WO2023188889A1

WO2023188889A1 - 自動溶接の溶接制御方法、制御装置、溶接システム、プログラム、および溶接方法

Info

Publication number: WO2023188889A1
Application number: PCT/JP2023/004866
Authority: WO
Inventors: 圭太尾崎; 達也吉本; 尚英古川
Original assignee: 株式会社神戸製鋼所
Priority date: 2022-03-30
Filing date: 2023-02-13
Publication date: 2023-10-05
Also published as: JP2023149112A

Abstract

溶融池を形成する溶接の溶接制御方法は、前記溶融池を含む画像データを取得する取得工程と、取得した前記画像データに基づいて、少なくとも溶接の進行方向側の溶融池と未溶融部の境界近傍における複数の特徴点を特定する特定工程と、前記複数の特徴点の情報に基づいて、幾何学量データを算出する算出工程と、前記幾何学量データと予め定めた閾値に基づいて、溶接の適正可否を判定する判定工程と、前記判定工程における判定結果に基づいて、溶接条件を補正する補正工程と、を有する。

Description

自動溶接の溶接制御方法、制御装置、溶接システム、プログラム、および溶接方法

　本発明は、自動溶接の溶接制御方法、制御装置、溶接システム、プログラム、および溶接方法に関する。

　近年、業種を問わず溶接作業の自動化が、省力・省人化、溶接品質安定化、生産力・能率向上の観点から求められている。しかしながら、人の手でなければ溶接が困難な溶接箇所や姿勢が存在し、自動化を阻害する要因となっている。なお、溶接が困難な溶接箇所とは、例えば、ルート部に溶融金属を架橋させて溶接せねばならない片面溶接の初層の溶接が挙げられる。溶接が困難な姿勢は、一般的に難姿勢と呼ばれる、横向姿勢、立向姿勢や上向姿勢等が挙げられる。

　これら自動化が困難な溶接状況に対し、自動溶接システムを可能とした従来技術として特許文献１が挙げられる。特許文献１では、鉛直方向に並ぶ２つの被溶接部材の間に形成された水平方向に延びる開先において、溶接進行方向を前方向とするとき、溶接トーチを前下方向と後上方向とに交互にウィービングさせながらアーク溶接を行う溶接ロボットと、アーク溶接により開先に生じたアーク及び溶融池を撮影するカメラと、カメラにより撮影されたカメラ画像中の溶融池の先端部の位置を検出する検出部と、アークと溶融池の先端部との距離が所定の範囲にある場合に、当該距離に基づいて溶接速度の補正量を決定する決定部と、を備えるシステムによって、片面溶接かつ横向姿勢時において、自動溶接を可能とする構成が開示されている。

日本国特開２０２１－７９４４４号公報

　しかしながら、自動化が困難な理由は、先に挙げた溶接箇所や姿勢以外にも、溶接現場で起こりうる外乱の存在があり、特許文献１はこの外乱の影響については何ら考慮されていない。なお、溶接における外乱とは、例えば、ワークの目違い、ガス流量の減少、磁気吹き、ワイヤ送給の不安定、電流供給の不安定、ワークへの油付着、ワークの錆等が挙げられる。これら要因はすべて溶融池の挙動に影響を与えるものであり、溶接品質の良し悪しに影響する。例えば、特許文献１の片面溶接かつ横向姿勢時において、ワークの目違いが生じると、重力の影響も相まって、初層の溶接において、ルート部における溶接金属の架橋が失敗する虞が生じる。したがって、溶接箇所や姿勢を問わないことに加えて、外乱が生じる状況であっても良好な溶接品質が確保できる自動溶接化が望まれる。

　また、外乱にはワークの目違い等、一部、溶接前にタッチセンシング等で事前に把握し、対策を行うことも可能であるが、この場合、センシング箇所が多くなり、特に長尺の溶接において溶接作業能率が低下する。このため、リアルタイムで外乱を判定できる自動溶接化も望まれる。

　よって、本発明では、外乱が生じる溶接状況下である場合においても、溶接品質を確保でき、かつ溶接作業能率が良好となる自動溶接の溶接制御方法、制御装置、溶接システム、プログラム、および溶接方法を提供することを目的とする。

　上記課題を解決するために本発明は以下の構成を有する。すなわち、溶融池を形成する溶接の溶接制御方法であって、
　前記溶融池を含む画像データを取得する取得工程と、
　取得した前記画像データに基づいて、少なくとも溶接の進行方向側の溶融池と未溶融部の境界近傍における複数の特徴点を特定する特定工程と、
　前記複数の特徴点の情報に基づいて、幾何学量データを算出する算出工程と、
　前記幾何学量データと予め定めた閾値に基づいて、溶接の適正可否を判定する判定工程と、
　前記判定工程における判定結果に基づいて、溶接条件を補正する補正工程と、
を有する。

　また、本発明の別の形態として以下の構成を有する。すなわち、溶融池を形成する溶接の溶接条件を制御する制御装置であって、
　溶融池を含む画像データを取得する取得部と、
　取得した前記画像データに基づいて、少なくとも溶接の進行方向側の溶融池と未溶融部の境界近傍における複数の特徴点を特定する特定部と、
　前記複数の特徴点の情報に基づいて、幾何学量データを算出する算出部と、
　前記幾何学量データと予め定めた閾値に基づいて、溶接の適正可否を判定する判定部と、
　前記判定部による判定結果に基づいて、溶接条件を補正する補正部と、
を有する。

　また、本発明の別の形態として以下の構成を有する。すなわち、溶融池を形成する溶接の溶接条件を制御する制御装置を含んで構成される溶接システムであって、
　前記制御装置は、
　溶融池を含む画像データを取得する取得部と、
　取得した前記画像データに基づいて、少なくとも溶接の進行方向側の溶融池と未溶融部の境界近傍における複数の特徴点を特定する特定部と、
　前記複数の特徴点の情報に基づいて、幾何学量データを算出する算出部と、
　前記幾何学量データと予め定めた閾値に基づいて、溶接の適正可否を判定する判定部と、
　前記判定部による判定結果に基づいて、溶接条件を補正する補正部と、
を有する。

　また、本発明の別の形態として以下の構成を有する。すなわち、プログラムであって、
　コンピュータに、
　溶接の際に生じる溶融池を含む画像データを取得する取得工程と、
　取得した前記画像データに基づいて、少なくとも溶接の進行方向側の溶融池と未溶融部の境界近傍における複数の特徴点を特定する特定工程と、
　前記複数の特徴点の情報に基づいて、幾何学量データを算出する算出工程と、
　前記幾何学量データと予め定めた閾値に基づいて、溶接の適正可否を判定する判定工程と、
　前記判定工程における判定結果に基づいて、溶接条件を補正する補正工程と、
を実行させる。

　また、本発明の別の形態として以下の構成を有する。すなわち、溶接制御方法にて補正された溶接条件を用いて溶接を行う制御工程を有する溶接方法であって、
　前記制御方法は、
　前記溶融池を含む画像データを取得する取得工程と、
　取得した前記画像データに基づいて、少なくとも溶接の進行方向側の溶融池と未溶融部の境界近傍における複数の特徴点を特定する特定工程と、
　前記複数の特徴点の情報に基づいて、幾何学量データを算出する算出工程と、
　前記幾何学量データと予め定めた閾値に基づいて、溶接の適正可否を判定する判定工程と、
　前記判定工程における判定結果に基づいて、溶接条件を補正する補正工程と、
を有する。

　本発明によれば、外乱が生じる溶接状況下においても、溶接品質を確保でき、かつ溶接作業能率の良好な自動溶接が可能となる。

本発明の一実施形態に係る溶接システムの構成例を示す概略図。本発明の一実施形態に係る可搬型溶接ロボットの構成例を示す概略図。本発明の一実施形態に係る可搬型溶接ロボットの構成例を示す概略図。本発明の一実施形態に係る溶接トーチの構成例を示す概略図。本発明の一実施形態に係る視覚センサの配置を説明するための斜視図。本発明の一実施形態に係る視覚センサにて取得される画像データの例を示す例図。本発明の一実施形態に係るデータ処理装置の構成例を示すブロック図。本発明の一実施形態に係る学習処理を説明するための概念図。本発明の一実施形態に係る教示作業に用いる画面の一例を説明するための概略図。本発明の一実施形態に係る教示作業に用いる画面の一例を説明するための概略図。本発明の一実施形態に係る溶接画像の解析結果を説明するための例図。本発明の一実施形態に係る溶接画像の解析結果を説明するための例図。本発明の一実施形態に係る目違いを説明するための例図。本発明の一実施形態に係る先端傾斜角の特徴点を説明するための概略図。本発明の一実施形態に係る溶接画像の解析結果を説明するためのグラフ図。本発明の一実施形態に係る処理のフローチャート。本発明の一実施形態に係る溶接制御のフローチャート。本発明の第２の実施形態に係る溶接画像の解析結果を説明するための例図。本発明の第２の実施形態に係る溶接画像の解析結果を説明するための例図。本発明の第２の実施形態に係る異常判定処理のフローチャート。本発明の第２の実施形態に係る時系列データの例を示すグラフ図。本発明の第２の実施形態に係る判定結果の例を示すグラフ図。本発明の第２の実施形態に係る判定結果の例を示すグラフ図。

　＜第１の実施形態＞
　以下、本発明の一実施形態に係る溶接システムについて図面を参照しつつ説明する。なお、各図面において、同じ構成要素については、同じ参照番号を付すことにより対応関係を示す。本実施形態は、可搬型溶接ロボットを用いた場合の一例であり、本発明の溶接システムは、本実施形態の構成に限定されるものではない。例えば、６軸の溶接ロボット、台車などの駆動部を有する溶接装置または半自動溶接の場合であってもよい。また、溶接の種類には、アーク溶接、レーザ溶接、電子ビーム溶接またはエレクトロスラグ溶接等がある。本実施形態では一例としてアーク溶接の例を挙げるが、いずれの方法も溶融池が形成する特性を持つため、本発明はアーク溶接に限らず、レーザ溶接、電子ビーム溶接等の種々の溶接方法で適用することができる。さらに、本実施形態では、本発明の効果を顕著に示すことを目的とし、溶接が困難な溶接箇所と姿勢として、片面溶接の初層溶接と横向姿勢を選択しているが、これらに限定されるものではなく、溶接箇所、溶接姿勢は特に問わない。

　また、本実施形態では、溶接情報に係るオブジェクト（対象）として、画像データに少なくとも「溶融池」を含み、「溶融池」に係る特徴点を抽出する。この特徴点の抽出方法は特に問わないが、本実施形態においては、後述する通り、学習装置を用いて特徴点を抽出する。以下の学習装置に係る説明において、「学習」または「機械学習」とは、学習データおよび任意の学習アルゴリズムを用いて学習を行うことにより、「学習済みモデル」を生成することを指す。学習済みモデルは、複数の学習データを用いて学習が進むことにより、適時更新され、同じ入力であってもその出力が変化していく。したがって、学習済みモデルは、いずれの時点での状態であるかを限定するものではない。ここでは、学習にて用いられるモデルを「学習モデル」と記載し、一定程度の学習が行われた学習モデルを「学習済みモデル」と記載する。また、「学習データ」の具体的な例については後述するが、その構成は、利用する学習アルゴリズムに応じて変更されてよい。また、学習データには、学習そのものに用いられる教師データ、学習済みモデルの検証に用いられる検証データ、学習済みモデルのテストに用いられるテストデータを含んでよい。以下の説明では、学習に関するデータを包括的に示す場合は、「学習データ」と記載し、学習そのものを行う際のデータを示す場合は「教師データ」と記載する。なお、学習データに含まれる教師データ、検証データ、およびテストデータを明確に分類することを意図するものではなく、例えば、学習、検証、およびテストの方法によっては、学習データすべてが教師データにもなり得る。

　［システム構成］
　図１は、本実施形態に係る溶接システムの構成例を示す概略図である。溶接システム５０は、図１に示すように、可搬型溶接ロボット１００、送給装置３００、溶接電源４００、シールドガス供給源５００、ロボット制御装置６００、視覚センサ７００、およびデータ処理装置８００を含んで構成される。なお、上述したように本発明に係る特徴を６軸の溶接ロボット、台車などの駆動部を有する溶接装置または半自動溶接などに適用する場合には、それらの構成に合わせて更なる構成が含まれてよい。

