発明の名称 ：

切屑検出装置、 工作機械、 切屑検出方法、 学習用画像合成装置

技術分野

[0001 ] 本発明は、 工作機械によってワークを加工した際に生じ る切屑を検出する 切屑検出装置、 工作機械、 切屑検出方法、 学習用画像合成装置などに関する ものである。

背景技術

[0002] 従来、 工作機械によってワークを加工した際に生じ る切屑は、 加工時にワ —クを傷つける要因となったり、 加工不良、 機械の動作不良および意図しな い動作停止による稼働率の低下を引き起こす 要因となったりしている。 この ため、 加工中に発生する切屑を自動的に検出し除去 する技術として、 例えば 、 特開平 7 - 1 0 8 4 3 5号公報には、 テーブルおよびワークの画像を取り 込んで、 切屑の位置を検出する切屑除去装置が開示さ れている （特許文献 1 先行技術文献

特許文献

[0003] 特許文献 1 :特開平 7 - 1 0 8 4 3 5号公報

発明の概要

発明が解決しようとする課題

[0004] しかしながら、 加工中に発生する切屑は、 加工条件、 使用する工具、 ワー クの素材等の違いによって、 形状、 色、 サイズ、 集合状況等が異なり無数の バリエーションが存在する。 また、 画像の背景となる機内環境についても、 構造と位置、 ワークや治具の種類、 クーラント （洗浄液） の有無、 照度等の 条件があり、 その組み合わせには様々なパターンが存在す る。

[0005] このため、 特許文献 1のように、 一枚の画像全体から切屑を検出しようと すると、 当該画像には多数の切屑と機内環境とが多種 多様な組み合わせで複 \¥0 2020/175308 2 卩（：171? 2020 /006748

雑に写り込んでいる。 このため、 画像処理によって各切屑を精緻かつ高精度 に検出することは困難であり、 全ての切屑を検出するための画像処理に膨大 な計算量や時間を要する。

課題を解決するための手段

［0006］ そこで、 本発明では、 切屑検出装置、 工作機械、 切屑検出方法、 学習用画 像合成装置などを提供するものである。

本発明の一態様である切屑検出装置は、 工作機械によってワークを加工し た際に生じる切屑を簡単かつ高精度に検出す るという課題を解決するために 、 工作機械によってワークを加工した際に生じ る切屑を検出する切屑検出装 置であって、 前記切屑を検出する対象エリアを撮影したエ リア画像の少なく とも一部を所定のメッシユサイズで複数のメ ッシユ画像に分割処理するメッ シユ分割部と、 前記切屑に関する切屑情報を判定するために あらかじめ設定 された判定用パラメータを用いて、 前記メッシユ画像のそれぞれについて前 記切屑情報を判定する切屑情報判定部と、 を有する。

発明の効果

［0007］ 本発明によれば、 工作機械によってワークを加工した際に生じ る切屑を簡 単に検出することができる。

図面の簡単な説明

［0008］ ［図 1］切屑検出装置およびこれを備えた工作機� �の一実施形態を示すブロック 図である。

［図 2］本実施形態において、 エリア画像を複数のメッシユ画像に分割した 状態 を示す図である。

［図 3］本実施形態において、 複数の部分画像を合成してエリア画像を構成 する 様子を示す図である。

［図 4］本実施形態のメッシユ分割部による分割� �理を示す図である。

［図 5］本実施形態の切屑情報である 「クラス」 を説明する図である。

［図 6］本実施形態の切屑判定モデルによる判定� �理を示す図である。

［図 7］非機械学習アルゴリズムを採用した切屑� �報判定部によって算出される \¥0 2020/175308 3 卩（：171? 2020 /006748

、 メッシュ画像の特徴量の一例を示す図である 。

［図 8］本実施形態のティーチングモードにおい� �、 （3） 訂正前の判定結果、 および （匕） 訂正後の判定結果を示す表示画面の一例であ る。

［図 9］本実施形態の切屑検出装置によって実行� �れる切屑検出方法を示すフロ _チヤ ^_ 卜である。

［図 10］本実施形態における、 切屑検出処理を示すフローチヤートである。

［図 1 1］本実施形態における、 ティーチング処理を示すフローチヤートであ る

［図 12］本実施形態における、 学習用画像の合成装置の構成を示すブロック 図 である。

発明を実施するための形態

［0009］ 以下、 切屑検出装置およびこれを備えた工作機械、 ならびに切屑検出方法 の一実施形態について図面を用いて説明する 。

［0010］ 本実施形態の切屑検出装置 1は、 工作機械 1 0によってワークを加工した 際に生じる切屑を検出するものである。 具体的には、 図 1 に示すように、 切 屑検出装置 1は、 工作機械 1 〇に設けられた撮影手段 1 1 を制御し、 切屑を 検出する対象エリアの画像を取得する。 そして、 図 2に示すように、 当該画 像を複数のメッシュ画像に分割し、 当該メッシュ画像のそれぞれについて切 屑に関する切屑情報を判定するようになって いる。 以下、 各構成について詳 細に説明する。

