는 것은, 예를 들면 동일한 제조자 또는 동일한 공장에 있어서 제조된 것을 의미해도 좋다.

(5) 촬상부(12)의 관찰용 광학부(렌즈)의 제조자 및 제조 일시의 유사성

촬상부(12)의 관찰용 광학부(렌즈)의 제조자 및 제조 일시 중 적어도 한쪽이 복수의 융착 접속기(10)에 있어서 서로 유사한 경우, 그들 융착 접속기(10)에 있어서는 촬상 데이터 PX, PY의 경향이 유사하다고 추정된다. 제조 일시가 유사하다는 것은, 예를 들면 제조 로트가 동일한 것을 의미해도 좋다. 또, 제조자가 유사하다는 것은, 예를 들면 동일한 제조자 또는 동일한 공장에 있어서 제조된 것을 의미해도 좋다.

(6) 융착 접속기(10)의 사용 장소에 있어서의 환경 조건의 유사성

융착 접속기(10)의 사용 장소에 있어서의 환경 조건이 복수의 융착 접속기(10)에 있어서 서로 유사한 경우, 그들 융착 접속기(10)에 있어서는 촬상 데이터 PX, PY의 경향이 유사하다고 추정된다. 환경 조건은, 예를 들면, 온도(기온), 습도, 및 기압 중 적어도 1개를 포함한다. 예를 들면, 고온 다습 지역에 있어서 사용되고 있는 복수의 융착 접속기(10)를 모아서 1개의 그룹으로 하고, 한랭 지역에 있어서 사용되고 있는 복수의 융착 접속기(10)를 모아서 다른 그룹으로 하고, 고지(高地)에 있어서 사용되고 있는 복수의 융착 접속기(10)를 모아서 또 다른 그룹으로 하는 등의 분류가 생각된다.

(7) 융착 접속기(10)의 열화 상태의 유사성

융착 접속기(10)의 열화 상태가 복수의 융착 접속기(10)에 있어서 서로 유사한 경우, 그들 융착 접속기(10)에 있어서는 촬상 데이터 PX, PY의 경향이 유사하다고 추정된다. 융착 접속기(10)의 열화 상태는, 예를 들면, 제조일로부터의 경과 시간, 사용 시간, 방전 횟수, 접속 빈도, 방전 전극(3c)의 오염 상태, 촬상부(12)의 반대측에서 광파이버를 조명하는 광원의 조광 상태, 촬상부(12)의 관찰용 광학부의 오염 상태, 및 기기 진단 결과 중 적어도 1개를 포함한다.

(8) 접속 대상 광파이버의 종류의 유사성

융착 접속기(10)가 사용되는 현장에 있어서 주로 접속 대상으로 되는 광파이버 F1, F2의 종류가, 복수의 융착 접속기(10)에 있어서 서로 유사한 경우, 그들 융착 접속기(10)에 있어서는 촬상 데이터 PX, PY의 경향이 유사하다고 추정된다. 여기서 말하는 광파이버 F1, F2의 종류란, 예를 들면 싱글 모드 파이버와 멀티 모드 파이버, 혹은 범용 파이버와 분산 시프트 파이버 등과 같은, 광파이버의 대략적인 종류를 가리킨다.

(9) 융착 접속기(10)의 방전 상태의 유사성

촬상 데이터 PX, PY로서 방전된 상태의 것을 사용하는 경우는, 융착 접속기(10)의 방전 상태가 복수의 융착 접속기(10)에 있어서 서로 유사한 경우, 그들 융착 접속기(10)에 있어서는 촬상 데이터 PX, PY의 경향이 유사하다고 추정된다. 여기서 말하는 방전 상태란, 한 쌍의 광파이버를 설치하지 않은 상태에서 방전을 행하면서 취득된 촬상 데이터로부터 얻어지는 휘도 정보의 특징량으로 대표될 수 있다. 이 특징량의 유사도로 그룹 나눔이 이루어진다. 이 경우, 특징량은, 예를 들면, 방전 전극(3c)의 중심 축 방향을 기준으로 하여 정해진 특정점에 있어서의 광 강도, 및 특정 방향에 있어서의 촬상 데이터의 광 강도 분포 형상 중 적어도 하나를 포함한다. 특정 방향이란, 예를 들면, 방전 방향과 직교하는 방향, 또는 방전 방향과 평행한 방향이다.