　ロボット制御装置６００は、ロボット用制御ケーブル６１０によって可搬型溶接ロボット１００と接続され、電源用制御ケーブル６２０によって溶接電源４００と接続されている。ロボット制御装置６００は、あらかじめ可搬型溶接ロボット１００の動作パターン、溶接開始位置、溶接終了位置、施工条件、溶接条件等を定めたティーチングデータを保持するデータ保持部６０１を有し、このティーチングデータに基づいて可搬型溶接ロボット１００及び溶接電源４００に対して指令を送り、可搬型溶接ロボット１００の動作及び溶接条件を制御する。

　また、ロボット制御装置６００は、後述するセンシングにより得られる検知データから開先形状情報を算出する開先形状情報算出部６０２と、該開先形状情報をもとに上記ティーチングデータの溶接条件を補正して取得する溶接条件取得部６０３と、を有する。そして、開先形状情報算出部６０２と溶接条件取得部６０３により、制御部６０４が構成されている。

　さらに、ロボット制御装置６００は、ティーチングや可搬型溶接ロボット１００のマニュアル操作等を行うためのコントローラ（以降、「教示ペンダント」とも称する。）とその他の制御機能をもつコントローラが、一体となって形成されてもよいし、教示ペンダント及びその他の制御機能をもつコントローラの２つに分ける等、役割によって複数に分割してもよいし、可搬型溶接ロボット１００にロボット制御装置６００を含めてもよい。なお、溶接現場における使用性の観点から、ティーチングや可搬型溶接ロボット１００のマニュアル操作等を行うためのコントローラと、その他の制御機能をもつコントローラの２つに分けるのが好ましい。よって、本実施形態では、教示ペンダント及びその他の制御機能をもつコントローラの２つに分け、図示しない教示ペンダントとロボット制御装置６００が通信ケーブルで繋がっている。また、本実施形態においては、ロボット用制御ケーブル６１０及び電源用制御ケーブル６２０を用いて信号が送られているが、これに限られるものではなく、無線で送信してもよい。

　溶接電源４００は、ロボット制御装置６００からの指令により、消耗電極である溶接ワイヤ２１１及びワークＷｏに電力を供給することで、溶接ワイヤ２１１とワークＷｏとの間にアークを発生させる。溶接電源４００からの電力は、パワーケーブル４１０を介して送給装置３００に送られ、送給装置３００からコンジットチューブ４２０を介して溶接トーチ２００に送られる。そして、図２に示すように、溶接電源４００からの電力は、溶接トーチ２００先端のコンタクトチップを介して、溶接ワイヤ２１１に供給される。なお、溶接作業時の電流は、直流又は交流であってもよく、また、その波形は特に問わない。よって、電流は、矩形波や三角波などのパルスであってもよい。

　また、溶接電源４００は、例えば、パワーケーブル４１０がプラス電極として溶接トーチ２００側に接続され、パワーケーブル４３０をマイナス電極としてワークＷｏに接続される。なお、これは逆極性で溶接を行う場合であり、正極性で溶接を行う場合はプラス電極のパワーケーブルがワークＷｏ側に接続され、マイナス電極のパワーケーブルが、溶接トーチ２００側と接続されていればよい。

　［シールドガス供給源］
　シールドガス供給源５００は、シールドガスが封入された容器、バルブ等の付帯部材から構成される。シールドガス供給源５００から、シールドガスがガスチューブ５１０を介して送給装置３００へ送られる。送給装置３００に送られたシールドガスは、コンジットチューブ４２０を介して溶接トーチ２００に送られる。溶接トーチ２００に送られたシールドガスは、溶接トーチ２００内を流れて、ノズル２１０にガイドされ、溶接トーチ２００の先端側から噴出する。本実施形態で用いるシールドガスとしては、例えば、アルゴン（Ａｒ）や炭酸ガス（ＣＯ_２）又はこれらの混合ガスを用いることができるが、好ましくは、１００％のＣＯ_２ガスで溶接することが好ましい。

　本実施形態に係るコンジットチューブ４２０は、チューブの外皮側にパワーケーブルとして機能するための導電路が形成され、チューブの内部に溶接ワイヤ２１１を保護する保護管が配置され、シールドガスの流路が形成されている。ただし、コンジットチューブ４２０は、これに限られるものではなく、例えば、溶接トーチ２００に溶接ワイヤ２１１を送給するための保護管を中心にして、電力供給用ケーブルやシールドガス供給用のホースを束ねたものを用いることもできる。また、例えば、溶接ワイヤ２１１及びシールドガスを送るチューブと、パワーケーブルとを個別に設置することもできる。

　［送給装置］
　送給装置３００は、溶接ワイヤ２１１を繰り出して溶接トーチ２００に送る。送給装置３００により送られる溶接ワイヤ２１１は、特に限定されず、ワークＷｏの性質や溶接形態等によって選択され、例えば、ソリッドワイヤやフラックス入りワイヤが使用される。また、溶接ワイヤの線径は、特に問わないが、本実施形態において好ましい線径は、上限は１．６ｍｍであり、下限は０．９ｍｍである。

　［可搬型溶接ロボット］
　可搬型溶接ロボット１００は、図２及び図３に示すように、ガイドレール１２０と、ガイドレール１２０上に設置され、ガイドレール１２０に沿って移動するロボット本体１１０と、ロボット本体１１０に載置されたトーチ接続部１３０と、を備える。ロボット本体１１０は、主に、ガイドレール１２０上に設置される本体部１１２と、本体部１１２に取り付けられた固定アーム部１１４と、固定アーム部１１４に矢印Ｒ１方向に回転可能な状態で取り付けられた溶接トーチ回転駆動部１１６と、から構成される。

　トーチ接続部１３０は、図４に示すように、摺動テーブル１６９とクランク１７０を介して、溶接トーチ回転駆動部１１６に取り付けられている。トーチ接続部１３０は、溶接トーチ２００を固定するトーチクランプ１３２及びトーチクランプ１３４を備えている。また、本体部１１２には、溶接トーチ２００が装着される側とは反対側に、送給装置３００と溶接トーチ２００を繋ぐコンジットチューブ４２０を支えるケーブルクランプ１５０が設けられている。

　また、本実施形態においては、ワークＷｏと溶接ワイヤ２１１間に電圧を印加し、溶接ワイヤ２１１がワークＷｏに接触したときに生じる電圧降下現象を利用して、開先１０の表面等をセンシングするタッチセンサを検知手段とする。検知手段は、本実施形態のタッチセンサに限られず、画像センサ、レーザセンサ等、又はこれら検知手段の組み合わせを用いてもよいが、装置構成の簡便性から本実施形態のタッチセンサを用いることが好ましい。

　ロボット本体１１０の本体部１１２は、図２の矢印Ｘで示すように、紙面に対して垂直方向であって溶接線方向となるＸ軸方向に、ロボット本体１１０をガイドレール１２０に沿って移動させるＸ軸移動機構１８１を備える。また、本体部１１２は、固定アーム部１１４を本体部１１２に対して、スライド支持部１１３を介して、Ｘ軸方向及びＺ軸方向に対して垂直となる開先１０の幅方向であるＹ軸方向へ移動させるＹ軸移動機構１８２を備える。さらに、本体部１１２は、Ｘ軸方向に対し垂直となる開先１０の深さ方向にロボット本体１１０を移動させるＺ軸移動機構１８３を備える。

　さらに、図４に示すように、トーチ接続部１３０が取り付けられた摺動テーブル１６９、クランク１７０及び溶接トーチ回転駆動部１１６は、溶接ワイヤ２１１の先端を近似直線に沿って移動させる近似直線移動機構１８０を構成している。

　具体的には、溶接トーチ回転駆動部１１６に固定された不図示のモータの回転軸１６８にクランク１７０が固定され、クランク１７０の先端が、摺動テーブル１６９の一端に連結ピン１７１により連結されている。摺動テーブル１６９は中間部に長溝１６９ａを備え、溶接トーチ回転駆動部１１６に固定された固定ピン１７２が長溝１６９ａに摺動自在に嵌合する。

　これにより、不図示のモータによってクランク１７０が回転軸１６８を中心として回動すると、摺動テーブル１６９は、固定ピン１７２を支点として回動すると共に、嵌合する固定ピン１７２に案内されて長溝１６９ａに沿って移動する。すなわち、溶接トーチ２００が取りつけられたトーチ接続部１３０は、クランク１７０が図３及び図４に示す矢印Ｒ２に示すように回動することで、溶接トーチ２００を傾けながら、Ｘ軸方向に対し溶接ワイヤ２１１の先端を図４に仮想線ＩＬで示す近似直線に沿って駆動する。なお、本実施形態においてＸ軸方向へ移動する機構は、上述のＸ軸移動機構１８１と近似直線移動機構１８０があり、以降、これらの機構を区別して説明する場合には、Ｘ軸移動機構１８１によってＸ軸方向に移動するときは「ＸＡ軸方向」と示し、近似直線移動機構１８０によってＸ軸方向に移動するときは「ＸＢ軸方向」と示し、どちらの機構も特に問わない場合は、単に「Ｘ軸方向」と記載して説明するものとする。

　また、溶接トーチ回転駆動部１１６は、図２に矢印Ｒ１で示すように、固定アーム部１１４に対して回転可能に取り付けられており、最適な角度に調整して固定することができる。

　以上のように、ロボット本体１１０は、その先端部である溶接トーチ２００を、３つの方向、すなわちＸ軸方向、Ｙ軸方向、Ｚ軸方向に対し、４つの自由度、すなわち、近似直線移動機構１８０、Ｘ軸移動機構１８１、Ｙ軸移動機構１８２、Ｚ軸移動機構１８３により駆動可能である。ただし、ロボット本体１１０は、これに限られるものでなく、用途に応じて、任意の数の自由度で駆動可能としてもよい。

　以上のように構成されることで、トーチ接続部１３０に取り付けられた溶接トーチ２００の溶接ワイヤ２１１の先端部は、任意の方向に向けることができる。すなわち、ロボット本体１１０は、ガイドレール１２０上をＸ軸方向に駆動可能である。また、溶接トーチ２００は、開先１０の幅方向であるＹ軸方向又は開先１０の深さ方向であるＺ軸方向に駆動可能である。また、クランク１７０による駆動により、例えば、後述する前進角又は後退角を設ける等の施工状況に応じて、溶接トーチ２００を傾けることができる。

　ガイドレール１２０の下方には、例えば磁石などの取付け部材１４０が設けられており、ガイドレール１２０は、取付け部材１４０によってワークＷｏに対して着脱が容易となるように構成されている。可搬型溶接ロボット１００をワークＷｏにセットする場合、オペレータは可搬型溶接ロボット１００の両側把手１６０を掴むことにより、可搬型溶接ロボット１００をワークＷｏ上に容易にセットすることができる。

　［視覚センサ］
　視覚センサ７００は、例えば、ＣＣＤ（Ｃｈａｒｇｅ　Ｃｏｕｐｌｅｄ　Ｄｅｖｉｃｅ）カメラにより構成される。視覚センサ７００の配置位置は特に問わず、視覚センサ７００は、可搬型溶接ロボット１００に直接取り付けられてもよいし、また、監視カメラとして、周辺の特定の場所に固定されてもよい。可搬型溶接ロボット１００に視覚センサ７００を直接取り付けた場合には、視覚センサ７００は、可搬型溶接ロボット１００の動作に併せて、溶接トーチ２００の先端周辺を撮影するように移動する。視覚センサ７００を構成するカメラの台数は複数でもよい。例えば、機能や設置位置が異なる複数のカメラを用いて視覚センサ７００が構成されてもよい。

　また、視覚センサ７００により撮影する方向も特に問わない。例えば、溶接が進行する方向を前方とした場合に、前方側を撮影するように配置してもよいし、側面側、後方側を撮影するように配置してもよい。したがって、視覚センサ７００による撮影範囲は、適宜決定すればよい。なお、溶接トーチ２００の干渉を抑制するために、前方側から撮影することが好ましく、本実施形態では、前方側からの撮影としている。撮影された画像はデータ処理装置８００に送信されて、データ処理装置８００側で利用される。このとき、データ処理装置８００は、撮影された画像の中から、例えば、所定の間隔にて任意の画像を取り込み、後述する処理に利用してよい。ここでの取り込み方法や取り込み設定は、例えば、視覚センサ７００の構成や機能、データ処理装置８００の性能などに応じて切り替えられてよい。