［001 1］ なお、 本発明において、 切屑情報とは、 切屑の有無、 切屑の量、 切屑の形 状、 切屑の種類またはこれらの組み合わせ等のよ うに、 切屑に関して検出可 能な情報を含む概念であり、 本実施形態では、 後述するとおり、 切屑の洗浄 のし易さを示す 「クラス」 を切屑情報として判定するようになっている 。 ［0012］ 工作機械 1 0は、 金属、 木材、 石材、 樹脂等のワークに対して、 切削や研 削等の加工を行うための機械である。 本実施形態において、 工作機械 1 〇は 、 切屑検出装置 1 としての数値制御装置から出力される駆動信 号に従って数 値制御されるようになっている。 本実施形態では、 切屑検出装置 1 と工作機 \¥0 2020/175308 4 卩（：171? 2020 /006748

械の数値制御装置とが同一の装置で構成さ れているが、 これに限定されるも のではない。 工作機械とは別のコンビュータを切屑検出装 置 1 として用いて もよい。 また、 図 1 に示すように、 工作機械 1 0は、 機内を撮影する撮影手 段 1 1 と、 ワークを載置するテーブル 1 2と、 切屑を洗浄する洗浄手段 1 3 と、 機内を照明する照明手段 1 4とを有している。

[0013] 撮影手段 1 1は、 切屑を検出する対象エリアを撮影するもので ある。 本実 施形態において、 撮影手段 1 1は、 自動工具交換装置 （八1^〇11131|〇 1〇〇1 Chan により工具と同様に工作機械 1 0の主軸に着脱可能なカメラ （ 以下、 八丁〇カメラと呼称） によって構成されている。 そして、 後述する画 像データ取得部 4 3からの撮影制御信号に従って、 あらかじめ設定した撮影 タイミングで、 あらかじめ設定した対象エリアをカバーする エリア画像を撮 影するようになっている。

[0014] なお、 本実施形態では、 撮影手段 1 1 として、 機内への設置が不要であり 、 クーラントミスト等に晒される時間が比較的 短いというメリッ トを考慮し 、 工作機械の主軸に着脱可能な 丁〇カメラを使用している。 丁〇カメラ は、 工作機械の主軸に取り付けることができるた め、 工作機械の主軸を動か せば、 それに追随してカメラも移動させることがで きる。 そのため、 カメラ の撮影範囲や撮影方向を容易に変更すること ができる。 カメラの撮影範囲や 撮影方向を容易に変更できるため八丁〇カメ ラを例に説明しているが、 この 構成に限定されるものではない。 一または複数の固定カメラを機内に設置し てもよい。 この構成によれば、 撮影時間が比較的短く、 加工中も撮影できる というメリッ トを有する。

[0015] また、 撮影手段 1 1の画角が対象エリアより小さい場合、 図 3に示すよう に、 丁〇カメラであれば、 主軸を移動させながら複数の部分画像を撮影 し 、 固定カメラであれば、 複数の固定カメラによって複数の部分画像を 撮影す る。 そして、 各部分画像を合成することにより、 対象エリアの全体をカバー するエリア全体画像を構成してもよい。

[0016] 洗浄手段 1 3は、 ワークの加工により発生した切屑を洗浄し除 去するもの \¥0 2020/175308 5 卩（：171? 2020 /006748

である。 本実施形態において、 洗浄手段 1 3は、 洗浄液の噴射方向を制御可 能なプログラマブルノズルによって構成され ている。 そして、 後述する洗浄 処理部 4 8からの洗浄制御信号に従って、 ワーク上やテーブル 1 2上におけ る所望のエリアに対してクーラント液等の洗 浄液を噴射するようになってい る。

[0017] なお、 本実施形態では、 洗浄手段 1 3としてプログラマブルノズルを使用 しているが、 この構成に限定されるものではない。 例えば、 対象エリアの全 体をカバーするように、 噴射方向が固定された洗浄ノズルを複数個設 置し、 洗浄が必要なエリアに近い洗浄ノズルから洗 浄液を噴射させるようにしても よい。

[0018] 照明手段 1 4は、 切屑を検出しやすくするように機内を照明す るものであ る。 本実施形態において、 照明手段 1 4は、 図 1 に示すように、 機内に固定 され、 オン ·オフの切り替え、 明るさおよび照射方向等を制御可能なプログ ラマブルライ トによって構成されている。 しかしながら、 この構成に限定さ れるものではなく、 八丁〇カメラに付属されているライ トを使用してもよい 。 また、 照明による反射を抑制するため、 照明手段 1 4を回転させたり、 撮 影手段 1 1のカメラレンズに偏光フィルタを取り付け� �りしてもよい。

[0019] つぎに、 切屑検出装置 1は、 工作機械 1 〇を制御する数値制御装置等のコ ンピュータによって構成されており、 図 1 に示すように、 主として、 ユーザ による指示入力や判定結果の表示を行う表示 入力手段 2と、 各種のデータを 記憶するとともに、 演算処理手段 4が演算処理を行う際のワーキングエリア として機能する記憶手段 3と、 記憶手段 3にインストールされた切屑検出プ ログラム 1 3を実行することにより、 各種の演算処理を実行し後述する各構 成部として機能する演算処理手段 4とを有している。 以下、 各構成手段につ いて詳細に説明する。