이와 같이 그룹마다 샘플 데이터 Da를 모아 작성된 판별 모델 Md는, 통신부(21)를 통하여, 대응하는 그룹에 속하는 융착 접속기(10)에 송신된다. 각 융착 접속기(10)의 판별부(14)는, 그 융착 접속기(10)가 속하는 그룹에 대응하는 판별 모델 Md를 이용하여, 한 쌍의 광파이버 F1, F2 각각의 종류를 판별한다.

도 13은, 본 실시 형태에 따른, 광파이버를 융착 접속하는 방법을 나타내는 흐름도이다. 이 방법은, 상술한 융착 접속 시스템(1A)을 이용하여 매우 적합하게 실현될 수 있다. 우선, 모델 작성 공정 ST1로서, 광파이버의 촬상 데이터로부터 얻어지는 특징량과 그 광파이버의 종류의 대응 관계를 나타내는 샘플 데이터 Da를 이용하여 기계 학습을 행한다. 그리고, 접속하려고 하는 광파이버 F1, F2의 종류를 광파이버 F1, F2의 촬상 데이터 PX, PY에 근거하여 판별하기 위한 판별 모델 Md를 작성한다. 이 모델 작성 공정 ST1에서는, 복수의 융착 접속기(10)를, 촬상 데이터 PX, PY의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 분류한다. 그리고, 그룹마다 샘플 데이터 Da를 모아 판별 모델 Md를 작성한다. 다음에, 촬상 공정 ST2로서, 한 쌍의 광파이버 F1, F2를 촬상하여 촬상 데이터 PX, PY를 생성한다. 계속하여, 판별 공정 ST3으로서, 촬상 공정 ST2에 있어서 생성된 촬상 데이터 PX, PY로부터 얻어지는 특징량을 판별 모델 Md에 입력하고, 한 쌍의 광파이버 F1, F2 각각의 종류를 판별한다. 이 판별 공정 ST3에서는, 그 판별 공정 ST3을 행하는 융착 접속기(10)가 속하는 그룹에 대응하는 판별 모델 Md를 이용하여, 한 쌍의 광파이버 F1, F2 각각의 종류를 판별한다. 계속하여, 접속 공정 ST4로서, 판별 공정 ST3에 있어서의 판별 결과에 근거하여, 한 쌍의 광파이버 F1, F2의 종류의 조합에 따른접속 조건으로 한 쌍의 광파이버 F1, F2를 서로 융착 접속한다.

이상에 설명한 본 실시 형태의 융착 접속 시스템(1A), 융착 접속기(10), 및 융착 접속하는 방법에 의해 얻어지는 효과에 대해 설명한다. 본 실시 형태에서는, 광파이버 F1, F2의 촬상 데이터 PX, PY로부터 얻어지는 특징량과 광파이버 F1, F2의 종류의 대응 관계를 나타내는 샘플 데이터 Da를 이용하여 기계 학습을 행한다. 그리고, 얻어진 판별 모델 Md를 이용하여 광파이버 F1, F2의 종류를 판별한다. 따라서, 기계 학습에 근거하는 고정밀도의 판별이 가능해진다. 또한, 복수의 융착 접속기(10)를, 촬상 데이터 PX, PY의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 분류하고, 그룹마다 샘플 데이터 Da를 모아 판별 모델 Md를 작성한다. 그리고, 자기가 속하는 그룹에 대응하는 판별 모델 Md를 이용하여, 한 쌍의 광파이버 F1, F2 각각의 종류를 판별한다. 이것에 의해, 촬상부(12)의 기계적 및 구조적인 격차가 적은 그룹 내로 한정하여 기계 학습을 행할 수 있으므로, 기계 학습에 근거하는 광파이버 종류의 판별 정밀도를 더욱 높일 수가 있다.

전술한 바와 같이, 기계 학습은 심층 학습이어도 좋다. 이 경우, 광파이버 종류의 판별 정밀도를 더욱 높일 수가 있다.

전술한 바와 같이, 상기 둘 이상의 그룹은, 각 융착 접속기(10)의 검사의 조건 및 결과 중 적어도 한쪽의 유사성에 근거하여 분류되어도 좋다. 검사의 조건 및 결과의 유사성은, 촬상 데이터 PX, PY의 경향의 유사성에 영향을 준다고 생각된다. 따라서, 이 경우, 복수의 융착 접속기(10)를, 촬상 데이터 PX, PY의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 적절히 분류할 수가 있다.