　本実施形態においては、可搬型溶接ロボット１００に直接取り付け、固定した視覚センサ７００を用い、画像データに含めるオブジェクト（対象）として、少なくとも、ワークＷ、溶接ワイヤ２１１、およびアークが含まれる撮影範囲となるように、溶接画像として動画像を撮影する。なお、溶接画像に係る各種撮影設定は、予め規定されていてもよいし、溶接システム５０の動作条件に応じて切り替えられてもよい。撮影設定としては、例えば、フレームレート、画像のピクセル数、解像度、シャッタースピードなどが挙げられる。

　溶接システム５０を構成する各部位は、有線／無線の各種通信方式により、通信可能に接続される。ここでの通信方式は、１つに限定するものではなく、複数の通信方式を組み合わせて接続されてよい。

　図５は、視覚センサ７００の配置位置を説明するための斜視図である。なお、溶接トーチ２００や開先の向きは、溶接の姿勢に応じて異なるため、図５に示す向きは一例である。本実施形態の場合、ワークＷは、突合せ継手である。ワークＷは、２枚の金属板であり、開先を隔てて突き合わされている。本実施形態では横向姿勢を例に挙げ、この場合に、上板側のワークをＷ１（以降、上板Ｗ１と称する。）、下板側のワークをＷ２（以降、下板Ｗ２と称する。）として説明する。また、突き合わされている２枚の金属板の裏面側には、セラミックス製の裏当て材１４が取り付けられている。なお、裏面側にはメタル系の裏当て材を使用してもよいし、裏当て材無しでもよい。したがって、裏当て材の材質は特に限定するものではなく、ワークＷの材質などに応じて異なってよい。突合せ継手では、開先に沿って一方向にアーク溶接が行われる。以下では、溶接が進行する方向を「溶接方向」という。図５では、溶接が進行する方向を矢印で示している。このため、溶接トーチ２００は、視覚センサ７００の後方に位置している。

　図６は、視覚センサ７００にて撮影して取得された画像データの一例となる。図６の各画像データは、座標を持ち、Ｘ軸とＹ軸の２軸からなる座標平面となる。Ｘ軸は溶接方向を示し、Ｙ軸はＸ軸に直交する方向を示す。図６に示す通り、視覚センサ７００の撮影範囲は、ワークＷの溶接位置を含み、アーク溶接中における溶接位置の画像を撮影する。この画像には、溶融池、溶接ワイヤ２１１、およびアークが含まれる。画像６１１は、下向き溶接の場合に撮影された画像データの例を示す。画像６１２は、横向き溶接の場合に撮影された画像データの例を示す。画像６１２の場合、Ｘ軸に沿って画像の左から右に向けて溶接が進んでいる例を示している。

　本実施形態における視覚センサ７００は、例えば、１０２４×７６８ピクセルの静止画像を連続して撮影することができる。換言すると、視覚センサ７００は、溶接画像を動画像として撮影することが可能である。視覚センサ７００にて撮影可能な静止画像の解像度は特に限定されるものではない。例えば、視覚センサ７００が複数のカメラから構成される場合に、複数のカメラそれぞれが異なる解像度の溶接画像を取得してもよい。また、後述する学習済みモデルに入力する前に、処理時間を短縮することを目的として撮影された溶接画像から任意の特徴領域を切り出すなどの前処理を行ってもよい。任意の特徴領域は、所定の領域が中心に位置するように配置された固定サイズの範囲であってもよい。また、任意の特徴領域のサイズは、溶接状況に応じて変更されてもよい。

　［データ処理装置の構成］
　図７は、データ処理装置８００の構成例を説明するための説明図である。データ処理装置８００は、例えばコンピュータで構成される。コンピュータは、本体８１０、入力部８２０、および表示部８３０を含んで構成される。本体８１０は、ＣＰＵ８１１、ＧＰＵ（Ｇｒａｐｈｉｃａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）８１２、ＲＯＭ８１３、ＲＡＭ８１４、不揮発性記憶装置８１５、入出力インタフェース８１６、通信インタフェース８１７、映像出力インタフェース８１８、および算出部８１９を含んで構成される。ＣＰＵ８１１、ＧＰＵ８１２、ＲＯＭ８１３、ＲＡＭ８１４、不揮発性記憶装置８１５、入出力インタフェース８１６、通信インタフェース８１７、映像出力インタフェース８１８、および算出部８１９は、バスや信号線によって相互に通信可能に接続されている。

　不揮発性記憶装置８１５には、所定の学習データを用いてディープラーニングを実行する学習プログラム８１５Ａ、学習プログラム８１５Ａの実行を通じて生成される学習済みモデル８１５Ｂ、学習済みモデル８１５Ｂを用いて溶接に関する溶接情報を生成する情報生成プログラム８１５Ｃ、および、画像データ８１５Ｄが記憶されている。この他、不揮発性記憶装置８１５には、オペレーティングシステムやアプリケーションプログラムもインストールされている。

　ＣＰＵ８１１およびＧＰＵ８１２によるプログラムの実行により、データ処理装置８００は、各種の機能を実現する。本実施形態の場合、データ処理装置８００は、機械学習により学習済みモデルを生成する機能と、学習済みモデルを利用して実際の溶接時の各種処理を行う機能を実現する。これの機能の内容については後述する。なお、学習済みモデルを生成する機能と、実際の溶接の実行時に学習済みモデルから出力される情報に基づいて制御処理を実行する機能に合わせてデータ処理装置８００を分けてもよい。汎用性の観点から見ると、それぞれの機能に合わせて、データ処理装置８００を分けることがより好ましい。ＧＰＵ８１２は、学習プログラム８１５Ａおよび情報生成プログラム８１５Ｃを実行する際の演算装置として使用される。ＲＯＭ８１３には、ＣＰＵ８１１に実行されるＢＩＯＳ（Ｂａｓｉｃ　Ｉｎｐｕｔ　Ｏｕｔｐｕｔ　Ｓｙｓｔｅｍ）等が記憶されている。ＲＡＭ８１４は、不揮発性記憶装置８１５から読み出されたプログラムの作業領域として使用される。

　入出力インタフェース８１６は、キーボード、マウス等で構成される入力部８２０に接続されている。入出力インタフェース８１６には、視覚センサ７００も接続されている。視覚センサ７００から出力された画像データが入出力インタフェース８１６を介してＣＰＵ８１１に与えられる。通信インタフェース８１７は、有線または無線通信用の通信モジュールである。映像出力インタフェース８１８は、例えば液晶ディスプレイや有機ＥＬ（Ｅｌｅｃｔｒｏ－Ｌｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイで構成される表示部８３０に接続されており、ＣＰＵ８１１から与えられた映像データに応じた映像信号を表示部８３０に出力する。算出部８１９は、ＣＰＵ８１１やＧＰＵ８１２と連携して、本実施形態に係る各種処理を実行する。算出部８１９の処理の詳細については後述する。

　［学習モデルの生成］
　以下、本実施形態にて、画像データから抽出する特徴点および特徴点を抽出する学習済みモデルについて説明する。図８は、学習処理による学習済みモデル８１５Ｂの生成プロセスを概念的に説明する図である。本実施形態における学習済みモデル８１５Ｂは、畳み込みニューラルネットワークにより構成されており、複数の畳み込み層、および複数のプーリング層を含んでいる。なお、畳み込みニューラルネットワークの構成は上記に限定するものではなく、層数や構成が他の構成であってよい。

　学習済みモデル８１５Ｂは、視覚センサ７００から出力される画像データを入力とし、画像データに現れる様々な溶接情報に係る特徴点を出力する。本実施形態において、学習済みモデル８１５Ｂに入力される画像データには、図６に示すように、少なくとも、オブジェクト（対象）として、溶融池、溶接ワイヤ、及びアークを含み、これら各オブジェクト、または複数のオブジェクト間から得られる特徴点を抽出する。そして、抽出した特徴点に基づいて、アーク安定性、溶着量、アーク倣い状況または溶込み具合などといった溶接情報をリアルタイムで得ることが可能となる。なお、この画像データは、以下、溶接画像と称することもある。

　本実施形態では、溶接情報に係る特徴点として、溶接ワイヤ２１１の先端（ワイヤ先端）、アークの中心点（アーク中心）、溶融池の左右（または上下）の先端の位置、溶融池の左右（または上下）の端部の位置を使用する。教師データとして用いる特徴点の入力は、教示作業を支援する操作画面の指示に従い、オペレータが溶接画像上の特定の位置を指定することで行われる。したがって、教師データは、溶接画像とオペレータにて指定された溶接情報としての座標情報となる特徴点とを対として構成される。学習処理では、学習モデルから出力される溶接情報と、教師データに含まれる溶接情報とを比較し、その誤差をフィードバックすることでパラメータを調整する。この処理を繰り返すことで、学習が進む。

　図９は、教示作業に用いる画面の一例を説明する図である。図９に示す溶接画像には、溶融池１５、溶接ワイヤ２１１、アーク１６が含まれている。図９では、溶融池１５を網掛けで示す。なお、図９における、「右端」や「左端」は、画像における左右を示しているに過ぎず、溶接の姿勢と画像の向きに応じて、「上端」や「下端」などに置き換えてよい。

　また、図１０は、横向姿勢の溶接により得られる溶接画像の具体例と、その溶接画像内の溶接情報の例を示す説明図である。ここでは説明を容易にするために、溶接画像上に、特徴点にて示す座標に相当する位置を描画して示している。なお、上述のとおり画像は座標を持ち、Ｘ軸とＹ軸の２軸からなる座標平面となる。

　本実施形態では、視覚センサ７００は、溶接線方向とＸ軸方向を平行するように設置させるため、本実施形態においては、Ｘ軸方向は溶接線方向と言い換えてもよい。また、Ｙ軸方向はＸ軸の垂直方向であり、言い換えれば、溶接線の垂直方向である開先幅方向となるから、Ｙ軸方向は開先幅方向と言い換えてもよい。なお、本実施形態の可搬型ロボットが動くＸ軸は溶接線方向となるので、可搬型ロボットが動くＸ軸と溶接画像上のＸ軸も方向が同じとなり、Ｙ軸方向も可搬型ロボットが動くＹ軸と溶接画像上のＹ軸方向も同じであると言える。

　本実施形態の場合、特徴点として、アーク中心の座標位置（ＡｒｃＸ，ＡｒｃＹ）、ワイヤ先端の座標位置（ＷｉｒｅＸ，ＷｉｒｅＹ）、溶融池先端下の座標位置（Ｐｏｏｌ＿Ｌｅａｄ＿Ｌｘ，Ｐｏｏｌ＿Ｌｅａｄ＿Ｌｙ）、溶融池先端上の座標位置（Ｐｏｏｌ＿Ｌｅａｄ＿Ｒｘ，Ｐｏｏｌ＿Ｌｅａｄ＿Ｒｙ）、溶融池下端の座標位置（Ｐｏｏｌ＿Ｌｙ）、溶融池上端の座標位置（Ｐｏｏｌ＿Ｒｙ）がオペレータにより教示される。特徴点の入力は、画面上の特定の位置をオペレータが指示することで実行される。溶接ワイヤ２１１とアークの境界を与える座標は、ワイヤ先端の位置座標の一例である。また、溶融池先端下と、溶融池先端上と、溶融池下端と、溶融池上端は、溶融池１５の挙動に関する特徴点の一例である。例えば、溶融池下端と溶融池上端の特徴点が分かると、溶融池１５の幅を計算できる。

　［幾何学量データ］
　本実施形態では、予め定めたいずれかの溶融池先端上の位置とワイヤ先端の位置のＸ方向の差（以降、「ＬｅａｄＸ」と称する）、溶融池先端上と溶融池先端下の差（以降、「ＬｅａｄＷ」と称する）、および溶融池先端上と溶融池先端下を結ぶ線と溶接画像のＸ軸方向のなす角度（以降、「先端傾斜角」と称する。）の３つを少なくとも算出する。本実施形態において、このように、特徴点に基づいて算出される数値データを幾何学量データとも称する。

