TW202008724A - 光電感測器 - Google Patents

Abstract

本發明提供一種利用簡易的構成，時間延遲少地判定對象物的狀態的光電感測器。光電感測器包括：投光部，向供對象物來到的檢測範圍射出光；受光部，獲取基於光的受光的時間序列的訊號值；FIFO記憶體，依據所獲取的順序排序而儲存規定數目的訊號值，且藉由新獲取的訊號值週期性地更新規定數目的訊號值；模型儲存部，儲存判定模型，所述判定模型判定由儲存於FIFO記憶體的規定數目的訊號值構成的波形、與和對象物的特定的狀態對應的基準波形的一致度的等級；以及判定部，以每進行一次或多次FIFO記憶體的更新時而進行一次的頻率，執行藉由判定模型實施的判定，且基於一致度的等級而判定對象物的狀態。

Description

光電感測器

本發明是有關於一種具備關於對象物的狀態的判定功能的光電感測器。

先前，作為檢測有無對象物的感測器，而使用一種朝對象物照射光而檢測透射對象物的光、或檢測由對象物進行的遮光、或檢測由對象物反射的光的光電感測器。又，於檢測不是有無對象物、而是對象物的狀態時，有時使用一種藉由照相機拍攝對象物，並進行圖像分析的視覺感測器。

關於光電感測器，例如於下述專利文獻1中，記載有一種光電感測器，構成為將相當於背景位準的檢測值儲存為零重置（zero reset）基準值，藉此可將任意的檢測值利用以背景位準為基準的相對值來顯示。

又，於下述專利文獻2中，記載有一種檢查方法，即：利用雷射光掃描鋼板表面，算出代表反射光波形的多個特徵量，並添加於預先學習所述特徵量的類神經網路而進行有/無瑕疵的輸出。 [現有技術文獻] [專利文獻]

[專利文獻1]日本專利特開2001-124594號公報 [專利文獻2]日本專利特開平2-298840號公報

[發明所欲解決之課題]

有時需要檢測如下的對象物的狀態，即：與利用普及的一個光電感測器即可進行的有無對象物的檢測相比要難，但是尚未達到需要與光電感測器相比為大型且高價的視覺感測器的多種能力的程度。例如，於辨識形狀或樣子大不相同的對象物時，僅單純地檢測有無對象物並不夠，但尚未達到需要視覺感測器的多種能力的程度。

此處，考量藉由組合先前的光電感測器與如專利文獻1所示的分析受光量波形的方法，而能夠原理性地判定對象物的狀態。然而，由於無法獲得用於僅獲取判定所需的部分（與專利文獻2中的瑕疵的大小對應的部分）的波形的適當的觸發（trigger），故於完成較判定所需的部分更長時間範圍的波形的獲取後進行波形分析，對於應用於例如於搬送生產線上接連搬運而來的對象物則缺乏即時（real time）性。

因此，本發明提供一種利用簡易的構成，時間延遲少地判定對象物的狀態的光電感測器。 [解決課題之手段]

本揭示的一個態樣的光電感測器包括：投光部，向供對象物來到的檢測範圍射出光；受光部，獲取基於光的受光的時間序列的訊號值；先進先出（First In First Out，FIFO）記憶體，依據所獲取的順序排序而儲存規定數目的訊號值，且藉由新獲取的訊號值週期性地更新規定數目的訊號值；模型儲存部，儲存判定模型，所述判定模型判定由儲存於FIFO記憶體的規定數目的訊號值構成的波形、與和對象物的特定的狀態對應的基準波形的一致度的等級；以及判定部，以每進行一次或多次FIFO記憶體的更新時而進行一次的頻率，執行藉由判定模型實施的判定，且基於一致度的等級而判定對象物的狀態。

根據所述態樣，以每進行一次或多次FIFO記憶體的更新時而進行一次的頻率，判定由儲存於FIFO記憶體的訊號值構成的波形、與和對象物的特定的狀態對應的基準波形的一致度的等級，藉此可利用簡易的構成，時間延遲少地判定於搬送生產線上接連搬運而來的對象物的狀態。

於所述態樣中，判定模型可為藉由機器學習而生成的已學習模型。

根據所述態樣，藉由已學習模型，判定由儲存於FIFO記憶體的訊號值構成的波形、與和對象物的特定的狀態對應的基準波形的一致度的等級，藉此可更靈活地判定於搬送生產線上接連搬運而來的對象物的狀態。

於所述態樣中，判定模型可為包含下述內容的模型，即：根據儲存於FIFO記憶體的規定數目的訊號值、與和規定數目的訊號值分別對應的表示基準波形的參考值的差異而算出一致度。

根據所述態樣，藉由比較簡單的模型，判定由儲存於FIFO記憶體的訊號值構成的波形、與和對象物的特定的狀態對應的基準波形的一致度的等級，藉此可更高速地判定於搬送生產線上接連搬運而來的對象物的狀態。

於所述態樣中，判定模型是當一致度高於規定值時判定為一致度為高等級的模型，判定部於獲得所述高等級的判定結果時，可判定為對象物的狀態為特定的狀態。

於所述態樣中，判定模型進而是於一致度不高於規定值但高於較規定值小的第二規定值時判定為一致度為中等級的模型，判定部於對象物通過檢測範圍所需的時間的範圍內，當不存在所述高等級的情況而存在所述中等級的情況時，可判定為非特定的狀態的對象物來到。