전술한 바와 같이, 상기 둘 이상의 그룹은, 각 융착 접속기(10)의 검사 시에 기준이 되는 광파이버를 촬상부(12)에 의해 촬상하여 얻어진 촬상 데이터 PX, PY의 유사성에 근거하여 분류되어도 좋다. 검사 시에 기준이 되는 광파이버를 촬상하여 얻어진 촬상 데이터 PX, PY의 유사성은, 촬상 데이터 PX, PY의 경향의 유사성을 나타낸다. 따라서, 이 경우, 복수의 융착 접속기(10)를, 촬상 데이터 PX, PY의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 적절히 분류할 수가 있다.

전술한 바와 같이, 상기 둘 이상의 그룹은, 각 융착 접속기(10)의 검사 시에 기준이 되는 광파이버를 촬상부(12)에 의해 촬상한 때의 환경 조건, 예를 들면 온도, 습도, 및 기압의 유사성에 근거하여 분류되어도 좋다. 검사 시에 기준이 되는 광파이버를 촬상한 때의 환경 조건의 유사성은, 촬상 데이터 PX, PY의 경향의 유사성에 영향을 준다고 생각된다. 따라서, 이 경우, 복수의 융착 접속기(10)를, 촬상 데이터 PX, PY의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 적절히 분류할 수가 있다.

전술한 바와 같이, 상기 둘 이상의 그룹은, 각 융착 접속기(10)의 제조자 및 제조 일시 중 적어도 한쪽의 유사성에 근거하여 분류되어도 좋다. 융착 접속기(10)의 제조자 및 제조 일시 중 적어도 한쪽의 유사성은, 촬상 데이터 PX, PY의 경향의 유사성에 영향을 준다고 생각된다. 따라서, 이 경우, 복수의 융착 접속기(10)를, 촬상 데이터 PX, PY의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 적절히 분류할 수가 있다.

전술한 바와 같이, 상기 둘 이상의 그룹은, 촬상부(12)의 제조자 및 제조 일시 중 적어도 한쪽의 유사성에 근거하여 분류되어도 좋다. 촬상부(12)의 제조자 및 제조 일시 중 적어도 한쪽의 유사성은, 촬상 데이터 PX, PY의 경향의 유사성에 영향을 준다고 생각된다. 따라서, 이 경우, 복수의 융착 접속기(10)를, 촬상 데이터 PX, PY의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 적절히 분류할 수가 있다.

전술한 바와 같이, 상기 둘 이상의 그룹은, 촬상부(12)의 관찰용 광학부의 제조자 및 제조 일시 중 적어도 한쪽의 유사성에 근거하여 분류되어도 좋다. 촬상부(12)의 관찰용 광학부의 제조자 및 제조 일시 중 적어도 한쪽의 유사성은, 촬상 데이터 PX, PY의 경향의 유사성에 영향을 준다고 생각된다. 따라서, 이 경우, 복수의 융착 접속기(10)를, 촬상 데이터 PX, PY의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 적절히 분류할 수가 있다.

전술한 바와 같이, 상기 둘 이상의 그룹은, 각 융착 접속기(10)의 사용 장소에 있어서의 환경 조건, 예를 들면 온도, 습도, 및 기압의 유사성에 근거하여 분류되어도 좋다. 융착 접속기(10)의 사용 장소에 있어서의 환경 조건의 유사성은, 촬상 데이터 PX, PY의 경향의 유사성에 영향을 준다고 생각된다. 따라서, 이 경우, 복수의 융착 접속기(10)를, 촬상 데이터 PX, PY의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 적절히 분류할 수가 있다.

전술한 바와 같이, 상기 둘 이상의 그룹은, 각 융착 접속기(10)의 열화 상태의 유사성에 근거하여 분류되어도 좋다. 융착 접속기(10)의 열화 상태의 유사성은, 촬상 데이터 PX, PY의 경향의 유사성에 영향을 준다고 생각된다. 따라서, 이 경우, 복수의 융착 접속기(10)를, 촬상 데이터 PX, PY의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 적절히 분류할 수가 있다.