　なお、この幾何学量データを算出し、幾何学量データを予め定めた間隔でサンプリングし、そのサンプリングデータに基づいて、後述する自動溶接制御を行う。なお、このサンプリングデータを、以下、時系列データとも称する。また、単位時間当たりのサンプリング数は画像のフレーム数（ｆｐｓ：ｆｌａｍｅｓ　ｐｅｒ　ｓｅｃｏｎｄ）と同数であってよく、必要に応じて、間引かれてもよい。図１１および図１２の溶接画像をもとに具体的に説明する。学習済みモデルから出力された特徴点のうち、溶融池先端下の座標位置（Ｐｏｏｌ＿Ｌｅａｄ＿Ｌｘ，Ｐｏｏｌ＿Ｌｅａｄ＿Ｌｙ）、溶融池先端上の座標位置（Ｐｏｏｌ＿Ｌｅａｄ＿Ｒｘ，Ｐｏｏｌ＿Ｌｅａｄ＿Ｒｙ）、ワイヤ先端の座標位置（ＷｉｒｅＸ，ＷｉｒｅＹ）を用いる。本実施形態においては、ＬｅａｄＸの算出は、下記の通り、溶融池先端上の座標位置とワイヤ先端の座標位置に基づくが、溶融池先端位置は上側に限られるものではなく、目的に応じて、溶融池先端下の座標位置を用いてもよい。本実施形態の場合、算出部８１９は、溶融池先端上の座標位置とワイヤ先端の座標位置のＸ軸方向の差（「Ｐｏｏｌ＿Ｌｅａｄ＿Ｒｘ」－「ＷｉｒｅＸ」）として算出する。また、ＬｅａｄＷは、溶融池上端の座標位置と溶融池下端の座標位置のＹ軸方向の差（「Ｐｏｏｌ＿Ｌｅａｄ＿Ｒｙ」－「Ｐｏｏｌ＿Ｌｅａｄ＿Ｌｙ」）として算出する。この際、算出する距離はピクセル数でもよいし、「ｍｍ」や「ｃｍ」といった任意の単位に換算してもよい。図１１の例では、ＬｅａｄＸが５．２［ｍｍ］、ＬｅａｄＷが５．０［ｍｍ］として検出された例を示している。

　このような幾何学量データであるＬｅａｄＸおよびＬｅａｄＷの時系列データをとることで、溶接の正常度を判定することができ、後述するように、非定常と判断された場合は、溶接速度を補正し、定常状態に戻すよう自動制御が行われる。なお、幾何学量データであるＬｅａｄＸおよびＬｅａｄＷの時系列データをモニタ上に表示させ、モニタリングを行ってもよい。

　また、幾何学量データである「先端傾斜角」は、溶融池先端下の座標位置と溶融池先端上の座標位置の２点と座標位置（Ｐｏｏｌ＿Ｌｅａｄ＿Ｒｘ（上板側Ｘ），Ｐｏｏｌ＿Ｌｅａｄ＿Ｌｙ（下板側Ｙ））に基づいて角度を算出する。なお、角度の算出方法は、特に限定するものでは無いが、例えば、三角関数を用いて算出してよい。詳細は後述するが、「先端傾斜角」の時系列データは、外乱の影響を判定可能とし、外乱の影響を緩和するように自動制御がなされる。すなわち、本実施形態では、少なくとも、溶接を安定させるための自動制御と外乱の影響を緩和させるための自動制御が行われる。

　また、例示の「先端傾斜角」はもとより、本実施形態で算出する幾何学量は、溶接にウィービングを適用すると、各オブジェクトの変動がより大きくなり、幾何学量の算出値にバラツキが生じる虞がある。よって、本実施形態においては、ウィービングを適用する場合には、このウィービングの悪影響を抑制するために、予め定めたウィービング端点からもう一方の端点へ移動する範囲間において、予め定めたサンプリング数で測定することが好ましい。つまり、ウィービングの周期を考慮して、幾何学量を算出するための画像データのサンプリングタイミングやサンプリング数を決定してよい。なお、オブジェクトのうち、特に溶融池はウィービングによる影響が顕著であり、幾何学量として、本実施形態のごとく「先端傾斜角」を用いる場合に特に有用であると言える。また、本実施形態のように横向姿勢である場合、下板側のウィービング端点から上板側のウィービング端点へ移動する範囲間において、予め定めたサンプリング数で測定することがより好ましい。言い換えれば、上板側のウィービング端点から下板側のウィービング端点への移動時の画像データは、利用しないようにするとよい。

　なお、本実施形態では、先端傾斜角の幾何学量データに加え、一例として、ＬｅａｄＸ、ＬｅａｄＷの幾何学量データを算出したが、これに限定するものではない。例えば、単一のオブジェクトから得られる、（１）単一または複数の特徴点の座標位置、（２）任意の複数の特徴点間の距離、（３）任意の複数の特徴点で形成される面積のうちのいずれかを幾何学量データとして扱ってもよい。または、異なるオブジェクトから得られる、（４）各オブジェクトの対応する特徴点間の距離のサンプリングを幾何学量データとして扱ってもよい。

　（１）単一または複数の特徴点の座標位置の場合を、より具体的に説明すると、単一のオブジェクトがアークである場合に、アーク中心の座標位置であるＡｒｃＸとＡｒｃＹの幾何学量データを算出することによって、アークの安定性を判定することができる。また、（２）任意の複数の特徴点間の距離は、溶融池のオブジェクトから得られる上述のＬｅａｄＷが挙げられる。（３）任意の複数の特徴点で形成される面積は、例えば溶融池の面積を用いることができ、溶着量の評価をすることができる。また、（４）各オブジェクトの特徴点間の距離は、溶接ワイヤと溶融池の異なるオブジェクト間から得られる上述のＬｅａｄＸや、ワイヤ先端位置と溶融池中心位置の差、開先と溶融池先端との距離などの時系列データが挙げられる。ワイヤ先端位置と溶融池中心位置の距離からなる幾何学量データは溶接線倣いに適用することができる。また、開先と溶融池先端との距離からなる幾何学量データは溶込みの判定に適用することができる。

　［目違い］
　ここで、本実施形態に係る目違いと、その特徴点への影響について説明する。図１３は、横向き溶接における目違い説明するための例図である。図１３において、上板が下板よりも溶接トーチ２００側に位置することで目違いが生じている例を示している。また、目違いが、１ｍｍ、２ｍｍ、３ｍｍの場合の画像の例を示している。図１３に示すように、溶融池先端上と溶融池先端下の位置が変動する。例えば、目違いが１ｍｍの場合、先端傾斜角は～６３°が得られる。目違いが２ｍｍの場合、先端傾斜角は～５３°が得られる。目違いが３ｍｍの場合、先端傾斜角は～５０°が得られる。

　なお、目違いは、下板が上板よりも溶接トーチ２００側に位置する場合もありうる。また、溶接姿勢に応じて、生じやすい目違いも異なる。したがって、図１３に示す例に限定するものではなく、様々な目違いに対応するように考慮されてよい。

　図１４は、本実施形態に係る先端傾斜角の導出の際に用いる特徴点の例を説明するための例図である。図１４は、例えば、図１０に示すような画像を単純化して示している。画像１４００において、溶融池１４０１、未溶融部１４０２、溶融池上端１４０３、溶融池下端１４０４、溶融池境界１４０５が示されている。溶融池境界１４０５は、溶接の進行方向側の境界を示している。溶融池上端１４０３や溶融池下端１４０４は、ワークＷの開先面上に対応していてよい。画像１４１０では、先端傾斜角の導出のために、溶融池上端１４０３上の溶融池先端上と、溶融池下端１４０４上の溶融池先端下とをそれぞれ特徴点１４１１、１４１２として用いる例を示している。

　特徴点の位置は上記に限定するものではなく、例えば、画像１４２０に示すように、溶融池上端１４０３上の溶融池先端上の特徴点１４１１に代えて、溶融池境界１４０５上の特徴点１４２１を用いてもよい。また、境界上の特徴点のうち、溶接の進行方向で最も先行している位置を特徴点としてもよい。

　また、先端傾斜角の導出の際に用いる特徴点は２つに限定するものではなく、３点以上を用いてもよい。例えば、画像１４３０に示すように、溶融池上端１４０３上の溶融池先端上の特徴点１４３１と、溶融池下端１４０４上の溶融池先端下の特徴点１４３３に加えて、溶融池境界１４０５上の特徴点１４３２を用いてもよい。特に、画像１４４０に示すように、溶融池境界１４０５の形状が極端な形状である場合には、溶融池上端１４０３上の溶融池先端上の特徴点１４４１、溶融池下端１４０４上の溶融池先端下の特徴点１４４３、溶融池境界１４０５上の特徴点１４４２のように３以上の特徴点を用いてもよい。

　各特徴点は、上記の学習済みモデル８１５Ｂの出力に基づいて、特定されてよい。したがって、扱う特徴点に応じて、学習済みモデル８１５Ｂの出力に対して算出部８１９が適用する処理を変更してよい。

　［外乱の判定方法および外乱判定時の処理方法］
　溶接における外乱とは、例えば、ワークの目違い、ガス流量の減少、磁気吹き、ワイヤ送給の不安定、電流供給の不安定、ワークへの油付着、ワークの錆等が挙げられる。これら要因はすべて溶融池の挙動に影響を与えるものであり、発明者らは、少なくとも溶接方向に対し、前方の溶融池と未溶融部の境界位置における特徴点を複数抽出し、その特徴点に基づいて算出される幾何学量によって、外乱の影響を判定できることを見出した。その外乱の判定結果に基づいて、溶接条件等の補正を行うことで、外乱に強い自動制御を実現するものである。以下に、本実施形態に係る外乱の判定方法について詳細を説明する。

　本実施形態においては、前方の溶融池と未溶融部の境界位置における特徴点として、上述のとおり、溶融池先端下の座標位置（Ｐｏｏｌ＿Ｌｅａｄ＿Ｌｘ，Ｐｏｏｌ＿Ｌｅａｄ＿Ｌｙ）、溶融池先端上の座標位置（Ｐｏｏｌ＿Ｌｅａｄ＿Ｒｘ，Ｐｏｏｌ＿Ｌｅａｄ＿Ｒｙ）を抽出する。図１４を用いて上述したように、溶融池と未溶融部の境界位置における特徴点の数は２点でなくともよく、抽出する位置も先端上や先端下に限定されない。例えば、溶融池幅の中央位置の溶融池と未溶融部の境界座標位置をとってもよい。なお、溶融池と未溶融部の境界位置における情報を最も詳細に得ることができることから、本実施形態のように、少なくとも、溶融池先端下の座標位置（Ｐｏｏｌ＿Ｌｅａｄ＿Ｌｘ，Ｐｏｏｌ＿Ｌｅａｄ＿Ｌｙ）、溶融池先端上の座標位置（Ｐｏｏｌ＿Ｌｅａｄ＿Ｒｘ，Ｐｏｏｌ＿Ｌｅａｄ＿Ｒｙ）を抽出することが好ましい。

　また、幾何学量とは、例えば、抽出した特徴点に基づいて算出される角度、曲率、距離、面積等が挙げられ、少なくともこれら一つの幾何学量を算出することが好ましく、本実施形態では、上述の通り、溶融池先端下と溶融池先端上を結ぶ線と溶接画像のＸ軸方向のなす角度を「先端傾斜角」と称して、算出する。この「先端傾斜角」は、特に、外乱として発生しやすい「ワークの目違い」に対し、精度よく判定できるため、算出する幾何学量としては、少なくとも、「先端傾斜角」として角度を選択することが最も好ましい。

　図１６を用いて、本実施形態に係る外乱の判定方法を含む処理について説明する。図１６は、溶接画像から学習済みモデル８１５Ｂにより特徴点を抽出し、特徴点に基づいて算出した幾何学量データの時系列データに基づいて、自動制御を行うための補正信号を出力するまでのフローチャートとなる。本実施形態では、外乱判定処理（Ｓ１６４０）と、溶接安定性判定処理（Ｓ１６５０）とが同時並行的に実行され、各処理結果に基づいて制御が行われる。まず、外乱の判定方法と処理方法（Ｓ１６４０）について説明し、溶接安定性の判定方法と処理方法（Ｓ１６５０）については後述する。