根據所述態樣，即便於對象物的狀態不是特定的狀態的情況下，仍可判定對象物來到，以及此種對象物的狀態不是特定的狀態。

於所述態樣中，更包括動作控制部，所述動作控制部基於訊號值生成判定模型，且將所生成的判定模型儲存於模型儲存部。

根據所述態樣，由於光電感測器可自己生成判定模型，故無需自外部獲取判定模型，而可使用對應於實際的對象物而生成的判定模型。

於所述態樣中，動作控制部可於繼時間序列的訊號值的變動比較小的穩定期後顯現時間序列的訊號值的變動比較大的變動期時，基於屬於變動期的訊號值生成判定模型。

根據所述態樣，可自訊號值中選擇性地使用藉由對象物而產生的訊號值，生成判定模型。

於所述態樣中，動作控制部能夠將判定模型輸出至外部。

根據所述態樣，由於可於其他光電感測器中使用所生成的判定模型，故無需針對在同樣的對象物及設置狀況下使用的多個光電感測器的每一個重覆生成判定模型。

於所述態樣中，動作控制部能夠將時間序列的訊號值輸出至外部。

根據所述態樣，可將訊號值輸出至外部，從而由外部設備生成判定模型。藉此，光電感測器自身無需具有與生產判定模型的處理相關的計算資源。

於所述態樣中，動作控制部可自外部獲取判定模型，且儲存於模型儲存部。

根據所述態樣，藉由沿用由其他裝置、例如由其他光電感測器生成的判定模型，而可將判定模型的生成省略。 [發明的效果]

根據本發明，提供一種利用簡易的構成，時間延遲少地判定對象物的狀態的光電感測器。

以下，基於圖式，對於本發明的一方面的實施形態（以下表述為「本實施形態」）進行說明。又，於各圖中，標注有同一符號的要素具有同一或同樣的構成。

[構成例] 參照圖1至圖3，對於本實施形態的光電感測器10的構成的一例進行說明。圖1是表示包含本實施形態的光電感測器10的檢測系統1的概要的圖。檢測系統1包括：光電感測器10、控制器（controller）20、電腦（computer）30、機器人（robot）40、以及搬送裝置50。

光電感測器10是基於所獲取的訊號值，檢測對象物100來到光電感測器10的檢測範圍10a，並判定所述對象物100的狀態的裝置。光電感測器10可為反射型光電感測器，或透射型光電感測器，或回歸反射型光電感測器。又，光電感測器10亦可為位移感測器，朝對象物100投射雷射光束，基於三角測距的原理而獲得與距對象物100的距離對應的訊號值。又，光電感測器10還可為測距感測器，基於由對象物100反射的光的往復時間而獲得與至對象物100的距離對應的訊號值。於本說明書中，「訊號值」除了包含受光量的值以外，亦包含與至對象物100的距離對應的訊號值。

對象物100是成為由光電感測器10進行的檢測的對象的物品，例如可為所生產的產品的完成品，或者為零件等未完成品。圖1例示的對象物100是於基座上帶有凸起的形狀的對象物。又，作為不同類型的對象物，設為雖具有相同基座但未帶有凸起的形狀的對象物混入而被搬送。當光電感測器10例如為反射型光電感測器時，若對象物100來到光電感測器10的檢測範圍10a，則檢測到的反射光量增加。又，當對象物100為於基座上帶有凸起的形狀時，若於檢測範圍10a存在對象物100的凸起，則反射光量進一步增加。

控制器20控制機器人40及搬送裝置50。控制器20例如可由可程式化邏輯控制器（Programmable Logic Controller，PLC）構成。控制器20藉由來自光電感測器10的輸出而檢知對象物100來到，進而，對應於所判定的對象物100的狀態而控制機器人40。

電腦30對光電感測器10、控制器20及機器人40進行設定。又，電腦30自控制器20獲取由控制器20進行的控制的執行結果。進而，電腦30可包含學習裝置，藉由機器學習生成用於由光電感測器10判定對象物100的狀態的判定模型。此處，判定模型例如可由類神經網路（neural network）構成，或可由決策樹構成。

機器人40依照控制器20的控制，對於對象物100進行操作或加工。機器人40例如可拾取對象物100並將其移動至別的場所，或將對象物100進行切削或組裝。又，機器人40可根據於對象物100是否具有凸起而改變加工內容或移動目的地。

搬送裝置50是依照控制器20的控制，將對象物100進行搬送的裝置。搬送裝置50例如可為帶式輸送機（belt conveyor），可於由控制器20設定的速度下將對象物100進行搬送。

圖2是表示本實施形態的光電感測器10的構成的圖。光電感測器10包括：投光部11、受光部12、處理部13、操作部14、以及輸出部15。

＜投光部＞ 投光部11向供對象物100來到的檢測範圍10a射出光。投光部11可包含投光元件11a、以及驅動電路11b。投光元件11a可由發光二極體（Light Emitting Diode，LED）或雷射二極體構成，驅動電路11b控制用於使投光元件11a發光的電流。驅動電路11b可使投光元件11a斷續地、例如以0.1 ms週期脈衝發光。自投光元件11a射出的光可經由未圖示的透鏡或光纖（fiber），朝檢測範圍10a照射。

＜受光部＞ 受光部12獲取基於光的受光的時間序列的訊號值。受光部12可包含：受光元件12a、放大器12b、取樣/保持（sample/hold）電路12c、以及類比/數位（analog/digital，A/D）轉換器12d。受光元件12a可由光電二極體（photodiode）構成，將受光量轉換為電性輸出訊號。受光部12可使於檢測範圍10a反射或透射的光經由未圖示的透鏡或光纖入射至受光元件12a。放大器12b將受光元件12a的輸出訊號予以放大。取樣/保持電路12c與由投光部11發出的脈衝發光的時序同步地，保持經放大器12b放大的受光元件12a的輸出訊號。藉此降低干擾光的影響。A/D轉換器12d將由取樣/保持電路12c保持的類比訊號值轉換為作為數位值的受光量的值。