전술한 바와 같이, 상기 둘 이상의 그룹은, 각 융착 접속기(10)에 있어서 접속 대상이 되는 광파이버 종류의 유사성에 근거하여 분류되어도 좋다. 접속 대상이 되는 광파이버 종류의 유사성은, 촬상 데이터 PX, PY의 경향의 유사성에 영향을 준다고 생각된다. 따라서, 이 경우, 복수의 융착 접속기(10)를, 촬상 데이터 PX, PY의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 적절히 분류할 수가 있다.

전술한 바와 같이, 상기 둘 이상의 그룹은, 각 융착 접속기(10)의 방전 상태의 유사성에 근거하여 분류되어도 좋다. 각 융착 접속기(10)의 방전 상태의 유사성은, 촬상 데이터 PX, PY의 경향의 유사성에 영향을 준다고 생각된다. 따라서, 이 경우, 복수의 융착 접속기(10)를, 촬상 데이터 PX, PY의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 적절히 분류할 수가 있다.

본 실시 형태의 모델 작성 장치(20)는, 판별 모델 작성부(22)를 구비한다. 판별 모델 작성부(22)는, 광파이버 F1, F2의 촬상 데이터 PX, PY로부터 얻어지는 특징량과 광파이버 F1, F2의 종류의 대응 관계를 나타내는 샘플 데이터 Da를 이용하여 기계 학습을 행한다. 그리고, 접속하려고 하는 광파이버 F1, F2의 종류를, 접속하려고 하는 광파이버 F1, F2의 촬상 데이터 PX, PY에 근거하여 판별하기 위한 판별 모델 Md를 작성한다. 판별 모델 작성부(22)는, 복수의 융착 접속기(10)를, 촬상 데이터 PX, PY의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 분류하고, 그룹마다 샘플 데이터 Da를 모아 판별 모델 Md를 작성한다. 모델 작성 장치(20)는, 각 융착 접속기(10)가 속하는 그룹에 대응하는 판별 모델 Md를 각 융착 접속기(10)에 제공한다. 이것에 의해, 각 융착 접속기(10)의 기계적 및 구조적인 격차가 적은 그룹 내로 한정하여 기계 학습을 행할 수 있다. 고로, 기계 학습에 근거하는 광파이버 F1, F2의 종류의 판별 정밀도를 더욱 높일 수가 있다.

본 개시에 따른 광파이버를 위한 융착 접속 시스템, 융착 접속기, 모델 작성 장치, 및 광파이버를 융착 접속하는 방법은, 상술한 실시 형태에 한정되는 것은 아니고, 그 밖에 여러 가지 변형이 가능하다. 예를 들면, 촬상 데이터의 경향이 유사하다고 추정되는 둘 이상의 그룹의 분류 방법은, 상기 실시 형태로 예시된 것에 한정되지 않는다.

1A…융착 접속 시스템
2…하우징
3…접속부
3a…광파이버 홀더
3b…파이버 위치 결정부
3c…방전 전극
4…가열기
5…모니터
6…방풍 커버
6a…측면
6b…도입구
10…융착 접속기
10a…CPU
10b…RAM
10c…ROM
10d…입력 장치
10e…보조 기억 장치
10f…출력 장치
11…통신부
12…촬상부
13…특징량 추출부
14…판별부
15…융착 제어부
20…모델 작성 장치
20a…CPU
20b…RAM
20c…ROM
20d…입력 장치
20e…통신 모듈
20f…보조 기억 장치
20g…출력 장치
21…통신부
22…판별 모델 작성부
30…정보 통신망
CL…클래드
CR…코어
Da…샘플 데이터
F1, F2…광파이버
F1a, F2a…단면
Md…판별 모델
MSX, MSY…방향
PX, PY…촬상 데이터
ST1…모델 작성 공정
ST2…촬상 공정
ST3…판별 공정
ST4…접속 공정

Claims (18)