　以下の処理は、データ処理装置８００の各処理部が不揮発性記憶装置８１５等に記憶された各種プログラムを読み出して実行することにより実現される。また、本処理フローは、溶接が開始されると同時に開始され、これに伴って、視覚センサ７００による撮影も開始される。

　（外乱判定処理）
　Ｓ１６１０にて、データ処理装置８００は、自動溶接が実行されている間、視覚センサ７００から溶接位置を撮像した溶接画像を受信する。

　Ｓ１６２０にて、データ処理装置８００は、Ｓ１６１０にて受信した溶接画像の前処理として画像処理を行う。画像処理は例えば、縮小したり、濃淡画像に変換したりすることが挙げられる。なお、他の処理が更に行われてもよいし、処理負荷等に応じて処理の一部が省略されてもよい。

　Ｓ１６３０にて、データ処理装置８００は、Ｓ１６２０にて前処理した溶接画像を、上述した学習済みモデル８１５Ｂに入力し、その結果として出力される溶接情報としての特徴点を取得する。本実施形態では、図８に示すように、アーク中心の座標位置（ＡｒｃＸ，ＡｒｃＹ）、ワイヤ先端の座標位置（ＷｉｒｅＸ，ＷｉｒｅＹ）、溶融池先端下の座標位置（Ｐｏｏｌ＿Ｌｅａｄ＿Ｌｘ，Ｐｏｏｌ＿Ｌｅａｄ＿Ｌｙ）、溶融池先端上の座標位置（Ｐｏｏｌ＿Ｌｅａｄ＿Ｒｘ，Ｐｏｏｌ＿Ｌｅａｄ＿Ｒｙ）、溶融池下端の座標位置（Ｐｏｏｌ＿Ｌｙ）、溶融池上端の座標位置（Ｐｏｏｌ＿Ｒｙ）が出力されてよい。

　Ｓ１６４０にて、データ処理装置８００は、外乱判定処理を行う。外乱判定処理は、Ｓ１６４１～Ｓ１６４３の工程から構成される。

　Ｓ１６４１にて、データ処理装置８００の算出部８１９は、学習済みモデルによって出力された特徴点に基づいて、幾何学量データを算出する。本実施形態では、溶融池先端下の座標位置と溶融池先端上の座標位置の２点と座標位置（Ｐｏｏｌ＿Ｌｅａｄ＿Ｒｘ（上板側Ｘ），Ｐｏｏｌ＿Ｌｅａｄ＿Ｌｙ（下板側Ｙ））から算出された角度となる「先端傾斜角」の幾何学量データを用いる。

　Ｓ１６４２にて、算出部８１９は、「先端傾斜角」の幾何学量データに基づいて、外乱の判定情報を取得する。本実施形態においては、ギャップに応じて閾値を予め設定し、閾値を基準として外乱の判定情報を出力する。なお、この閾値はギャップに限らず固定値として設定してもよい。閾値については、例えば、データベースを用意しておき、これを参照するような構成であってよい。本実施形態の横向姿勢時においては、予め定めた閾値に対し、閾値を下回れば、外乱と判定する。なお、ギャップとは、開先の幅に相当し、ルートギャップやルート間隔とも称する。

　図１５は、先端傾斜角に基づいて外乱を判定した場合の判定結果を示すグラフ図である。図１５において、横軸は時間［ｓ］を示し、左縦軸は先端傾斜角［°］を示し、右縦軸はギャップ［ｍｍ］を示す。ここでは、ギャップに応じて閾値を変更する例を示している。また、判定フラグは、オンかオフの２値を示し、図１５では、グラフの上側をオンとし、下側をオフとする。判定フラグがオンの場合には外乱が生じていると判定している状態であり、判定フラグがオフの場合には外乱が生じていないと判定している状態を示している。

　図１５を用いて説明すると、本実施形態では、ギャップが７ｍｍ未満の場合には閾値を設けない。一方、ギャップが７ｍｍ以上になる場合は、閾値を５５°として設定する。したがって、ギャップが７ｍｍ以上で、かつ、先端傾斜角が５５°を下回った場合に、外乱が発生していると判定される。なお、外乱の判定情報は本実施形態のような定性的な評価に限らず、定量的な評価であってもよい。例えば、算出した角度と閾値の角度の差分を求めて、外乱の強さを定量的に評価してもよい。

　Ｓ１６４３にて、算出部８１９は、外乱の判定情報に基づいて、補正信号を算出する。本実施形態では、ウィービング時において、上板Ｗ１側の端点で停止する時間（以降、上板端停止時間とも称する。）を補正する。補正する条件は、溶接施工状況に合わせて適宜決定すればよく、特に問わない。例えば、溶接電流、アーク電圧またはウィービングに係る条件などが挙げられる。これらの条件のうち少なくとも一つを補正する条件として選択すればよいが、制御の容易さから、ウィービングに係る条件を選択することが好ましい。さらに、ウィービングに係る条件は種々の項目があり、例えば、ウィービング幅、ウィービング周波数、端停止時間、両端間の速度、ウィービング軌跡等が挙げられるが、少なくともこれらのうち一つを選択すればよい。なお、溶接姿勢が横向姿勢である場合には、本実施形態のように、端停止時間の項目を選択すれば好ましく、さらに、上板端停止時間を補正量として選択するとより好ましい。

　Ｓ１６６０にて、データ処理装置８００は、ロボット制御装置６００に、外乱の判定情報に基づいて算出された補正信号を出力する。

　Ｓ１６７０にて、データ処理装置８００は、ロボット制御装置６００から停止指令を受信したか否かを判定する。ここでの停止指令は、ロボット制御装置６００から送信される溶接の停止指令に該当する。停止指令を受信していない場合（Ｓ１６７０にてＮＯ）、データ処理装置８００の処理はＳ１６１０へ戻る。一方、停止指令を受信した場合（Ｓ１６７０にてＹＥＳ）、本処理フローを終了する。

　（溶接安定性判定処理）
　次に、溶接安定性の判定方法と処理方法（Ｓ１６５０）については、図１６を用いて説明する。なお、以下の説明では、Ｓ１６１０～Ｓ１６３０、Ｓ１６６０～Ｓ１６７０の処理は、外乱判定処理と同じ内容の処理を行うものとして説明するが異なっていてもよい。また、各工程の処理結果を共通して利用してもよい。

　Ｓ１６１０にて、データ処理装置８００は、自動溶接が実行されている間、視覚センサ７００から溶接位置を撮像した溶接画像を受信する。

　Ｓ１６３０にて、データ処理装置８００は、Ｓ１６２０にて前処理した溶接画像を、上述した学習済みモデル８１５Ｂに入力し、その結果として出力される特徴点を取得する。本実施形態では、図８に示すように、アーク中心の座標位置（ＡｒｃＸ，ＡｒｃＹ）、ワイヤ先端の座標位置（ＷｉｒｅＸ，ＷｉｒｅＹ）、溶融池先端下の座標位置（Ｐｏｏｌ＿Ｌｅａｄ＿Ｌｘ，Ｐｏｏｌ＿Ｌｅａｄ＿Ｌｙ）、溶融池先端上の座標位置（Ｐｏｏｌ＿Ｌｅａｄ＿Ｒｘ，Ｐｏｏｌ＿Ｌｅａｄ＿Ｒｙ）、溶融池下端の座標位置（Ｐｏｏｌ＿Ｌｙ）、溶融池上端の座標位置（Ｐｏｏｌ＿Ｒｙ）が出力されてよい。

　Ｓ１６５０にて、データ処理装置８００は、溶接安定性判定処理を行う。溶接安定性判定処理は、Ｓ１６５１～Ｓ１６５３の工程から構成される。

　Ｓ１６５１にて、データ処理装置８００の算出部８１９は、学習済みモデル８１５Ｂによって出力された特徴点に基づいて、幾何学量データを算出する。本実施形態では、溶融池先端上の座標位置とワイヤ先端の座標位置のＸ軸方向の差（「Ｐｏｏｌ＿Ｌｅａｄ＿Ｒｘ」－「ＷｉｒｅＸ」）として算出された「ＬｅａｄＸ」の幾何学量データと溶融池先端下の座標位置と溶融池先端右端の座標位置のＹ軸方向の差（「Ｐｏｏｌ＿Ｌｅａｄ＿Ｒｙ」－「Ｐｏｏｌ＿Ｌｅａｄ＿Ｌｙ」）として算出された「ＬｅａｄＷ」の幾何学量データを用いる。

　Ｓ１６５２にて、算出部８１９は、「ＬｅａｄＸ」または「ＬｅａｄＷ」の幾何学量データに基づいて、溶接安定性の判定情報を時系列に沿って取得する。なお、溶接安定性の判定情報は本実施形態のような定性的な評価に限らず、定量的な評価であってもよい。

　Ｓ１６５３にて、算出部８１９は、溶接安定性の判定情報に基づいて、補正信号を算出する。本実施形態では、溶接速度における補正信号を算出することが好ましい。なお、外乱判定処理と同じ項目に対する補正信号を算出してもよい。

　Ｓ１６６０にて、データ処理装置８００は、ロボット制御装置６００に、溶接安定性の判定情報に基づいて算出された補正信号を出力する。

　上記の例では、外乱判定処理（Ｓ１６４０）と溶接安定性判定処理（Ｓ１６５０）の処理結果に基づく補正信号をそれぞれ送信していた。しかし、これに限定するものではなく、いずれかの処理結果に基づく補正信号を優先して送信してもよい。また、判定のタイミングに応じて、いずれか一方のみを送信してもよい。

　［溶接制御方法］
　以下、実際の溶接時における溶接システム５０の溶接動作について説明する。アーク溶接を行う場合、オペレータは、ロボット制御装置６００、溶接電源４００、及びデータ処理装置８００のそれぞれを起動する。ロボット制御装置６００が可搬型溶接ロボット１００の動きを制御し、可搬型溶接ロボット１００が溶接を実行する。また、データ処理装置８００は、視覚センサ７００により撮像される溶接画像を入力し、アーク溶接に関する特徴点を逐次出力する。本実施の形態では、特徴点を、ワイヤ先端の位置、アーク中心、溶融池先端上および下位置、および、溶融池上端および下端位置とする。

　図１７は、ロボット制御装置６００及び溶接電源４００の処理動作を説明するフローチャートである。オペレータは、アーク溶接を開始する場合、ロボット制御装置６００と接続された図示しない教示ペンダントを操作して、ロボット制御装置６００に対して、適用する教示プログラム、各種設定値を入力する。ここでの教示プログラムは、可搬型溶接ロボット１００の動きおよび溶接開始、溶接終了指示等を予め教示した教示済みのプログラムとして規定する。本実施形態では、図１７の処理シーケンスと、図１６の処理フローが同時並行的に実行される。

　Ｓ１７０１にて、ロボット制御装置６００は、教示プログラム、各種設定値指示を受け付ける。

　Ｓ１７０２にて、ロボット制御装置６００は、教示プログラム開始後、所定の溶接開始位置に可搬型溶接ロボット１００を動かし、溶接電源４００に対して、溶接開始（アークオン）を指令する。なお、溶接プログラム開始前に、タッチセンシングやレーザセンシングなどのセンシングを行い、教示プログラムの設定値を補正してもよい。

　Ｓ１７０３にて、溶接電源４００は、ロボット制御装置６００からの溶接開始の指令を受信する。

　Ｓ１７０４にて、溶接電源４００は、内蔵されている不図示の電源回路を制御して電力を供することで、溶接を開始させる。これにより、溶接ワイヤ２１１（図１参照）とワークＷ（図１参照）との間に電圧が印加され、溶接開始位置にアークが発生する。