[0020] なお、 繰り返しになるが、 切屑検出装置は、 工作機械 1 0を制御する数値 制御装置とは別の装置でもよい。 切屑検出装置は、 少なくとも、 切屑を検出 する対象エリアを撮影したエリア画像の少な くとも一部を所定のメッシュサ \¥0 2020/175308 6 卩（：171? 2020 /006748

イズで複数のメッシュ画像に分割処理する メッシュ分割部と、 切屑に関する 切屑情報を判定するためにあらかじめ設定さ れた判定用パラメータを用いて 、 前記メッシュ画像のそれぞれについて前記切 屑情報を判定する切屑情報判 定部と、 を有していればよい。

[0021 ] 表示入力手段 2は、 タッチパネルで構成されており、 ユーザからの指示入 力を受け付ける入力機能と、 切屑の判定結果等を表示する表示機能とを兼 ね 備えるものである。 なお、 本実施形態では、 表示入力手段 2としてタッチパ ネルを採用しているが、 この構成に限定されるものではなく、 表示機能のみ を備えた表示手段、 および入力機能のみを備えた入力手段をそれ ぞれ別個に 有していてもよい。

[0022] 記憶手段 3は、 ハードディスク、

8门〇1〇111八00633 1^1110「 ） 、 フラッシュメモリ等で構成されており、 図 1 に示す ように、 プログラム記憶部 3 1 と、 判定用パラメータ記憶部 3 2と、 判定結 果記憶部 3 3と、 洗浄条件記憶部 3 4と、 洗浄回数記憶部 3 5とを有してい る。

[0023] プログラム記憶部 3 1 には、 本実施形態の切屑検出装置 1 を制御するため の切屑検出プログラム 1 3がインストールされている。 そして、 演算処理手 段 4が、 当該切屑検出プログラム 1 3を実行することにより、 コンビュータ としての切屑検出装置 1 を後述する各構成部として機能させるように なって いる。

[0024] なお、 切屑検出プログラム 1 3の利用形態は、 上記構成に限られるもので はない。 例えば、 コンビュータで 読み取り可能な非一時的な記録媒体に切屑検 出プログラム 1 3を記憶させて おき、 当該記録媒体から直接読み出して実行しても よい。 また、 外部サーバ 等からクラウドコンピューティング方式や八 3 （八卩卩レ1081；丨〇门 $61^ _106 卩「0 _1〇16「） 方式等で利用してもよい。

[0025] 判定用パラメータ記憶部 3 2は、 切屑に関する切屑情報を判定するために あらかじめ設定された判定用パラメータを記 憶するものである。 本実施形態 \¥0 2020/175308 7 卩（：171? 2020 /006748

では、 後述するとおり、 切屑情報を判定するためのアルゴリズムとし て、 機 械学習アルゴリズムである学習 ·推論モデルに学習パラメータを適用してな る切屑判定モデルを採用している。 このため、 判定用パラメータとしては、 メッシュ画像と切屑情報とのセッ トからなる教師データを用いて、 事前学習 させて得られる学習パラメータが記憶されて いる。

[0026] また、 本実施形態では、 後述するとおり、 メッシュ画像のメッシュサイズ を選択するメッシュサイズ選択部 4 4を有している。 このため、 判定用パラ メータ記憶部 3 2には、 複数の異なるメッシュサイズごとに判定用パ ラメー 夕としての学習パラメータが記憶されている 。 なお、 本実施形態において、 判定用パラメータ記憶部 3 2には、 切屑判定モデルの学習効率等の特性を左 右するハイパーパラメータが別途、 設定されている。

[0027] 判定結果記憶部 3 3は、 メッシュ画像のそれぞれについて判定された 切屑 情報を判定結果として記憶するものである。 本実施形態では、 後述する切屑 情報判定部 4 6によって、 メッシュ画像のそれぞれについて、 切屑の洗浄の し易さを示すクラスごとに、 当該クラスである確率が切屑情報として判定 さ れる。

[0028] 例えば、 切屑がない 「クラス 0」 と、 切屑が少ない 「クラス 1」 と、 切屑 が多い 「クラス 2」 の 3クラスが設定されている場合、 「クラス 0」 である 確率 〇と、 「クラス 1」 である確率 1 と、 「クラス 2」 である確率 2 とが判定される。 このため、 判定結果記憶部 3 3には、 上述したクラスごと の確率 0 , 1 , 2が判定結果として、 各メッシュ画像に対応付けて記 憶される。

[0029] なお、 判定結果としては、 クラスごとの確率に限定されるものではなく 、 最も確率の高いクラスを単純に判定結果とし て記憶するようにしてもよい。 また、 クラスの数は増やすほど判定が難しく、 性能が向上しにくくなるため 、 数個程度に設定することが好ましい。 最も単純なクラスの例としては、 切 屑がない 「クラス 0」 と、 切屑がある 「クラス 1」 との 2クラスになる。