1. 광파이버의 촬상 데이터로부터 얻어지는 특징량과 상기 광파이버의 종류의 대응 관계를 나타내는 샘플 데이터를 이용하여 기계 학습을 행하고, 접속하려고 하는 광파이버의 종류를 상기 접속하려고 하는 광파이버의 촬상 데이터에 근거하여 판별하기 위한 판별 모델을 작성하는 모델 작성 장치와,
   한 쌍의 광파이버를 촬상하여 촬상 데이터를 생성하는 촬상부, 상기 촬상부로부터 제공된 촬상 데이터로부터 얻어지는 특징량을 상기 판별 모델에 입력하고, 상기 한 쌍의 광파이버 각각의 종류를 판별하는 판별부, 및, 상기 판별부에 있어서의 판별 결과에 근거하여, 상기 한 쌍의 광파이버의 종류의 조합에 따른 접속 조건으로 상기 한 쌍의 광파이버를 서로 융착 접속하는 접속부를 가지는 복수의 융착 접속기
   를 구비하고,
   상기 모델 작성 장치는, 상기 복수의 융착 접속기를 촬상 데이터의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 분류하여 그룹마다 상기 샘플 데이터를 모아 상기 판별 모델을 작성하고,
   각 융착 접속기의 상기 판별부는, 상기 각 융착 접속기가 속하는 상기 그룹에 대응하는 상기 판별 모델을 이용하여 상기 한 쌍의 광파이버 각각의 종류를 판별하는, 광파이버를 위한 융착 접속 시스템.
2. 제 1 항에 있어서,
   상기 기계 학습은 심층 학습인, 융착 접속 시스템.
3. 제 1 항 또는 제 2 항에 있어서,
   상기 둘 이상의 그룹은, 각 융착 접속기의 검사의 조건 및 각 융착 접속기의 검사의 결과 중 적어도 한쪽의 유사성에 근거하여 분류되는, 융착 접속 시스템.
4. 제 3 항에 있어서,
   상기 둘 이상의 그룹은, 각 융착 접속기의 검사 시에 기준이 되는 광파이버를 상기 촬상부에 의해 촬상하여 얻어진 촬상 데이터의 유사성에 근거하여 분류되는, 융착 접속 시스템.
5. 제 4 항에 있어서,
   상기 촬상 데이터의 유사성은, 상기 한 쌍의 광파이버의 지름 방향에 있어서의 휘도 정보로부터 구한 특징량의 유사성을 포함하는, 융착 접속 시스템.
6. 제 3 항 내지 제 5 항 중 어느 한 항에 있어서,
   상기 둘 이상의 그룹은, 각 융착 접속기의 검사 시에 기준이 되는 광파이버를 상기 촬상부에 의해 촬상한 때의 환경 조건의 유사성에 근거하여 분류되는, 융착 접속 시스템.
7. 제 6 항에 있어서,
   상기 환경 조건은, 온도, 습도, 및 기압 중 적어도 1개를 포함하는, 융착 접속 시스템.
8. 제 1 항 내지 제 7 항 중 어느 한 항에 있어서,
   상기 둘 이상의 그룹은, 각 융착 접속기의 제조자 및 제조 일시 중 적어도 한쪽의 유사성에 근거하여 분류되는, 융착 접속 시스템.
9. 제 1 항 내지 제 8 항 중 어느 한 항에 있어서,
   상기 둘 이상의 그룹은, 각 융착 접속기의 상기 촬상부의 제조자 및 제조 일시 중 적어도 한쪽의 유사성에 근거하여 분류되는, 융착 접속 시스템.
10. 제 1 항 내지 제 9 항 중 어느 한 항에 있어서,
    상기 둘 이상의 그룹은, 각 융착 접속기의 관찰용 광학부의 제조자 및 제조 일시 중 적어도 한쪽의 유사성에 근거하여 분류되는, 융착 접속 시스템.
11. 제 1 항 내지 제 10 항 중 어느 한 항에 있어서,
    상기 둘 이상의 그룹은, 각 융착 접속기의 사용 장소에 있어서의 환경 조건의 유사성에 근거하여 분류되는, 융착 접속 시스템.
12. 제 11 항에 있어서,
    상기 환경 조건은, 온도, 습도, 및 기압 중 적어도 1개를 포함하는, 융착 접속 시스템.
13. 제 1 항 내지 제 12 항 중 어느 한 항에 있어서,
    상기 둘 이상의 그룹은, 각 융착 접속기의 열화 상태의 유사성에 근거하여 분류되는, 융착 접속 시스템.
14. 제 13 항에 있어서,