＜處理部＞ 處理部13包含：動作控制部13a、先進先出（First In First Out，FIFO）記憶體13b、模型儲存部13c、以及判定部13d。處理部13例如可構成為電腦，所述電腦包含微處理器（microprocessor）、記憶體、以及保存於記憶體的程式（program）等。

動作控制部13a除了後述的操作判定模型的處理以外，亦統括控制光電感測器10整體的動作。

FIFO記憶體13b依據所獲取的順序排序而儲存規定數目的訊號值，且藉由新獲取的訊號值週期性地更新規定數目的訊號值。此處，儲存於FIFO記憶體13b的訊號值的數目，即規定數目為任意，例如可為100左右。FIFO記憶體13b除了由專用的硬體（hardware）實現以外，亦可於處理部13的記憶體上依照處理部13的程式而實現。此時，訊號值朝FIFO記憶體13b的後段的移位（shift）不是所保存的資料的物理方式的移位，而是可藉由更新記憶體上的存取部位而進行。

模型儲存部13c儲存判定模型，所述判定模型判定由儲存於FIFO記憶體13b的規定數目的訊號值構成的波形、與和對象物100的特定的狀態對應的基準波形的一致度的等級。此處，基準波形可為與對象物100的特定的狀態對應的典型的訊號值的波形，例如，可為針對特定的狀態的多個對象物100獲取的平均波形。

模型儲存部13c可將藉由機器學習生成的已學習模型儲存為判定模型。已學習模型可利用下述方式進行學習，即：判定由儲存於FIFO記憶體13b的規定數目的訊號值構成的波形、與和對象物100的特定的狀態對應的基準波形的一致度的等級。此處，已學習模型可由電腦30生成，且儲存於模型儲存部13c。

判定部13d以每進行一次或多次FIFO記憶體13b的更新時而進行一次的頻率，執行藉由判定模型實施的判定，基於由儲存於FIFO記憶體13b的規定數目的訊號值構成的波形、與和對象物100的特定的狀態對應的基準波形的一致度的等級，而判定對象物100的狀態。例如，於基準波形為於基座帶有凸起的對象物的波形時，判定部13d執行藉由判定模型實施的判定，於一致度為充分高時，可判定為對象物100為於基座帶有凸起的狀態。如此般，以每進行一次或多次FIFO記憶體13b的更新時而進行一次的頻率，判定由儲存於FIFO記憶體13b的訊號值構成的波形、與和對象物100的特定的狀態對應的基準波形的一致度的等級，藉此可利用簡易的構成，時間延遲少地判定於搬送生產線上接連搬運而來的對象物100的狀態。藉此，可利用與普及的光電感測器相近的簡易的構成，即無需影像處理或另外的觸發機構，時間延遲少地判定對象物100的狀態。

判定模型可為包含下述內容的模型，即：根據儲存於FIFO記憶體13b的規定數目的訊號值、與和規定數目的訊號值分別對應的表示基準波形的參考值的差異而算出所述一致度。

判定模型可為於一致度高於規定值時判定為一致度為高等級的模型，判定部13d在獲得了高等級的判定結果時，可判定為對象物100的狀態為特定的狀態。判定部13d在獲得了高等級的判定結果時，即便在高等級的判定結果消失後，仍可將對象物100的狀態為特定的狀態的輸出維持規定期間。此處，規定期間可為對象物100通過檢測範圍10a所需的時間程度。判定部13d可於對象物100通過檢測範圍10a所需的時間的範圍內，多次判定對象物100的狀態。此處，「對象物100通過檢測範圍10a所需的時間的範圍」可作為於判定模型生成時經實測的訊號值變動的持續時間而編入判定模型。又，亦可將在判定動作時，不檢測訊號值變動的開始，而自當前起直至經過與持續時間對應的移位次數為止的期間獲得的判定結果作為「通過檢測範圍10a所需的時間的範圍」。再者，亦可考量將自檢測到訊號值變動的開始至進行與持續時間對應的次數的移位為止作為「通過檢測範圍10a所需的時間的範圍」。如此般，可於對象物100通過檢測範圍10a所需的時間的範圍內，判定是否存在由儲存於FIFO記憶體13b的訊號值構成的波形、與和對象物100的特定的狀態對應的基準波形的一致度的等級高於規定值的時刻。

判定模型進而可為於一致度不高於規定值但高於較規定值小的第二規定值時判定為一致度為中等級的模型，判定部13d當於對象物100通過檢測範圍10a所需的時間的範圍內，不存在高等級的情況而存在中等級的情況時，可判定為非特定的狀態的對象物來到。判定部13d可在對象物100通過檢測範圍10a所需的時間的範圍內，多次判定對象物100的狀態，即便在多次判定的任一判定下判定結果不是高等級，但多次判定中判定結果至少一次為中等級時，判定為非特定的狀態的對象物來到。第二規定值是大於零的值。第二規定值可為基於在非特定的狀態的對象物100來到檢測範圍10a時的訊號值而決定的臨限值。藉此，即便在對象物100的狀態不是特定的狀態的情況下，仍可判定對象物100來到，以及此種對象物100的狀態不是特定的狀態。例如，於特定的狀態為於基座帶有凸起的狀態的情況，及於不帶有凸起而僅為基座的對象物來到的情況下，判定部13d可判定為一致度為中等級。