[0030] 洗浄条件記憶部 3 4は、 切屑の洗浄が必要か否かを判定するための洗 浄条 \¥0 2020/175308 8 卩（：171? 2020 /006748

件を記憶するものである。 本実施形態では、 洗浄条件として、 クラスごとの 確率と、 各メッシュ画像に対応するメッシュエリアの 位置とを組み合わせた 条件が設定されている。 例えば、 上述した 3クラスが設定されている場合に は、 以下のような洗浄条件 （1） 〜 （4） を降順に評価することにより、 効 率的で高性能な判定アルゴリズムが実現され る。

[0031 ] （1） 〇, 1 , 2のうち、 最大値が 2である ：洗浄する （2） 1 十 2 ³ 9 9 %である ：洗浄する （3） メッシュエリアがテーブル 1 2上で あり、 かつ、 1 + 2 ³ 0である ：洗浄する （4） 上記条件 （ 1） ~ （ 3） に該当しない：洗浄しない

[0032] なお、 本実施形態では、 切屑情報とメッシュエリアの位置とを組み合 わせ た洗浄条件が設定されているが、 これに限定されるものではなく、 切屑情報 を用いて設定されるものであればよい。 例えば、 上述した最も単純化された 2クラスが設定されている場合は、 メッシュエリアの位置に関わらず、 クラ ス〇 （切屑なし） であれば洗浄せず、 クラス 1 （切屑あり） であれば洗浄す る、 という洗浄条件を設定してもよい。

[0033] 洗浄回数記憶部 3 5は、 切屑を連続して洗浄した洗浄回数を記憶する もの である。 本実施形態において、 洗浄回数記憶部 3 5には、 対象エリア内を連 続して洗浄した回数である連続洗浄回数と、 同一のメッシュエリアを連続し て洗浄した回数である局所連続洗浄回数とが 記憶されている。 そして、 これ らの洗浄回数を用いて、 後述するとおり、 自動洗浄動作がいつまでも終了し ない事態を回避するようになっている。

[0034] つぎに、 演算処理手段 4は、 等によっ て構成されており、 記憶手段 3にインストールされた切屑検出プログラム 1 3を実行することにより、 図 1 に示すように、 対象エリア設定部 4 1 と、 駆 動制御部 4 2と、 画像データ取得部 4 3と、 メッシュサイズ選択部 4 4と、 メッシュ分割部 4 5と、 切屑情報判定部 4 6と、 洗浄要否判定部 4 7と、 洗 浄処理部 4 8と、 ティーチング処理部 4 9と、 追加学習部 5 0として機能す るようになっている。 以下、 各構成部についてより詳細に説明する。 \¥0 2020/175308 9 卩（：171? 2020 /006748

[0035] 対象エリア設定部 4 1は、 切屑を検出しようとする対象エリアを設定す る ものである。 本実施形態において、 対象エリア設定部 4 1は、 ユーザによる 表示入力手段 2を用いた指示入力に応じて、 機内全体、 テーブル 1 2上、 プ ロテクタ上、 ワーク周辺、 これらの一部、 もしくはこれらの組み合わせ等の ように、 任意の対象エリアを設定するようになってい る。

[0036] なお、 本実施形態において、 対象エリア設定部 4 1は、 ユーザの手動によ って対象エリアを設定しているが、 この構成に限定されるものではなく、 自 動設定してもよい。 具体的には、 対象エリア設定部 4 1は、 加エプログラム を参照して各加工工程におけるワークの形状 を取得し、 ワーク全体が含まれ るように対象エリアを自動設定してもよく、 加工経路上のみを対象エリアと して自動設定してもよい。

[0037] 駆動制御部 4 2は、 工作機械 1 0に備えられた各軸のモータを駆動制御す るものである。 本実施形態において、 駆動制御部 4 2は、 加エプログラムに 基づいて、 工作機械 1 0に切削加工等を実行させる駆動制御信号を� �成し、 各軸のモータへ出力するようになっている。 また、 撮影手段 1 1 として八丁 〇カメラを使用する場合、 駆動制御部 4 2は、 図示しない自動工具交換装置 （八111；011131；丨（； 1 ^" 〇〇1 ^18叩6「： 八丁〇） を制御し、 工具を八丁〇カメラに交換 させるようになっている。

[0038] 画像データ取得部 4 3は、 対象エリアのエリア全体の画像を取得するも の である。 本実施形態において、 画像データ取得部 4 3は、 あらかじめ設定し た撮影タイミングで撮影手段 1 1 に撮影制御信号を出力し、 エリア全体の画 像を取得するようになっている。 また、 撮影手段 1 1が対象エリアより小さ い部分画像を取得する場合には、 対象エリアをカバーするように複数の部分 画像を撮影させ、 それらを合成してエリア全体の画像を取得す る。

[0039] なお、 撮影タイミングは、 ユーザが任意に手動設定してもよく、 所定の設 定条件に従って自動設定するようにしてもよ い。 設定条件としては、 工程と 工程との間、 工具交換時、 一定時間間隔、 所定の加工量に達したタイミング 等である。 なお、 当該加工量は、 加エプログラム等から推定することができ \¥0 2020/175308 10 卩（：17 2020 /006748