    상기 열화 상태는, 제조일로부터의 경과 시간, 사용 시간, 방전 횟수, 접속 빈도, 방전 전극의 오염 상태, 상기 촬상부의 반대측으로부터 상기 한 쌍의 광파이버를 조명하는 광원의 조광 상태, 상기 촬상부의 관찰용 광학부의 오염 상태, 및 기기 진단 결과 중 적어도 1개를 포함하는, 융착 접속 시스템.
15. 제 1 항 내지 제 14 항 중 어느 한 항에 있어서,
    상기 둘 이상의 그룹은, 각 융착 접속기에 있어서 접속 대상이 되는 광파이버 종류의 유사성에 근거하여 분류되는, 융착 접속 시스템.
16. 한 쌍의 광파이버를 촬상하여 촬상 데이터를 생성하는 촬상부와,
    접속하려고 하는 광파이버의 종류를 상기 접속하려고 하는 광파이버의 촬상 데이터에 근거하여 판별하기 위한 판별 모델로서, 광파이버의 촬상 데이터로부터 얻어지는 특징량과 상기 특징량을 얻은 광파이버의 종류의 대응 관계를 나타내는 샘플 데이터를 이용한 기계 학습에 의해 작성된 상기 판별 모델에, 상기 촬상부로부터 제공된 촬상 데이터로부터 얻어지는 특징량을 입력하고, 상기 한 쌍의 광파이버 각각의 종류를 판별하는 판별부와,
    상기 판별부에 있어서의 판별 결과에 근거하여, 상기 한 쌍의 광파이버의 종류의 조합에 따른 접속 조건으로 상기 한 쌍의 광파이버를 서로 융착 접속하는 접속부
    를 구비하고,
    상기 판별 모델은, 복수의 융착 접속기를 촬상 데이터의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 분류하여 그룹마다 상기 샘플 데이터를 모아 작성된 것이고,
    상기 판별부는, 해당 융착 접속기가 속하는 상기 그룹에 대응하는 상기 판별 모델을 이용하여 상기 한 쌍의 광파이버 각각의 종류를 판별하는, 융착 접속기.
17. 광파이버의 촬상 데이터로부터 얻어지는 특징량과 상기 광파이버의 종류의 대응 관계를 나타내는 샘플 데이터를 이용하여 기계 학습을 행하고, 접속하려고 하는 광파이버의 종류를 상기 접속하려고 하는 광파이버의 촬상 데이터에 근거하여 판별하기 위한 판별 모델을 작성하는 판별 모델 작성부를 구비하고,
    상기 판별 모델 작성부는, 복수의 융착 접속기를 촬상 데이터의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 분류하여 그룹마다 상기 샘플 데이터를 모아 상기 판별 모델을 작성하고,
    각 융착 접속기가 속하는 상기 그룹에 대응하는 상기 판별 모델을 각 융착 접속기에 제공하는, 모델 작성 장치.
18. 광파이버의 촬상 데이터로부터 얻어지는 특징량과 상기 광파이버의 종류의 대응 관계를 나타내는 샘플 데이터를 이용하여 기계 학습을 행하고, 접속하려고 하는 광파이버의 종류를 상기 접속하려고 하는 광파이버의 촬상 데이터에 근거하여 판별하기 위한 판별 모델을 작성하는 공정과,
    한 쌍의 광파이버를 촬상하여 촬상 데이터를 생성하는 공정과,
    상기 촬상 데이터를 생성하는 공정에 있어서 생성된 촬상 데이터로부터 얻어지는 특징량을 상기 판별 모델에 입력하고, 상기 한 쌍의 광파이버 각각의 종류를 판별하는 공정과,
    상기 판별하는 공정에 있어서의 판별 결과에 근거하여, 상기 한 쌍의 광파이버의 종류의 조합에 따른 접속 조건으로 상기 한 쌍의 광파이버를 서로 융착 접속하는 공정
    을 포함하고,
    상기 판별 모델을 작성하는 공정에서는, 상기 촬상 데이터를 생성하는 공정, 상기 판별하는 공정, 및 상기 융착 접속하는 공정을 행하는 복수의 융착 접속기를, 촬상 데이터의 경향이 유사하다고 추정되는 둘 이상의 그룹으로 분류하여, 상기 복수의 융착 접속기로부터 상기 샘플 데이터를 모아 상기 판별 모델을 그룹마다 작성하고,
    상기 판별하는 공정에서는, 상기 판별하는 공정을 행하는 상기 융착 접속기가 속하는 상기 그룹에 대응하는 상기 판별 모델을 이용하여 상기 한 쌍의 광파이버 각각의 종류를 판별하는, 광파이버를 융착 접속하는 방법.

Images