判定部13d可考量因視窗污染等所致的光量劣化，調節訊號值倍率，而判定一致度是否充分變高。即，判定部13d可藉由將由儲存於FIFO記憶體13b的訊號值構成的波形的倍率予以變更的波形、與和對象物100的特定的狀態對應的基準波形的一致度是否高於規定值，而判定對象物100的狀態。藉此，即便在因視窗污染等而投光量或受光量發生變化的情況下，仍可穩定地判定對象物100的狀態。

又，於混合搬送多種對象物時，判定模型可為下述模型，即：於由儲存於FIFO記憶體13b的訊號值構成的波形與和任一種對象物100的特定的狀態對應的基準波形的一致度高於規定值時，判定為一致度為高等級。進而，於一致度為高等級或中等級時，可藉由判定模型本身顯示關於哪一種對象物的判定結果，而判定部13d確定被判定為高等級或中等級的對象物100的種類。或者是，判定模型是按照對象物100的種類而準備，判定部13d藉由哪一判定模型進行了高等級或中等級的判定而確定被判定為高等級或中等級的對象物100的種類。

例如，於混合搬送第一種對象物與第二種對象物時，判定部13d於由所獲取的訊號值構成的波形、與和第一種對象物對應的基準波形的一致度為高等級的情況下，可判定為所搬送的對象物的狀態為第一種對象物的特定的狀態。又，判定部13d於由所獲取的訊號值構成的波形、與和第二種對象物對應的基準波形的一致度為高等級的情況下，可判定為所搬送的對象物的狀態為第二種對象物的特定的狀態。進而，判定部13d於針對任一對象物皆未判定為高等級，而由所獲取的訊號值構成的波形、與和第一種對象物對應的基準波形的一致度為中等級時，可判定為所搬送的對象物為非特定的狀態的第一種對象物。又，判定部13d於針對任一對象物皆未判定為高等級，而由所獲取的訊號值構成的波形、與和第二種對象物對應的基準波形的一致度為中等級時，可判定為所搬送的對象物的狀態為非特定的狀態的第二種對象物。於第一種對象物與第二種對象物類似，或用於判定中等級的第二規定值為低的值時，亦會產生下述情形，即：由所獲取的訊號值構成的波形、與和第一種對象物對應的基準波形的一致度及與和第二種對象物對應的基準波形的一致度皆成為中等級的判定結果。於此種情形下，判定部13d可判定為所搬送的對象物為非特定的狀態的第一種對象物或為非特定的狀態的第二種對象物，且無法確定是哪一種對象物。

＜操作部＞ 操作部14用於進行光電感測器10的操作，可包含操作開關、顯示器等。光電感測器10的操作者可利用操作部14，進行光電感測器10的動作模式的設定等的指示的輸入或動作狀態的確認。再者，本實施形態的光電感測器10作為動作模式可包括學習模式、以及判定模式，所述學習模式用於生成判定模型，所述判定模式用於利用所生成的判定模型來判定對象物100的狀態。

＜輸出部＞ 輸出部15輸出包含判定部13d作出的判定結果的各種資料。最簡單而言，輸出部15可進行由判定部13d作出的判定結果的二值輸出。再者，光電感測器10可包括通訊部來代替輸出部15，進行大量資料的輸入輸出。

圖3是表示本實施形態的光電感測器10的處理部13的構成的一例的圖。處理部13於第一週期將儲存於FIFO記憶體13b的各級的訊號值移位至後一級，而將自A/D轉換器12d輸出的受光量的數位值儲存於初段q0。再者，於此圖中，為了說明原理，而將FIFO記憶體13b的段數設為q0～q9此10段，但FIFO記憶體13b的段數亦可更多，例如可為100段左右。

進行FIFO記憶體13b的更新的第一週期，既可與由投光部11發出的脈衝發光的週期相同，亦可為不同。又，進行FIFO記憶體13b的更新的第一週期，既可與投光部11的脈衝發光及由A/D轉換器12d進行的轉換的週期（設為第二週期）相同，亦可為不同。例如，第二週期可固定為於光電感測器10固有的值（例如0.1 ms）。第一週期能夠自圖1所示的電腦30經由控制器20進行設定。第一週期需要以欲同時處理的訊號值波形的範圍落入FIFO記憶體13b的方式決定。第一週期大多較第二週期長，例如可為1 ms。

判定部13d藉由判定模型對由保存於FIFO記憶體13b的多個段的訊號值構成的波形、與和對象物的特定的狀態對應的基準波形的一致度的等級進行判定，且基於一致度的等級判定對象物的狀態，並於第一週期將判定結果輸出至動作控制部13a。

模型儲存部13c作為判定模型可儲存藉由機器學習而生成、供判定一致度的等級的已學習模型。此處，判定模型例如可由類神經網路（neural network）構成，或可由決策樹構成，可包含利用其他周知的機器學習的方法而生成的已學習模型。判定部13d可於每進行一次或多次FIFO記憶體13b的更新時而進行一次的頻率下，執行根據已學習模型實施的判定，且基於一致度的等級而判定對象物的狀態。

動作控制部13a基於訊號值生成判定模型，且將所生成的判定模型儲存於模型儲存部13c。例如，動作控制部13a可基於所獲取的訊號值執行學習模型的機器學習，生成已學習模型，且將所生成的已學習模型儲存於模型儲存部13c。如此般，可藉由動作控制部13a生成判定模型。即，由於光電感測器可自己生成判定模型，故無需自外部獲取判定模型，而可使用對應於實際的對象物而生成的判定模型。