る。

[0040] メッシュサイズ選択部 4 4は、 エリア全体の画像を複数のメッシュ画像に 分割する際のメッシュサイズを選択するもの である。 本実施形態において、 メッシュサイズ選択部 4 4は、 所定の基準に基づいて、 あらかじめ設定され たメッシュサイズの中から、 一つまたは複数のメッシュサイズを候補とし て 選択するようになっている。

[0041 ] なお、 本発明は、 エリア全体の画像をメッシュ画像に分割する ことにより 、 切屑の検出を簡単化かつ高精度化するもので ある。 このため、 メッシュサ イズは、 切屑の検出精度に影響を与える重要なファク ターであり、 その選択 に際しては以下のような切屑の特徴を考慮す ることが好ましい。

[0042] 具体的には、 上述したとおり、 切屑には様々なバリエーシヨンやパターン があるため、 二次元画像上では完全に同一の切屑は存在し ない。 しかしなが ら、 切屑の外形を構成するエッジ （稜線） は、 比較的複雑で不規則であると いう共通の特徴を有している。 そして、 当該特徴は、 多数の切屑が堆積して 折り重なり、 個々の形状が認識できないような状態におい ても失われること がない。

[0043] 一方、 切屑の背景となるワークや治具については、 一般的に、 切屑のよう な不規則性はほとんどなく、 切屑と同等のスケールで比較すると、 エッジ形 状が単純である。 したがって、 本実施形態において、 メッシュサイズ選択部 4 4は、 切屑、 ワークおよび治具の各サイズに基づいて、 切屑の形状を認識 しうる程度のメッシュサイズであって、 かつ、 メッシュ画像において切屑の 背景となるワークや治具のエッジ形状が単純 化される程度のメッシュサイズ を選択することが好ましい。 このようなメッシュサイズを選択することに よ り、 ワークや治具のエッジ形状と切屑とが識別し やすくなり、 誤検出が低減 される。

[0044] なお、 メッシュサイズ選択部 4 4は、 上記構成に限定されるものではなく 、 あらかじめ設定された複数のメッシュサイズ の中からユーザが手動で選択 してもよい。 ただし、 切屑情報を判定する切屑判定モデルでは、 メッシュサ \¥0 2020/175308 1 1 卩（：171? 2020 /006748

イズを固定する必要があるため、 複数のメッシュサイズを用意する場合には 、 各メッシュサイズのメッシュ画像によって学 習させた切屑判定モデルが必 要となる。 一方、 使用するメッシュサイズが常に固定であれば 、 メッシュサ イズ選択部 4 4を設ける必要はない。

[0045] メッシュ分割部 4 5は、 エリア画像を複数のメッシュ画像に分割処理 する ものである。 本実施形態において、 メッシュ分割部 4 5は、 メッシュサイズ 選択部 4 4によって選択されたメッシュサイズで、 画像データ取得部 4 3に よって取得されたエリア画像を分割すること により複数のメッシュ画像を生 成するようになっている。 なお、 本実施形態では、 図 2に示すように、 碁盤 目状や格子状のメッシュを採用しているが、 この形状に限定されるものでは なく、 菱形、 三角形、 ハニカム形状等であってもよい。 また、 本実施形態で は、 エリア画像の全てをメッシュ画像に分割して いるが、 これに限定される ものではなく、 切屑の検出が不要なエリアについては分割せ ず、 エリア画像 の少なくとも一部のみを分割するようにして もよい。 また、 エリアを撮影し た撮影画像と格子状のメッシュ情報とを別々 に関連付けて保存されている状 態でもよい。 つまり、 メッシュ分割部 4 5は、 個々のメッシュ画像を生成す ることに限定されず、 撮影画像と格子情報とを重ねて、 格子で区分けされて いる撮影画像の領域をメッシュ領域として処 理してもよい。 この場合のメッ シュ領域が上述のメッシュ画像に相当する。

[0046] また、 本実施形態において、 画像データ取得部 4 3が複数の部分画像を合 成してエリア画像を取得する場合、 メッシュ分割部 4 5は、 図 4に示すよう に、 分割処理に際して、 以下のいずれかの処理を実行するようになっ ている

( _ ^| ) 部分画像と他の部分画像との境界部分に重複 がない場合、 メッシュ画 像の境界線を各部分画像の境界線と一致させ る。

( ^{| '|} ) 部分画像と他の部分画像との境界部分に重複 がある場合、 いずれか 一方の部分画像のみから境界部分を含むメッ シュ画像を切り出す。

[0047] メッシュ分割部 4 5が上記 (丨) または (丨丨) の処理を実行することにより 、 同一のメッシュ画像内に、 複数の異なる部分画像が混在することがない 。 このため、 部分画像間における明度の相違や、 位置ズレ等に起因する誤検出 が低減される。