　Ｓ１７０５にて、ロボット制御装置６００は、溶接電源４００または可搬型溶接ロボット１００に制御信号を送信し、溶接制御を実行する。溶接制御は、例えば、自動溶接制御（Ｓ１７２０）、ウィービング動作の制御（Ｓ１７２１）、および溶接線倣い制御（Ｓ１７２２）を含む。自動溶接制御では、データ処理装置８００が、自動的に溶接方向に溶接トーチ２００を移動させながら、溶接速度、溶接電流又はアーク電圧の少なくとも一つを制御するための補正信号を可搬型溶接ロボット１００または溶接電源４００に送信し、可搬型溶接ロボット１００または溶接電源４００がその補正信号に従って溶接を実行する。なお、制御の容易性の観点から、溶接の安定性を得る場合には、自動溶接制御において、溶接速度の制御を含むことが好ましく、本実施形態では溶接速度の制御のみを行っている。また、外乱による溶融池の影響を緩和する場合には、ウィービング動作の制御において、端停止時間の制御を含むことが好ましく、本実施形態では端停止時間の制御のみを行っている。

　Ｓ１７０６にて、ロボット制御装置６００は、溶接の停止が必要か否かを判定する。例えば、オペレータからの溶接停止の指示の受け付け、教示プログラムによる溶接終了位置の検出、又は、溶接異常の検出等があった場合に、溶接の停止が必要と判定してよい。溶接の停止が不要な場合（Ｓ１７０６にてＮＯ）、ロボット制御装置６００の処理はＳ１７０７へ進む。一方、溶接の停止が必要な場合（Ｓ１７０６にてＹＥＳ）、ロボット制御装置６００の処理はＳ１７０８へ進む。

　Ｓ１７０７にて、ロボット制御装置６００は、データ処理装置８００から溶接情報を受信する。ここで受信される溶接情報は、データ処理装置８００が学習済みモデル８１５Ｂを用いて特徴点を出力し、特徴点に基づいた各時系列データに基づいて算出された補正信号である。本工程で受信する溶接情報の生成の詳細については、上述の図１６で説明した通りである。その後、Ｓ１７０５へ戻り、ロボット制御装置６００は受信した溶接情報を用いて処理を繰り返す。

　Ｓ１７０８にて、ロボット制御装置６００は、溶接制御を停止させる。

　Ｓ１７０９にて、ロボット制御装置６００は、溶接電源４００に対して溶接停止を指令する。溶接の停止は、溶接電力の供給の停止により実現される。

　Ｓ１７１０にて、ロボット制御装置６００は、データ処理装置８００に対して溶接情報の生成停止を指令する。

　Ｓ１７１１にて、溶接電源４００は、ロボット制御装置６００から溶接停止の指令を受信する。

　Ｓ１７１２にて、溶接電源４００は、不図示のＣＰＵにより電源回路を制御して溶接を停止する。これにより、ロボット制御装置６００及び溶接電源４００の動作が終了する。

　以上、本実施形態により、外乱が生じる溶接状況下においても、溶接品質を確保でき、
かつ溶接作業能率の良好な自動溶接が可能となる。

　＜第２の実施形態＞
　上記の実施形態では、特徴点から特定される先端傾斜角を用いて外乱の判定を行う形態について説明した。ここで、外乱によっては、画像データから特徴点が認識不可であったり、誤認識したりするような状況が想定される。そこで、本実施形態では、上記のような状況を想定し、第１の実施形態の構成に加え、画像データにおいて異常が発生しているか否を判定し、その判定結果に基づいて、制御を行う形態について説明する。なお、第１の実施形態と重複する構成については説明を省略し、差分に着目して説明する。

　［外乱に起因する異常］
　まず、図１８および図１９を用いて、本実施形態に係る外乱に起因した溶接画像中の異常について説明する。図１８および図１９は、本実施形態に係る溶接画像の解析結果を説明するための図である。図１８は、異常がない場合の例を示し、図１９は、異常がある場合の例を示す。図１８において、画像１８００は、溶融池の周囲の画像を示す。画像１８１０は、幾何学データの算出処理を行った結果を示す。画像１８１０において、上記の処理を行った結果、溶接トーチ２００の先端部を示す特徴点１８１１、溶融池の先端上を示す特徴点１８１２、および、溶融池の先端下を示す特徴点１８１３が特定されている。また、これらの特徴点に基づいて、ＬｅａｄＸおよびＬｅａｄＷが導出されている。パラメータ１８１４は、算出されたＬｅａｄＸおよびＬｅａｄＷの値を示し、ここでは、ＬｅａｄＸ＝４．０［ｍｍ］、ＬｅａｄＷ＝６．６［ｍｍ］が算出されている。

　図１９において、画像１９００は、溶融池の周囲の画像を示す。ここでは、画像１９００において、酸化被膜（ワークの錆などに相当）に相当するオブジェクト１９０１が含まれている。画像１９１０は、幾何学量データの算出処理を行った結果を示す。画像１９１０において、上記の処理を行った結果、溶接トーチ２００の先端部を示す特徴点１９１２、および、溶融池の先端下を示す特徴点１９１３が特定されている。しかしながら、酸化被膜に相当するオブジェクト１９１１により、溶融池の先端上に相当する特徴点が検出できていない。そのため、ＬｅａｄＸおよびＬｅａｄＷが導出されていない。よって、パラメータ１９１４は、ＬｅａｄＸおよびＬｅａｄＷの値が表示されていない。このような場合、何らかの異常が発生したものとして扱う。

　［異常判定方法および異常時の処理方法］
　外乱因子は、ワークの目違い、ガス流量の減少、磁気吹き、ワイヤ送給の不安定、電流供給の不安定、ワークへの油付着、酸化被膜、ワークへのスパッタ付着等が挙げられる。例えば、ワークの酸化被膜やスパッタ付着により、図１９に示したようにオブジェクトまたはオブジェクトの一部が隠れ、特徴点を認識できない状況、または特徴点が急峻に変化する状況が発生する。したがって、このような状況下の特徴点に基づいて算出される幾何学量データには不備が生じている可能性がある。そのようなデータを用いた場合、結果として自動制御全体に悪影響を及ぼし得る。

　本実施形態では、幾何学量データを算出し、幾何学量データから構成される時系列データに基づいて、異常判定を実行し、時系列データの異常に相当する箇所を特定する。そして、異常と判定された箇所以外の時系列データに基づいて、溶接条件等の補正を行うことで、外乱に強い自動制御を実現する。以下に、本実施形態に係る異常判定方法について詳細を説明する。

　図２０を用いて、異常判定方法について説明する。図２０は、溶接画像から学習済みモデル８１５Ｂにより特徴点を抽出し、異常判定を実行し、異常内容を考慮して自動制御を行うための補正信号を出力するまでのフローチャートとなる。本処理フローは、第１の実施形態にて示した図１６の処理フローと並行に実施されてもよいし、外乱判定処理（Ｓ１６４０）の一部として行われてもよい。フローの構成上重複する箇所については、共通的に実施されてもよい。

　Ｓ２００１にて、データ処理装置８００は、自動溶接が実行されている間、視覚センサ７００から溶接位置を撮像した溶接画像を受信する。

　Ｓ２００２にて、データ処理装置８００は、Ｓ２００１にて受信した溶接画像の前処理として画像処理を行う。画像処理は例えば、縮小したり、濃淡画像に変換したりすることが挙げられる。なお、他の処理が更に行われてもよいし、処理負荷等に応じて処理の一部が省略されてもよい。

　Ｓ２００３にて、データ処理装置８００は、Ｓ２００２にて前処理した溶接画像を、上述した学習済みモデル８１５Ｂに入力し、その結果として出力される溶接情報としての特徴点を取得する。本実施形態では、アーク中心の座標位置（ＡｒｃＸ，ＡｒｃＹ）、ワイヤ先端の座標位置（ＷｉｒｅＸ，ＷｉｒｅＹ）、溶融池先端下の座標位置（Ｐｏｏｌ＿Ｌｅａｄ＿Ｌｘ，Ｐｏｏｌ＿Ｌｅａｄ＿Ｌｙ）、溶融池先端上の座標位置（Ｐｏｏｌ＿Ｌｅａｄ＿Ｒｘ，Ｐｏｏｌ＿Ｌｅａｄ＿Ｒｙ）、溶融池下端の座標位置（Ｐｏｏｌ＿Ｌｙ）、溶融池上端の座標位置（Ｐｏｏｌ＿Ｒｙ）が出力されてよい。

　Ｓ２００４にて、データ処理装置８００は、学習済みモデル８１５Ｂによって出力された特徴点に基づいて、幾何学量データを算出する。本実施形態では、溶融池先端上の座標位置とワイヤ先端の座標位置のＸ軸方向の差（「Ｐｏｏｌ＿Ｌｅａｄ＿Ｒｘ」－「ＷｉｒｅＸ」）として算出された「ＬｅａｄＸ」と溶融池先端下の座標位置と溶融池先端上の座標位置のＹ軸方向の差（「Ｐｏｏｌ＿Ｌｅａｄ＿Ｒｙ」－「Ｐｏｏｌ＿Ｌｅａｄ＿Ｌｙ」）として算出された「ＬｅａｄＷ」を用いる。

　Ｓ２００５にて、データ処理装置８００は、幾何学量データ「ＬｅａｄＸ」から構成される時系列データと幾何学量データ「ＬｅａｄＷ」から構成される時系列データを用いて異常検出を行う。なお、異常検知を行う手段は、予め設定しておけばよい。外乱の種類は多岐にわたり、特徴点の誤認識や認識ができない理由も様々である。発明者らはこの課題に対し、予め特徴点の異常が発生する理由を複数特定し、各理由に対応して複数の検知手段を設ける。そして、異常発生の理由に対応した複数の検知手段を用い、異常を判定する。これにより、あらゆる外乱を要因した特徴点の異常に対し、精度良く判定できることを見出した。

　本実施形態においては、「特徴点認識失敗の異常理由」に係る検知手段として、（１）予め定めた区間（時間）内の検出率が閾値以下の場合に異常を検知する手段を用いる。ここでの検出率では、図１９にて示したように、ある溶接画像を入力した際に幾何学量データが算出できていない場合には検出できていないと溶接画像してカウントされる。また、「特徴点誤認識の異常理由」に係る検知手段として、（２）予め定めた外れ値識別方法で定めた範囲外の場合に異常を検知する手段、および、（３）隣接する画像データのフレーム間で所定の閾値以上に特徴点位置が異なる（離れている）場合に異常を検知する手段を用いる。なお、これらのうち、少なくとも一つの手段を採用する構成であってよい。（２）予め定めた外れ値識別方法とは、例えば、Ｈａｍｐｅｌ識別子で３σ法の適用範囲内を外れた場合に、異常と検知する方法が挙げられる。なお、上記の複数の異常検知手段は一例であり、他の手段が用いられてもよい。したがって、異常検知手段の組み合わせを上記に限定するものではない。なお、異常判定の精度の観点から、複数の検知手段を採用することが好ましく、上記の（１）～（３）の検知手段から２つ以上の組み合わせを採用するとより好ましい。

　Ｓ２００６にて、データ処理装置８００は、Ｓ２００５における各異常検知手段によって検知された異常情報に基づき、異常グラフを設定する。本実施形態では、複数の異常検知手段のうち少なくとも１つにおいて異常であると判定された区間に対して異常フラグの値をＯＮに設定し、ＯＮ信号を出力する。異常フラグがＯＮである場合には、そのタイミングに対応する溶接画像に異常が発生していることを示す。

　Ｓ２００７にて、データ処理装置８００は、異常フラグのＯＮ信号区間のデータを除去する処理を行う。なお、異常区間のデータ除去は、一例であって、異常フラグのＯＮ信号区間のデータを予め定めた値または所定の範囲における中央値に置き換える等の補完処理を行ってもよい。または、補完処理を行う場合に、異常フラグのＯＮ信号区間の直前の値にて除去した値を補完してもよいし、ＯＮ信号区間の長さに応じて、補完する値を切り替えてもよい。更に、データ処理装置８００は、除去後のデータに対して微細なノイズを低減するために、移動平均フィルタなどの平滑化フィルタを適用して平滑化処理を行う。この平滑化処理を行うことによって、自動制御の精度がより向上する。なお、データ除去の結果に応じて、平滑化処理は省略されてもよい。また、所定のフィルタを用いたフィルタリング処理の内容は特に限定するものではなく、データの除去処理や補完処理の内容に応じて異なっていてよい。