動作控制部13a能夠將判定模型輸出至外部。藉此，由於可在其他光電感測器使用所生成的判定模型，故無需針對在同樣的對象物及設置狀況下使用的多個光電感測器的每一個重覆生成判定模型。因此，可高效地準備判定對象物的狀態的光電感測器。

動作控制部13a可在繼時間序列的訊號值的變動比較小的穩定期後顯現時間序列的訊號值的變動比較大的變動期時，基於屬於變動期的訊號值而生成判定模型。此處，時間序列的訊號值的變動比較小的穩定期在去除雜訊（noise）的影響的情況下，實質上可為時間序列的訊號值無變動的期間。又，時間序列的訊號值的變動比較大的變動期在去除雜訊的影響的情況下，實質上可為時間序列的訊號值有變動的期間。如此般，基於屬於變動期的訊號值生成判定模型，藉此可自訊號值中選擇性地使用藉由對象物產生的訊號值而生成判定模型。再者，利用圖7a及圖7b說明時間序列的訊號值的變動比較小的穩定期、與時間序列的訊號值的變動比較大的變動期的具體例。

圖4是本實施形態的光電感測器10的學習模式及判定模式的處理的流程圖。首先，光電感測器10判定是否為進行判定模型的生成的學習模式（S10）。再者，可藉由操作部14進行學習模式及判定模式的切換。

當光電感測器10為學習模式時（S10：是（YES）），光電感測器10獲取時間序列的訊號值，藉由動作控制部13a生成判定模型（S11）。

另一方面，於光電感測器10不是學習模式時（S10：否（NO）），即光電感測器10為判定模式時，光電感測器10藉由新的訊號值更新FIFO記憶體13b（S12），且針對儲存於FIFO記憶體13b的訊號值應用判定模型，藉此判定對象物的狀態（S13）。此處，利用圖5及圖6對於判定處理（S13）更詳細地進行說明。

其後，光電感測器10判定是否結束判定模式（S15）。判定模式的結束可於結束光電感測器10的作動時產生，或可於自判定模式切換為學習模式時產生。在不結束判定模式時（S14：否），光電感測器10再次獲取時間序列的訊號值（S12），且針對所獲取的訊號值應用判定模型，藉此判定對象物的狀態（S13）。另一方面，在結束判定模式時（S14：是），結束學習模式及判定模式的處理。

圖5是藉由本實施形態的光電感測器10判定對象物的狀態的處理（S13）的第一例的流程圖。首先，光電感測器10藉由判定模型判定由所獲取的訊號值構成的波形與基準波形的一致度的等級（S131）。一致度的等級例如可利用如「高等級」、「中等級」、「低等級」的離散值表示。

於一致度為高等級時（S132：是），光電感測器10判定為對象物的狀態為與基準波形對應的特定的狀態（S133）。另一方面，於一致度不是高等級時（S132：否），光電感測器10結束判定處理，且於下一週期的判定時再次判定一致度是否為高等級。藉由以上所述而結束判定處理的第一例。

圖6是藉由本實施形態的光電感測器10判定對象物的狀態的處理（S13）的第二例的流程圖。首先，光電感測器10藉由判定模型判定由所獲取的訊號值構成的波形與基準波形的一致度的等級（S134）。

光電感測器10於所判定的一致度為高等級時（S135：是），判定為對象物的狀態為與基準波形對應的特定的狀態（S136）。另一方面，在判定為一致度不是高等級（S135：否），而一致度為中等級時（S137：是），光電感測器10不立即判定對象物的狀態，而結束判定處理。

一致度不是高等級（S135：否），一致度亦不是中等級（S137：否），當於對象物通過檢測範圍的時間的範圍內，判定為不存在一致度為高等級的情況且存在一致度為中等級的情況時（S138：是），光電感測器10判定為非特定的狀態的對象物來到（S139）。另一方面，一致度不是高等級（S135：否），而即使一致度不為中等級（S137：是），當於對象物通過檢測範圍的時間的範圍內，不判定為不存在一致度為高等級的情況且存在一致度為中等級的情況時（S138：否），結束判定處理。

由於在對象物通過檢測範圍的時間的範圍內，判定不存在一致度為高等級的情況，且是否存在一致度為中等級的情況（S138），故光電感測器10可將於自當前時點起過去的對象物通過檢測範圍所需的時間的範圍內藉由判定模型判定一致度的等級的一系列的判定結果儲存於用於保存判定結果的未圖示的FIFO記憶體。又，光電感測器10於不將一系列的判定結果儲存於FIFO記憶體，且藉由判定模型判定為一致度為中等級時，開始計時對象物通過檢測範圍所需的時間，若直至計時結束仍未出現高等級的判定結果，則可判定為非特定的狀態的對象物來到，若直至計時結束為止出現高等級的判定結果，則可判定為特定的狀態的對象物來到。藉由以上所述，結束判定處理的第二例。

圖7a是表示於本實施形態的光電感測器10的第n循環測定的訊號值的一例的圖。又，圖7b是表示於本實施形態的光電感測器10的第n+1循環測定的訊號值的一例的圖。於圖7a及圖7b中，縱軸表示受光量的值，橫軸表示時間與和時間對應的FIFO記憶體13b的級。如兩個圖所示，最新受光量的值（時間t9的值）儲存於FIFO記憶體13b的初段q0，最先受光量的值（時間t0的值）儲存於FIFO記憶體13b的最末段q9。於本例中，FIFO記憶體13b依據所獲取的順序排序而儲存10個訊號值。