[0048] 切屑情報判定部 4 6は、 メッシュ画像のそれぞれについて切屑情報を 判定 するものである。 本実施形態において、 切屑情報判定部 4 6は、 メッシュ分 割部 4 5によって分割処理されたメッシュ画像のそ� �ぞれについて、 判定用 パラメータ記憶部 3 2から読み出した判定用パラメータを用いて� �屑情報を 判定し、 判定結果記憶部 3 3に保存するようになっている。

[0049] また、 本実施形態において、 切屑情報判定部 4 6は、 切屑情報として、 切 屑の洗浄のし易さを示す 「クラス」 を判定するようになっている。 このクラ スは、 切屑の量、 密集度合、 大きさ、 長さ、 形状等を総合的に勘案して決定 される。 具体的には、 図 5に示すように、 切屑が少ない、 散在している、 小 さい、 短い、 引っ掛かり難い等のように、 洗浄し易い状態であるほど低いク ラスとし、 切屑が多い、 密集している、 大きい、 長い、 引っ掛かり易い等の ように、 洗浄し難い状態であるほど高いクラスとして 分類される。

[0050] 本実施形態において、 切屑情報判定部 4 6は、 機械学習アルゴリズムであ る学習 ·推論モデルに学習パラメータを適用してな� ��切屑判定モデルによっ て構成されている。 具体的には、 環境変化に比較的強いディープラーニング 手法のうち、 とりわけ画像のクラス分類に特化したモデル である畳み込み二 ューラルネツ トワーク (Convo lut i ona l Neura l Network : CNN) を用いている

[0051 ] 上記のような切屑判定モデルを用いて切屑情 報を判定する場合、 まず、 切 屑情報判定部 4 6は、 各メッシュ画像に対して、 ノイズの除去処理や、 画像 サイズの変換処理等のような、 判定精度を向上させるための前処理を実行す る。 つぎに、 切屑情報判定部 4 6は、 図 6に示すように、 判定用パラメータ 記憶部 3 2にあらかじめ用意された学習パラメータを� �用した学習済の切屑 判定モデルに、 メッシュ画像を入力することにより、 メッシュ画像のそれぞ れについて、 切屑情報として各クラスの確率を出力するよ うになっている。 [0052] なお、 本実施形態では、 機械学習アルゴリズムとして畳み込みニュー ラル ネッ トワークを採用しているが、 これに限定されるものではなく、 他の機械 学習アルゴリズムを用いてもよい。 例えば、 サボートべクターマシン ( S V M : support vector mach i ne) 等のように、 画像ではない入カデータを用い る機械学習アルゴリズムを使用する場合、 メッシュ画像に対してフィルタ処 理等を実行し、 各メッシュ画像が有する形状特徴量を算出す る。 そして、 当 該形状特徴量を学習済の切屑判定モデルに入 力することにより、 メッシュ画 像のそれぞれについてクラスを判定してもよ い。

[0053] また、 本実施形態では、 切屑情報判定部 4 6として、 機械学習アルゴズム を採用しているが、 これに限定されるものではなく、 決定的アルゴリズムの ような非機械学習アルゴリズムを使用しても よい。 例えば、 メッシュ画像は 、 切屑が多いほど複雑になり、 高い画像周波数成分が多くなる傾向がある。 そこで、 切屑情報判定部 4 6は、 図 7に示すように、 高速フーリエ変換 (Fas t Four i er Transform : FFT) 等の周波数解析を実行し、 各メッシュ画像のス ベクトル統計量を特徴量として算出する。 そして、 当該特徴量とあらかじめ 判定用パラメータとして設定した閾値との大 小関係に基づいて、 メッシュ画 像のそれぞれについて切屑情報としてのクラ スを判定してもよい。

[0054] ただし、 高速フーリエ変換は環境依存度が高く、 メッシュ画像内に切屑以 外の小さなネジ穴や、 クーラントの飛沫等が撮像されていると、 高周波成分 が多くなり、 誤判定しやすくなる。 このため、 切屑がない状態でのエリア画 像をあらかじめ用意しておき、 これと判定対象であるエリア画像との差分画 像をメッシュ分割し、 高速フーリエ変換することにより、 環境依存成分を排 除するようにしてもよい。

[0055] さらに、 本実施形態において、 切屑情報判定部 4 6は、 単一のアルゴリズ ムを用いて切屑情報を判定しているが、 この構成に限定されるものではなく 、 複数のアルゴリズムによる判定結果に基づい て総合的に判定してもよい。

[0056] なお、 メッシュサイズ選択部 4 4によって複数のメッシュサイズが選択さ れた場合、 切屑情報判定部 4 6は、 全てのメッシュサイズについて判定を実 \¥0 2020/175308 14 卩（：171? 2020 /006748

行する。 そして、 各メッシュサイズでの切屑情報を判定結果と して判定結果 記憶部 3 3に記憶させるようになっている。

[0057] 洗浄要否判定部 4 7は、 メッシュ画像のそれぞれについて、 切屑の洗浄が 必要か否かを判定するものである。 本実施形態において、 洗浄要否判定部 4 7は、 洗浄条件記憶部 3 4に記憶されている洗浄条件と、 判定結果記憶部 3 3に記憶されている各メッシュ画像の切屑情� �とを比較する。 そして、 洗浄 条件を満たすメッシュ画像については洗浄が 必要と判定するようになってい る。