　Ｓ２００８にて、データ処理装置８００は、Ｓ２００７にて異常区間のデータ除去処理を行った時系列データに基づいて補正信号を算出する。ここでの算出方法は、特に限定するものではないが、例えば、溶接速度や溶接電圧などに係る補正量を示す補正信号を、予め規定された規則に基づいて算出してよい。

　Ｓ２００９にて、データ処理装置８００は、ロボット制御装置６００に、外乱の判定情報に基づいて算出された補正信号を出力する。

　Ｓ２０１０にて、データ処理装置８００は、ロボット制御装置６００から停止指令を受信したか否かを判定する。ここでの停止指令は、ロボット制御装置６００から送信される溶接の停止指令に該当する。停止指令を受信していない場合（Ｓ２０１０にてＮＯ）、データ処理装置８００の処理はＳ２００１へ戻る。一方、停止指令を受信した場合（Ｓ２０１０にてＹＥＳ）、本処理フローを終了する。

　異常フラグの用途は上記のデータ除去に限定するものではない。異常フラグのパターンを分析し、例えば、異常フラグのＯＮ信号またはＯＦＦ信号の期間、頻度等から異常理由または外乱の種類を予測する等の解析を行ってもよい。また、解析結果に基づいて、アラーム（エラー発行）を行ってもよいし、各種設定条件の補正を行ってもよい。例えば、予め定めた期間内において、異常フラグのＯＮ信号の回数が予め定めた閾値よりも多い場合には、大粒のスパッタが多発していると判定し、アラームを発して溶接を停止させてもよい。また、大粒のスパッタが多発していると判定した場合、アーク電圧の設定値を上げる補正を行い、アーク安定化を図るなどの制御を行ってもよい。

　［異常判定の例］
　以下、本実施形態に係る異常判定の具体例について、図２１～図２３を用いて説明する。

　図２１は、異常判定処理において入力データとなる、幾何学量データＬａｅｄＷの時系列データを示す。なお、この時点の時系列データは編集等を施していない生データの状態となる。図２１において、横軸は時間［ｓ］を示し、縦軸はＬｅａｄＷの値［ｍｍ］を示す。図２２は、上記の異常判定処理の結果、異常と判定された範囲のデータを除去した後のデータを示す。図２２において、横軸は時間［ｓ］を示し、縦軸はＬｅａｄＷの値［ｍｍ］を示す。図２３は、上記の異常判定処理における異常フラグの値の時系列データを示す。図２３において、横軸は時間［ｓ］を示し、縦軸は異常フラグの値（０または１）を示す。異常フラグの値が１の場合が、上記のＯＮ信号に対応する。図２１～図２３において、横軸の時間は対応している。

　図２１～図２３によると、図２３にて異常フラグの値が１である範囲において、図２１に示す時系列データの値を除去し、全範囲のデータに対して平滑化を行った結果、図２２に示すような時系列データが得られる。ここで、図２２は、グラフの遷移が明確になるように、平滑化処理を適用されている例を示している。

　上記の異常を特定したタイミングにおける溶接画像からは適切な特徴点が検出されていない可能性がある。そのため、当該タイミングにおける補正信号は、第１の実施形態にて示した図１６の外乱判定処理（Ｓ１６４０）や溶接安定性判定処理（Ｓ１６５０）に基づいて算出された補正信号に優先して、図２０の処理により得られた補正信号を用いるように制御してよい。

　以上、本実施形態により、第１の実施形態の効果に加え、外乱が生じる環境化においても、画像データ上の特徴点の異常を判定可能となる。

　＜その他の実施形態＞
　第２の実施形態では、図８に示すように学習済みモデルを用いて溶接情報を取得し、算出部８１９側で幾何学量データを算出し、その時系列データから異常判定処理を行っている。しかし、この構成に限定するものでは無く、例えば、学習モデルが異常判定までを行うように学習処理を行って学習済みモデルを生成するような構成であってもよい。この場合、学習データにおいて、更に異常判定結果を示すラベル情報を含めて学習処理を行うように構成してよい。ここでのラベル情報は、異常フラグであってもよいし、異常原因を示す分類などであってもよい。この構成により、学習済みモデルは、入力された溶接画像に対して、ラベル情報を出力することで、連続する溶接画像に対して異常が生じた箇所やその異常原因を特定することができる。そして、算出部８１９は、学習済みモデルから出力される異常判定結果であるラベル情報に基づいて補正信号を出力するような構成であってよい。また、第２の実施形態にて述べた学習済みモデルとは異なる学習処理を行うことで、上記のようなラベル情報の結果を出力可能な学習済みモデルを生成してもよい。この場合、複数の学習済みモデルを用いて、溶接情報の出力と、ラベル情報の出力をそれぞれ行ってよい。

　また、第１の実施形態では、図８に示すように学習済みモデルを用いて溶接情報を取得し、算出部８１９側で幾何学量データの算出および外乱の判定処理を行っている。しかし、この構成に限定するものではなく、例えば、学習モデルが外乱判定までを行うように学習処理を行って学習済みモデルを生成するような構成であってもよい。この場合、学習データにおいて、更に外乱判定結果、すなわち、画像の適正可否を示すラベル情報を含めて学習処理を行うように構成してよい。この構成により、学習済みモデルは、入力された溶接画像に対して、ラベル情報を出力することで、溶接画像に対して外乱が発生しているか否かを判定することができる。そして、算出部８１９は、学習済みモデルから出力される異常判定結果であるラベル情報に基づいて補正信号を出力するような構成であってよい。また、第１の実施形態にて述べた学習済みモデルとは異なる学習処理を行うことで、上記のようなラベル情報の結果を出力可能な学習済みモデルを生成してもよい。この場合、複数の学習済みモデルを用いて、溶接情報の出力と、ラベル情報の出力をそれぞれ行ってよい。

　また、第１の実施形態では、図８に示すように学習済みモデルを用いて溶接情報を取得し、算出部８１９側で幾何学量データの算出、外乱の判定処理、補正値の算出を行っている。しかし、この構成に限定するものではなく、例えば、学習モデルが補正値の算出までを行うように学習処理を行って学習済みモデルを生成するような構成であってもよい。この場合、学習データにおいて、更に溶接画像に対応して制御される内容に基づく制御パラメータの補正量を含めて学習処理を行うように構成してよい。この構成により、学習済みモデルは、入力された溶接画像に対して、溶接に係る補正値を出力することができる。そして、算出部８１９は、この得られた補正量にロボット制御装置６００に出力すればよい。また、第１の実施形態にて述べた学習済みモデルとは異なる学習処理を行うことで、上記のような補正値を出力可能な学習済みモデルを生成してもよい。この場合、複数の学習済みモデルを用いて、溶接情報の出力と、補正値の出力をそれぞれ行ってよい。

　本発明において、上述した１以上の実施形態の機能を実現するためのプログラムやアプリケーションを、ネットワークまたは記憶媒体等を用いてシステムまたは装置に供給し、そのシステムまたは装置のコンピュータにおける１つ以上のプロセッサがプログラムを読出し実行する処理でも実現可能である。

　また、１以上の機能を実現する回路によって実現してもよい。なお、１以上の機能を実現する回路としては、例えば、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ　Ｓｐｅｃｉｆｉｃ　Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ）やＦＰＧＡ（Ｆｉｅｌｄ　Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙ）が挙げられる。

　以上の通り、本明細書には次の事項が開示されている。
　（１）　溶融池を形成する溶接の溶接制御方法であって、
　前記溶融池を含む画像データを取得する取得工程と、
　取得した前記画像データに基づいて、少なくとも溶接の進行方向側の溶融池と未溶融部の境界近傍における複数の特徴点を特定する特定工程と、
　前記複数の特徴点の情報に基づいて、幾何学量データを算出する算出工程と、
　前記幾何学量データと予め定めた閾値に基づいて、溶接の適正可否を判定する判定工程と、
　前記判定工程における判定結果に基づいて、溶接条件を補正する補正工程と、
を有することを特徴とする溶接制御方法。
　この構成によれば、外乱が生じる溶接状況下においても、溶接品質を確保でき、かつ溶接作業能率の良好な自動溶接が可能となる。

　（２）　前記複数の特徴点は、前記境界の開先面上の両端の位置、または、前記境界上の溶接方向の最も溶融池が先行している位置から特定される、ことを特徴とする（１）に記載の溶接制御方法。
　この構成によれは、溶融池の境界周辺の特徴点を用いた溶接の適正可否を判定することが可能となる。

　（３）　前記算出工程において、前記複数の特徴点の情報を用いて、角度、曲率、距離、面積のうちの少なくともいずれかの幾何学量データを算出する、ことを特徴とする（１）または（２）に記載の溶接制御方法。
　この構成によれば、複数の特徴点から特定される様々な幾何学量データに基づいて、溶接の適正可否を判定することが可能となる。

　（４）　前記溶接の際にウィービングを用いる場合、前記算出工程において、予め定めたウィービング端点からもう一方のウィービング端点へ移動する所定の範囲における前記複数の特徴点の情報に基づいて、幾何学量データを算出する、ことを特徴とする（１）から（３）のいずれかに記載の溶接制御方法。
　この構成によれば、ウィービングによる影響を考慮して、特徴点を特定することが可能となる。

　（５）　前記補正工程において補正される溶接条件は、溶接電流、アーク電圧、またはウィービングに係る条件を少なくとも含み、
　前記ウィービングに係る条件は、ウィービング幅、ウィービング周波数、端停止時間、両端間の速度、ウィービング軌跡のうちのいずれかを含む、ことを特徴とする（１）から（４）のいずれかに記載の溶接制御方法。
　この構成によれば、溶接の適正可否に応じて、溶接電流、アーク電圧、またはウィービングに係る条件などの溶接条件を制御することが可能となる。

　（６）　前記閾値は、予め定めた固定値、または、開先のギャップおよび目違い量のうちの少なくとも一方に基づいて規定される値である、ことを特徴とする（１）から（５）のいずれかに記載の溶接制御方法。
　この構成によれば、溶接の適正可否を判定するための閾値を任意に設定可能となる。

　（７）　前記幾何学量データから構成される時系列データに対し、異常理由に対応して予め定めた１または複数の異常検知手段を用いて異常を検知する異常検知工程と、
　前記１または複数の異常検知手段による検知結果に基づいて、前記時系列データにおける異常の発生を判定する第２の判定工程と、
を有し、
　前記補正工程において更に、前記第２の判定工程における判定結果に基づいて、溶接条件を補正することを特徴とする（１）から（６）のいずれかに記載の溶接制御方法。
　この構成によれば、外乱に起因する異常の発生を判定し、当該判定結果に応じて溶接条件を補正することが可能となる。

　（８）　前記１または複数の異常検知手段は、
　前記画像データからの特徴点の認識失敗を前記異常理由として、予め定めた時間内における１または複数の画像データにおける特徴点の検出率が閾値以下であるか否かを判定する手段と、
　前記画像データからの特徴点の誤認識を前記異常理由として、所定の外れ値識別方法で定めた範囲外か否かを判定する手段と、
　前記画像データからの特徴点の誤認識を前記異常理由として、隣接する画像データで認識された対応する特徴点間の位置が閾値以上に異なるか否を判定する手段と、
のうち、少なくとも１つを含むことを特徴とする（７）に記載の溶接制御方法。
　この構成によれば、画像データに含まれる外乱に起因した様々な異常の理由に対応して、異常判定を行うことが可能となる。

　（９）　前記幾何学量データは、前記画像データに含まれる、１のオブジェクトから得られる１または複数の特徴点の座標、複数の特徴点間の距離、１のオブジェクトから得られる複数の特徴点で形成される面積、および、異なるオブジェクトにおける特徴点間の距離のうちの少なくとも１つであることを特徴とする（８）に記載の溶接制御方法。
　この構成によれば、画像データから特定される各オブジェクトの特性を捉えた幾何学量データを用いて異常判定を行うことが可能となる。

　（１０）　前記特定工程において、学習済みモデルを用いて、画像データから前記複数の特徴点の情報を取得し、
　前記学習済みモデルは、画像データと、当該画像データから取得される特徴点の情報とを関連付けた学習データを用いて学習処理が行われることにより、画像データを入力とし、当該画像データに対応する特徴点の情報を出力するように生成されていることを特徴とする（１）から（９）のいずれかに記載の溶接制御方法。
　この構成によれば、学習済みモデルを用いて、画像データにおける特徴点を取得することが可能となる。