由虛線所示的對象物的形狀S1配合獲得各受光量的值的時序而示意性地表示對象物的形狀。根據對象物的形狀S1，可理解為對象物是於基座帶有凸起的形狀。

於圖7a中由實線所示的波形W1是由在第n循環獲取且儲存於FIFO記憶體13b的訊號值構成的波形。又，於圖7b中由實線所示的波形W2是由在第n+1循環獲取且儲存於FIFO記憶體13b的訊號值構成的波形。如兩幅圖所示，於第n循環儲存於FIFO記憶體13b的訊號值在第n+1循環下移位至後一段而儲存於FIFO記憶體13b。

由於在檢測範圍10a存在一定的廣度，故在與對象物100的階差對應的時序附近接受來自階差的上表面與下表面此兩者的反射光，而構成波形W1及波形W2的訊號值成為中間性的值。中間性的受光量的值，在微小的獲取時序的不同下，易於產生大變動。因此，即便針對同一形狀的對象物100，每次受光量的值仍會變動。在判定模型的生成時，較佳為將對象物100搬送某程度的次數，重覆獲取受光量的值以獲得平均化效果。

動作控制部13a可於繼時間序列的訊號值的變動比較小的穩定期後顯現時間序列的訊號值的變動比較大的變動期時，基於屬於變動期的訊號值而生成判定模型。於圖7a的示例的情況下，時間序列的訊號值的變動比較小的穩定期是自時間t0至時間t1，時間序列的訊號值的變動比較大的變動期是自時間t2至時間t8。又，於圖7b的示例的情況下，時間序列的訊號值的變動比較小的穩定期是時間t8以後，時間序列的訊號值的變動比較大的變動期是自時間t2至時間t7。動作控制部13a比較自FIFO記憶體13b的最末段向初段儲存於相鄰的級的值，當存在其差為臨限值以上的相鄰的級時，可判定為自相鄰的級中靠近初段側的級向初段儲存有屬於變動期的訊號值，亦可判定為自相鄰的級中靠近最末段側的級向最末段儲存有屬於穩定期的訊號值。具體而言，於圖7a的示例的情況下，動作控制部13a可比較儲存於最末段q9與第八段q8的值，由於其差為0且為臨限值以下，故比較儲存於第八段q8與第七段q7的值，可判定其差為2而為臨限值以上。此處，臨限值例如可為1。然後，動作控制部13a可判定為自所儲存的值的差為臨限值以上的第八段q8與第七段q7中靠近初段q0側的第七段q7向初段q0儲存有屬於變動期的訊號值，亦可判定為自第八段q8與第七段q7中靠近最末段側的第八段q8向最末段q9儲存有屬於穩定期的訊號值。

判定部13d可於每進行一次或多次FIFO記憶體13b的更新時而進行一次的頻率下，藉由判定模型判定由儲存於FIFO記憶體13b的規定數目的訊號值構成的波形W1、與和對象物100的特定的狀態對應的基準波形的一致度，且基於一致度的等級，而判定對象物的狀態。例如，在基準波形為與圖7a中由虛線所示的對象物的形狀S1大致相等的波形時，判定部13d可求得儲存於FIFO記憶體13b的各級的訊號值與基準波形的訊號值的差的絕對值的總和，所述值愈小則一致度愈高，而判定對象物的狀態是否為特定的狀態。如此般，當於光電感測器10在判定模式下動作時搬送而來的對象物100是具有凸起的對象物的情況下，於FIFO記憶體13b的特定的移位循環中，由所獲取的受光量的值構成的波形與由模型生成時的受光量的值構成的基準波形的一致的程度變高。

圖8是表示於本實施形態的光電感測器10的第n循環測定的訊號值的另一例的圖。於此圖中，縱軸表示受光量的值，橫軸表示時間與和時間對應的FIFO記憶體13b的級。

於圖8中由實線所示的波形W3是由在第n循環獲取且儲存於FIFO記憶體13b的訊號值構成的波形。又，由虛線所示的對象物的形狀S2是配合獲得各受光量的值的時序而示意性地表示對象物的形狀。根據對象物的形狀S2，可理解為對象物是無凸起而僅為基座的形狀。

若將波形W3與圖7a所示的波形W1進行比較可知，於時間t4至時間t6的期間的受光量的值上存在差異。當於判定模式下在動作時被搬送的對象物是無凸起的對象物的情況下，於對象物的通過所需的時間的範圍內，於FIFO記憶體13b的幾個移位循環中，由所獲取的受光量的值構成的波形、與由判定模型生成時的受光量的值構成的基準波形的一致度大於第二規定值而成為中程度，但不高於規定值而無成為高程度的情況。因此，判定部13d可根據雖然不是具有凸起的對象物，但一致度有成為中程度的情況，而判定為與具有凸起的對象物具有某些共通性的對象物來到。於本例中，由於對象物的基座部分為共通，故一致的程度為中程度。

圖9是表示本實施形態的光電感測器10的處理部13的構成的另一例的圖。此圖所示的處理部13的構成的示例與圖3所示的處理部13的構成的示例相比，於參考值R儲存於模型儲存部13c的方面不同，除此以外的構成為共通。