[0058] 洗浄処理部 4 8は、 洗浄手段 1 3を制御して切屑の洗浄を行わせるもので ある。 本実施形態において、 洗浄処理部 4 8は、 洗浄が必要と判定されたメ ッシュ画像に対応するメッシュエリアの位置 （工作機械 1 0内における実際 の位置） を算出し、 当該メッシュエリアに向けて、 洗浄手段 1 3から洗浄液 を噴射させるようになっている。

[0059] なお、 メッシュエリアの位置は、 例えば、 エリア画像を格納する画像メモ リ （図示せず） を工作機械 1 0内の座標系に対応させておくことにより、 特 定することができる。 また、 本実施形態において、 洗浄手段 1 3はプログラ マブルノズルによって構成されるため、 噴射方向を変えながら、 洗浄が必要 と判定された全てのメッシュエリアに対して クーラント液を噴射する。

[0060] また、 本実施形態において、 洗浄処理部 4 8は、 洗浄動作を実行するたび に、 洗浄回数記憶部 3 5に記憶されている、 対象エリア内を連続して洗浄し た連続洗浄回数、 および同一のメッシュエリアを連続して洗浄 し局所連続洗 浄回数を更新する。 そして、 洗浄処理部 4 8は、 連続洗浄回数および局所連 続洗浄回数が、 所定の閾値未満の場合には洗浄を実施する。 一方、 連続洗浄 回数および局所連続洗浄回数のうち少なくと も一方が、 所定の閾値に到達し た場合には、 自動洗浄動作がいつまでも終了しない事態を 回避するため、 所 定の異常時処理を実行する。

[0061 ] 異常時処理は、 自動洗浄動作がいつまでも終了しない事態を 回避するため の処理であれば特に限定されるものではなく 、 例えば、 工作機械 1 0の運転 \¥0 2020/175308 15 卩（：171? 2020 /006748

を停止するとともにアラームを報知しても よい。 あるいは、 閾値に到達した 旨を記録、 通知するとともに、 そのメッシュエリアの洗浄はあらかじめユー ザが設定した 「洗浄中断期間」 だけ中断し、 他のメッシュエリアの洗浄やエ 作機械 1 〇の運転は継続してもよい。

[0062] なお、 連続洗浄回数の閾値および局所連続洗浄回数 の閾値は、 ユーザによ って個別に設定可能に構成されている。 また、 上記アラームを報知する方法 としては、 例えば、 スピーカー （図示せず） から警告音を出力する方法が挙 げられるが、 ユーザに通知しうる方法であれば、 これに限定されるものでは ない。 具体的には、 表示入力手段 2にメッセージを表示させてもよく、 ライ 卜 （図示せず） を点滅 ·点灯させてもよい。 また、 工作機械 1 0の周囲にユ —ザがいない場合、 ユーザの携帯端末等にエラーメッセージを通 知してもよ い。

[0063] ティーチング処理部 4 9は、 切屑情報判定部 4 6による判定結果を確認 · 訂正するものである。 本実施形態において、 ティーチング処理部 4 9は、 ま ず、 各メッシュ画像の判定結果を判定結果記憶部 3 3から読み出し、 図 8 （ a） に示すように、 表示入力手段 2に表示させる。 具体的には、 異なる判定 結果ごとに異なる着色等を施し、 各メッシュ画像を識別可能な態様で表示す る。

[0064] なお、 判定結果の表示に際しては、 切屑情報判定部 4 6によってメッシュ 画像ごとの判定確率を算出させ、 どのクラスの判定確率もそれほど高くない メッシュ画像については、 判定結果が誤っている可能性が高い （判定結果に 自信がない） ものとして強調表示し、 ユーザの訂正作業を補助するようにし てもよい。 例えば、 図 8 （a） に示す例では、 クラス 0 （切屑なし） の判定 確率 〇、 およびクラス 1 （切屑あり） の判定確率 1の値によって、 以下 に示す 4グループに分類されている。

[0065] 1が〇〜 3 0 % （ 0が 7 0〜 1 0 0 %） : クラス 0 （切屑なし） の 「 自信ぁり」

1が 3 0〜 5 0 % （ 0が 5 0〜 7 0 %） : 「自信なし」 \¥0 2020/175308 16 卩（：171? 2020 /006748

1が 5 0〜 7 0 % （ 0が 3 0〜 5 0 %） : 「自信なし」 1が 7 0〜 1 0 0 % （ 0が〇〜 3 0 %） : クラス 1 （切屑あり） の 「 自信ぁり」

[0066] つぎに、 上記判定結果を確認したユーザによって、 誤って判定されている 任意のメッシュ画像がタッチ選択され、 正しい判定結果としての切屑情報が 入力されると、 ティーチング処理部 4 9は当該判定結果を取得し、 判定結果 記憶部 3 3に記憶されている判定結果を訂正する。 そして、 図 8 （13） に示 すように、 訂正後の判定結果を表示入力手段 2に表示させる。