　（１１）　前記判定工程において、学習済みモデルを用いて、溶接の適正可否を示すラベル情報を取得し、
　前記判定工程において、前記ラベル情報に基づいて、前記溶接の適正可否を判定し、
　前記学習済みモデルは、画像データ、当該画像データから取得される特徴点の情報、および当該画像データにて示される溶接の適正可否を示すラベル情報を関連付けた学習データを用いて学習処理が行われることにより、画像データを入力とし、当該画像データにて示される溶接の適正可否を示すラベル情報を出力するように生成されていることを特徴とする（１）から（９）のいずれかに記載の溶接制御方法。
　この構成によれば、学習済みモデルを用いて、画像データに基づく溶接の適正可否を取得することが可能となる。

　（１２）　前記判定工程において、学習済みモデルを用いて、溶接条件の補正値を取得し、
　前記学習済みモデルは、画像データ、当該画像データから取得される特徴点の情報、および当該画像データにて示される溶接の適正可否に応じた補正量を関連付けた学習データを用いて学習処理が行われることにより、画像データを入力とし、当該画像データにて示される溶接の適正可否に応じた補正量を出力するように生成されていることを特徴とする（１）から（９）のいずれかに記載の溶接制御方法。
　この構成によれば、学習済みモデルを用いて、画像データに基づく溶接の適正可否の判定結果に応じた溶接条件に対する補正量を取得することが可能となる。

　（１３）　溶融池を形成する溶接の溶接条件を制御する制御装置であって、
　溶融池を含む画像データを取得する取得部と、
　取得した前記画像データに基づいて、少なくとも溶接の進行方向側の溶融池と未溶融部の境界近傍における複数の特徴点を特定する特定部と、
　前記複数の特徴点の情報に基づいて、幾何学量データを算出する算出部と、
　前記幾何学量データと予め定めた閾値に基づいて、溶接の適正可否を判定する判定部と、
　前記判定部による判定結果に基づいて、溶接条件を補正する補正部と、
を有することを特徴とする制御装置。
　この構成によれば、外乱が生じる溶接状況下においても、溶接品質を確保でき、かつ溶接作業能率の良好な自動溶接が可能となる。

　（１４）　（１３）に記載の制御装置を含んで構成される溶接システム。
　この構成によれば、外乱が生じる溶接状況下においても、溶接品質を確保でき、かつ溶接作業能率の良好な自動溶接が可能な溶接システムを提供することができる。

　（１５）　コンピュータに、
　溶接の際に生じる溶融池を含む画像データを取得する取得工程と、
　取得した前記画像データに基づいて、少なくとも溶接の進行方向側の溶融池と未溶融部の境界近傍における複数の特徴点を特定する特定工程と、
　前記複数の特徴点の情報に基づいて、幾何学量データを算出する算出工程と、
　前記幾何学量データと予め定めた閾値に基づいて、溶接の適正可否を判定する判定工程と、
　前記判定工程における判定結果に基づいて、溶接条件を補正する補正工程と、
を実行させるためのプログラム。
　この構成によれば、外乱が生じる溶接状況下においても、溶接品質を確保でき、かつ溶接作業能率の良好な自動溶接が可能となる。

　（１６）　（１）から（１２）のいずれかに記載の溶接制御方法にて補正された溶接条件を用いて溶接を行う制御工程を有する溶接方法。
　この構成によれば、外乱が生じる溶接状況下においても、溶接品質を確保でき、かつ溶接作業能率の良好な自動溶接が可能な溶接方法を提供することができる。

　以上、各種の実施の形態について説明したが、本発明はかかる例に限定されないことは言うまでもない。当業者であれば、特許請求の範囲に記載された範疇内において、各種の変更例又は修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。また、発明の趣旨を逸脱しない範囲において、上記実施の形態における各構成要素を任意に組み合わせてもよい。

　なお、本出願は、２０２２年３月３０日出願の日本特許出願（特願２０２２－０５７５０４）に基づくものであり、その内容は本出願の中に参照として援用される。

５０　溶接システム
１００　可搬型溶接ロボット
２００　溶接トーチ
２１１　溶接ワイヤ
３００　送給装置
４００　溶接電源
５００　シールドガス供給源
６００　ロボット制御装置
７００　視覚センサ
８００　データ処理装置
８１０　本体
８１１　ＣＰＵ
８１２　ＧＰＵ
８１３　ＲＯＭ
８１４　ＲＡＭ
８１５　不揮発性記憶装置
８１５Ａ　学習プログラム
８１５Ｂ　学習済みモデル
８１５Ｃ　情報生成プログラム
８１５Ｄ　画像データ
８１６　入出力インタフェース
８１７　通信インタフェース
８１８　映像出力インタフェース
８１９　算出部
８２０　入力部
８３０　表示部
Ｗ　ワーク

Claims

　溶融池を形成する溶接の溶接制御方法であって、
　前記溶融池を含む画像データを取得する取得工程と、
　取得した前記画像データに基づいて、少なくとも溶接の進行方向側の溶融池と未溶融部の境界近傍における複数の特徴点を特定する特定工程と、
　前記複数の特徴点の情報に基づいて、幾何学量データを算出する算出工程と、
　前記幾何学量データと予め定めた閾値に基づいて、溶接の適正可否を判定する判定工程と、
　前記判定工程における判定結果に基づいて、溶接条件を補正する補正工程と、
を有することを特徴とする溶接制御方法。
　前記複数の特徴点は、前記境界の開先面上の両端の位置、または、前記境界上の溶接方向の最も溶融池が先行している位置から特定される、ことを特徴とする請求項１に記載の溶接制御方法。
　前記算出工程において、前記複数の特徴点の情報を用いて、角度、曲率、距離、面積のうちの少なくともいずれかの幾何学量データを算出する、ことを特徴とする請求項１に記載の溶接制御方法。
　前記溶接の際にウィービングを用いる場合、前記算出工程において、予め定めたウィービング端点からもう一方のウィービング端点へ移動する所定の範囲における前記複数の特徴点の情報に基づいて、幾何学量データを算出する、ことを特徴とする請求項１に記載の溶接制御方法。
　前記補正工程において補正される溶接条件は、溶接電流、アーク電圧、またはウィービングに係る条件を少なくとも含み、
　前記ウィービングに係る条件は、ウィービング幅、ウィービング周波数、端停止時間、両端間の速度、ウィービング軌跡のうちのいずれかを含む、ことを特徴とする請求項１に記載の溶接制御方法。
　前記閾値は、予め定めた固定値、または、開先のギャップおよび目違い量のうちの少なくとも一方に基づいて規定される値である、ことを特徴とする請求項１に記載の溶接制御方法。
　前記幾何学量データから構成される時系列データに対し、異常理由に対応して予め定めた１または複数の異常検知手段を用いて異常を検知する異常検知工程と、
　前記１または複数の異常検知手段による検知結果に基づいて、前記時系列データにおける異常の発生を判定する第２の判定工程と、
を有し、
　前記補正工程において更に、前記第２の判定工程における判定結果に基づいて、溶接条件を補正することを特徴とする請求項１に記載の溶接制御方法。
　前記１または複数の異常検知手段は、
　前記画像データからの特徴点の認識失敗を前記異常理由として、予め定めた時間内における１または複数の画像データにおける特徴点の検出率が閾値以下であるか否かを判定する手段と、
　前記画像データからの特徴点の誤認識を前記異常理由として、所定の外れ値識別方法で定めた範囲外か否かを判定する手段と、
　前記画像データからの特徴点の誤認識を前記異常理由として、隣接する画像データで認識された対応する特徴点間の位置が閾値以上に異なるか否を判定する手段と、
のうち、少なくとも１つを含むことを特徴とする請求項７に記載の溶接制御方法。
　前記幾何学量データは、前記画像データに含まれる、１のオブジェクトから得られる１または複数の特徴点の座標、複数の特徴点間の距離、１のオブジェクトから得られる複数の特徴点で形成される面積、および、異なるオブジェクトにおける特徴点間の距離のうちの少なくとも１つであることを特徴とする請求項８に記載の溶接制御方法。
　前記特定工程において、学習済みモデルを用いて、画像データから前記複数の特徴点の情報を取得し、
　前記学習済みモデルは、画像データと、当該画像データから取得される特徴点の情報とを関連付けた学習データを用いて学習処理が行われることにより、画像データを入力とし、当該画像データに対応する特徴点の情報を出力するように生成されていることを特徴とする請求項１から９のいずれか一項に記載の溶接制御方法。
　前記判定工程において、学習済みモデルを用いて、溶接の適正可否を示すラベル情報を取得し、
　前記判定工程において、前記ラベル情報に基づいて、前記溶接の適正可否を判定し、
　前記学習済みモデルは、画像データ、当該画像データから取得される特徴点の情報、および当該画像データにて示される溶接の適正可否を示すラベル情報を関連付けた学習データを用いて学習処理が行われることにより、画像データを入力とし、当該画像データにて示される溶接の適正可否を示すラベル情報を出力するように生成されていることを特徴とする請求項１から９のいずれか一項に記載の溶接制御方法。
　前記判定工程において、学習済みモデルを用いて、溶接条件の補正値を取得し、
　前記学習済みモデルは、画像データ、当該画像データから取得される特徴点の情報、および当該画像データにて示される溶接の適正可否に応じた補正量を関連付けた学習データを用いて学習処理が行われることにより、画像データを入力とし、当該画像データにて示される溶接の適正可否に応じた補正量を出力するように生成されていることを特徴とする請求項１から９のいずれか一項に記載の溶接制御方法。
　溶融池を形成する溶接の溶接条件を制御する制御装置であって、
　溶融池を含む画像データを取得する取得部と、
　取得した前記画像データに基づいて、少なくとも溶接の進行方向側の溶融池と未溶融部の境界近傍における複数の特徴点を特定する特定部と、
　前記複数の特徴点の情報に基づいて、幾何学量データを算出する算出部と、
　前記幾何学量データと予め定めた閾値に基づいて、溶接の適正可否を判定する判定部と、
　前記判定部による判定結果に基づいて、溶接条件を補正する補正部と、
を有することを特徴とする制御装置。
　溶融池を形成する溶接の溶接条件を制御する制御装置を含んで構成される溶接システムであって、
　前記制御装置は、
　溶融池を含む画像データを取得する取得部と、
　取得した前記画像データに基づいて、少なくとも溶接の進行方向側の溶融池と未溶融部の境界近傍における複数の特徴点を特定する特定部と、
　前記複数の特徴点の情報に基づいて、幾何学量データを算出する算出部と、
　前記幾何学量データと予め定めた閾値に基づいて、溶接の適正可否を判定する判定部と、
　前記判定部による判定結果に基づいて、溶接条件を補正する補正部と、
を有することを特徴とする溶接システム。
　コンピュータに、
　溶接の際に生じる溶融池を含む画像データを取得する取得工程と、
　取得した前記画像データに基づいて、少なくとも溶接の進行方向側の溶融池と未溶融部の境界近傍における複数の特徴点を特定する特定工程と、
　前記複数の特徴点の情報に基づいて、幾何学量データを算出する算出工程と、
　前記幾何学量データと予め定めた閾値に基づいて、溶接の適正可否を判定する判定工程と、
　前記判定工程における判定結果に基づいて、溶接条件を補正する補正工程と、
を実行させるためのプログラム。
　溶融池を形成する溶接の溶接制御方法にて補正された溶接条件を用いて溶接を行う制御工程を有する溶接方法であって、
　前記溶接制御方法は、
　前記溶融池を含む画像データを取得する取得工程と、
　取得した前記画像データに基づいて、少なくとも溶接の進行方向側の溶融池と未溶融部の境界近傍における複数の特徴点を特定する特定工程と、
　前記複数の特徴点の情報に基づいて、幾何学量データを算出する算出工程と、
　前記幾何学量データと予め定めた閾値に基づいて、溶接の適正可否を判定する判定工程と、
　前記判定工程における判定結果に基づいて、溶接条件を補正する補正工程と、
を有することを特徴とする溶接方法。