模型儲存部13c可儲存根據由儲存於FIFO記憶體13b的規定數目的訊號值、與和規定數目的訊號值分別對應的表示基準波形的參考值R的差異而算出一致度的模型作為判定模型。算出一致度的模型於本例的情況下可為以下述方式算出一致度的模型，即：算出5個參考值R、與和5個參考值對應的儲存於FIFO記憶體的q0至q4的級中的訊號值的差的絕對值的總和，所述值愈小則一致度愈大。於模型儲存部13c中，保存有參考值r4、參考值r3、參考值r2、參考值r1、及參考值r0，可分別與保存於FIFO記憶體13b的q0、q2、q4、q6、及q8的值對應。

判定部13d所具備的判定模型可為下述模型，即：求得具有對應關係的各值的差的絕對值，以各差的絕對值的總和小於第一臨限值為第一基準，在滿足第一基準時判定為一致度為高等級。判定部13d所具備的判定模型進而可為下述模型，即：以各差的絕對值的總和位於第一臨限值與大於第一臨限值的第二臨限值之間為第二基準，於對象物100的通過所需的時間的範圍內，於雖然滿足第二基準但未滿足第一基準時判定為一致度為中等級。

判定部13d可於每進行一次或多次FIFO記憶體13b的更新時而進行一次的頻率下，執行藉由判定模型實施的判定，且基於一致度的等級而判定對象物的狀態。如此般，藉由比較簡單的模型，判定由儲存於FIFO記憶體13b的訊號值構成的波形、與和對象物100的特定的狀態對應的基準波形的一致度，藉此可更高速地判定於搬送生產線上接連搬運而來的對象物100的狀態。

判定部13d當於對象物100通過檢測範圍10a所需的時間範圍內，多次判定對象物100的狀態，且至少一次滿足第一基準時，可判定為對象物100的狀態為特定的狀態，所述第一基準用於判定儲存於FIFO記憶體13b的規定數目的訊號值、與和規定數目的訊號值分別對應的表示基準波形的規定數目的參考值R的差異為小。例如，判定部13d當於對象物100通過檢測範圍10a所需的時間的範圍內，至少一次滿足用於判定儲存於FIFO記憶體13b的規定數目的訊號值、與和規定數目的訊號值分別對應的表示基準波形的規定數目的參考值R的差異為小的第一基準時，可判定為對象物100是於基座帶有凸起的形狀的對象物。如此般，可於對象物100通過檢測範圍10a所需的時間的範圍內，判定是否存在由儲存於FIFO記憶體13b的訊號值構成的波形、與和對象物100的特定的狀態對應的基準波形的一致度高於規定值的時刻。

又，判定部13d當於對象物100通過檢測範圍10a所需的時間的範圍內，多次判定對象物100的狀態，在多次判定的全部結果中雖然不滿足第一基準，但至少一次滿足第二基準時，可判定為非特定的狀態的對象物100來到，所述第二基準用於判定儲存於FIFO記憶體13b的規定數目的訊號值、與和規定數目的訊號值分別對應的表示基準波形的規定數目的參考值R的差異為中程度。例如，判定部13d當於對象物100通過檢測範圍10a所需的時間的範圍內，於雖然不滿足用於判定儲存於FIFO記憶體13b的規定數目的訊號值與表示基準波形的規定數目的參考值R的差異為小的第一基準，但至少一次滿足用於判定差異為中程度的第二基準時，可判定為於對象物100無凸起，而為僅基座形狀的對象物。如此般，即便於對象物100的狀態不是特定的狀態的情況下，仍可判定對象物100來到，以及此種對象物100的狀態不是特定的狀態。

圖10是表示將判定模型自外部安裝於本實施形態的光電感測器10的示例的圖。此圖所示的光電感測器10的處理部13的構成的示例與圖3所示的處理部13的構成的示例相比，於下述方面不同，即：動作控制部13a將時間序列的受光量的值輸出至外部，將由外部電腦基於所述時間序列的受光量的值而生成的判定模型輸入，且將所輸入的判定模型儲存於模型儲存部13c，除此以外的構成為共通。

動作控制部13a亦能夠將時間序列的訊號值輸出至外部。輸出至外部的訊號值亦可為儲存於FIFO記憶體13b的訊號值。可將訊號值輸出至外部，而由外部設備生成判定模型。藉此，光電感測器自身無需具有與生產判定模型的處理相關的計算資源。

動作控制部13a可自外部獲取判定模型，且儲存於模型儲存部13c。動作控制部13a可獲取由外部的電腦生成的判定模型，或可獲取由其他光電感測器生成的判定模型。藉由沿用由其他裝置、例如由其他光電感測器生成的判定模型，而可將判定模型的生成省略。

再者，動作控制部13a亦可無需將時間序列的訊號值輸出至外部，而將於其他光電感測器中生成的模型、或由外部電腦基於由其他光電感測器獲取的時間序列的訊號值而生成的模型輸入而使用。

以上所說明的實施形態是用於容易地進行本發明的理解的實施形態，而不是限定本發明而解釋的實施形態。實施形態所包括的各要素及其配置、材料、條件、形狀、及尺寸等並不限定於所例示的內容，而是可適當變更。另外，可部分地置換或組合由不同的實施形態所示的諸個構成。

[附記] 一種光電感測器（10），包括：投光部（11），向供對象物（100）來到的檢測範圍（10a）射出光； 受光部（12），獲取基於所述光的受光的時間序列的訊號值； FIFO記憶體（13b），依據所獲取的順序排序而儲存規定數目的所述訊號值，且藉由新獲取的所述訊號值週期性地更新規定數目的所述訊號值； 模型儲存部（13c），儲存判定模型，所述判定模型判定由儲存於所述FIFO記憶體（13b）的規定數目的所述訊號值構成的波形與和所述對象物（100）的特定的狀態對應的基準波形的一致度的等級；以及 判定部（13d），以每進行一次或多次所述FIFO記憶體（13b）的更新時而進行一次的頻率，執行藉由所述判定模型的判定，且基於所述一致度的等級而判定所述對象物（100）的狀態。

1‧‧‧檢測系統 10‧‧‧光電感測器 10a‧‧‧檢測範圍 11‧‧‧投光部 11a‧‧‧投光元件 11b‧‧‧驅動電路 12‧‧‧受光部 12a‧‧‧受光元件 12b‧‧‧放大器 12c‧‧‧取樣/保持電路 12d‧‧‧A/D轉換器 13‧‧‧處理部 13a‧‧‧動作控制部 13b‧‧‧FIFO記憶體 13c‧‧‧模型儲存部 13d‧‧‧判定部 14‧‧‧操作部 15‧‧‧輸出部 20‧‧‧控制器 30‧‧‧電腦 40‧‧‧機器人 50‧‧‧搬送裝置 100‧‧‧對象物 q0‧‧‧初段 q1～q8‧‧‧段 q9‧‧‧最末段 r0～r4、R‧‧‧參考值 S1、S2‧‧‧對象物的形狀 S10～S14、S131～S139‧‧‧步驟 t0～t10‧‧‧時間 W1、W2、W3‧‧‧波形

圖1是表示包含本發明的實施形態的光電感測器的檢測系統的概要的圖。 圖2是表示本實施形態的光電感測器的構成的圖。 圖3是表示本實施形態的光電感測器的處理部的構成的一例的圖。 圖4是本實施形態的光電感測器的學習模式及判定模式的處理的流程圖。 圖5是藉由本實施形態的光電感測器判定對象物的狀態的處理的第一例的流程圖。 圖6是藉由本實施形態的光電感測器判定對象物的狀態的處理的第二例的流程圖。 圖7a是表示本實施形態的光電感測器的第n循環測定的訊號值的一例的圖。 圖7b是表示本實施形態的光電感測器的第n+1循環測定的訊號值的一例的圖。 圖8是表示本實施形態的光電感測器的第n循環測定的訊號值的另一例的圖。 圖9是表示本實施形態的光電感測器的處理部的構成的另一例的圖。 圖10是表示將判定模型自外部安裝於本實施形態的光電感測器的示例的圖。

1‧‧‧檢測系統

10‧‧‧光電感測器

10a‧‧‧檢測範圍

20‧‧‧控制器

30‧‧‧電腦

40‧‧‧機器人

50‧‧‧搬送裝置

100‧‧‧對象物

Claims (10)

1. 一種光電感測器，包括：投光部，向供對象物來到的檢測範圍射出光； 受光部，獲取基於所述光的受光的時間序列的訊號值； 先進先出記憶體，依據所獲取的順序排序而儲存規定數目的所述訊號值，且藉由新獲取的所述訊號值週期性地更新規定數目的所述訊號值； 模型儲存部，儲存判定模型，所述判定模型判定由儲存於所述先進先出記憶體的規定數目的所述訊號值構成的波形與和所述對象物的特定的狀態對應的基準波形的一致度的等級；以及 判定部，以每進行一次或多次所述先進先出記憶體的更新時而進行一次的頻率，執行藉由所述判定模型實施的判定，並基於所述一致度的等級而判定所述對象物的狀態。
2. 如申請專利範圍第1項所述的光電感測器，其中所述判定模型是由機器學習生成的已學習模型。
3. 如申請專利範圍第1項所述的光電感測器，其中所述判定模型是包含下述內容的模型，即：根據儲存於所述先進先出記憶體的所述規定數目的訊號值、與和所述規定數目的訊號值分別對應的表示所述基準波形的參考值的差異而算出所述一致度。
4. 如申請專利範圍第1項所述的光電感測器，其中所述判定模型是當所述一致度高於規定值時判定為一致度為高等級的模型， 所述判定部於獲得所述高等級的判定結果時，判定為所述對象物的狀態為所述特定的狀態。
5. 如申請專利範圍第4項所述的光電感測器，其中所述判定模型進而為下述模型，即：在所述一致度雖然不高於所述規定值但高於較所述規定值小的第二規定值時判定為一致度為中等級， 所述判定部當於所述對象物通過所述檢測範圍所需的時間的範圍內，不存在所述高等級的情況而存在所述中等級的情況時，判定為非所述特定的狀態的所述對象物來到。
6. 如申請專利範圍第1項所述的光電感測器，更包括動作控制部，所述動作控制部基於所述訊號值生成所述判定模型，且將所生成的所述判定模型儲存於所述模型儲存部。
7. 如申請專利範圍第6項所述的光電感測器，其中所述動作控制部於繼時間序列的所述訊號值的變動比較小的穩定期後顯現時間序列的所述訊號值的變動比較大的變動期時，基於屬於所述變動期的所述訊號值生成所述判定模型。
8. 如申請專利範圍第6項或第7項所述的光電感測器，其中所述動作控制部能夠將所述判定模型輸出至外部。
9. 如申請專利範圍第6項或第7項所述的光電感測器，其中所述動作控制部能夠將時間序列的所述訊號值輸出至外部。
10. 如申請專利範圍第1項所述的光電感測器，更包括動作控制部，所述動作控制部自外部獲取所述判定模型，且儲存於所述模型儲存部。

Images