[0067] 追加学習部 5 0は、 新たな教師データを用いて追加学習を行うも のである 。 本実施形態において、 追加学習部 5 0は、 ティーチング処理部 4 9によっ て訂正された判定結果 （正しい切屑情報） とメッシュ画像とのセッ トからな る教師データを切屑判定モデルに追加学習を 実行させることにより、 正しい 判定結果が反映された学習パラメータを取得 する。 そして、 当該学習パラメ —夕を新たな判定用パラメータとして判定用 パラメータ記憶部 3 2内の判定 用パラメータを更新するようになっている。

[0068] なお、 本実施形態では、 追加学習部 5 0を口ーカルな切屑検出装置 1 に設 け、 バックグラウンドで追加学習を実行している が、 この構成に限定される ものではない。 すなわち、 ネッ トワーク上の学習サーバに教師データをアッ プロードして追加学習させ、 得られた学習パラメータをダウンロードする こ とにより新たな判定用パラメータとして利用 するようにしてもよい。

[0069] また、 本実施形態では、 切屑検出装置 1 による洗浄処理の運転モードとし て、 自動洗浄モードとティーチングモードとが用 意されており、 いずれかの 運転モードに設定可能に構成されている。 自動洗浄モードは、 切屑情報判定 部 4 6による判定結果をそのまま用いて自動的に� �浄処理を実行するモード である。 また、 テイーチングモードは、 テイーチング処理部 4 9によって訂 正された判定結果を用いて洗浄処理を実行す るモードである。

[0070] つぎに、 本実施形態の切屑検出装置 1およびこれを備えた工作機械 1 0の 作用ならびに切屑検出方法について、 図 9を参照しつつ説明する。 なお、 以 下の説明では、 切屑を検出した後、 当該切屑を洗浄する場合について説明す る。

[0071 ] 本実施形態の切屑検出装置 1およびこれを備えた工作機械 1 0を用いて切 屑を検出する場合、 あらかじめ、 判定用パラメータ記憶部 3 2に判定用パラ メータを記憶させておく。 このとき、 まず切屑を撮影したサンプル画像を 1 または複数用意し、 当該サンプル画像を所定のメッシュサイズで 分割する。 これにより、 多数のメッシュ画像が切屑判定モデルに学習 させるための教師 データとして取得される。 そして、 当該教師データを切屑判定モデルに学習 させ、 最適化された判定用パラメータを判定用パラ メータ記憶部 3 2に記憶 する。

[0072] なお、 本実施形態の切屑検出装置 1のように、 機械学習を用いたシステム では、 運用前に学習モデルに対して事前に多くの教 師データを用意し学習さ せておく必要がある。 しかしながら、 当該教師データを用意する作業には、 手間や時間が非常にかかるため、 導入の障壁となっているという問題がある

[0073] この点、 本実施形態で用いられる教師データは、 メッシュ画像とそのクラ スであり、 ある程度の性能と汎用性を得るには大量の教 師データが必要とな るが、 以下のような理由により、 教師データの準備が容易である。 （1） 学 習単位であるメッシュ画像は、 1枚のエリア画像から多数得ることができる 。 （2） 同一のエリア画像であっても、 メッシュ画像の分割境界をずらした り、 回転させたりするなど、 単純な処理を施すだけで、 異なる教師データを 簡単に増やすことができる。 （3） Obj ect Detect i onや Semant i c Segmentat i on等の物体検出アルゴリズムでは、 エリア画像に映り込んでいる全切屑の位 置情報が必要となる。 これに対し、 本実施形態では洗浄に必要十分なメッシ ュサイズで分割することにより、 エリア画像内における切屑の正確な位置を 特定する必要がなく、 単純なクラス分類に帰着させることができる 。 （4） 切屑情報としてクラス分類を用いた場合、 各メッシュ画像に対して 1つの数 値 （クラス） を割り当てるだけ教師データが作成される。 \¥0 2020/175308 18 卩（：171? 2020 /006748

[0074] これにより、 エリア画像を数枚撮影するだけで、 少なくとも特定環境下に おいて切屑を検知するための教師データを入 力することができる。 つまり、 比較的少ない回数のティーチング作業によっ て個別の機械、 環境、 加工に最 適化することができる。

[0075] つづいて、 切屑を検出するにあたり、 まず、 対象エリア設定部 4 1が、 切 屑を検出しようとする対象エリアを設定した 後 （ステップ 3 1） 、 駆動制御 部 4 2が、 工作機械 1 0を制御しワークを加工する （ステップ 3 2） 。 これ により、 図 1 に示すように、 テーブル 1 2上やワーク上に切屑が散乱するた め、 画像データ取得部 4 3が、 撮影手段 1 1から対象エリアのエリア画像を 取得する （ステップ 3 3） 。

[0076] エリア画像が取得されると、 本発明に係る切屑検出処理が実行される （ス テップ3 4） 。 以下、 ステップ 3 4に係る切屑検出処理について、 図 1 0を 参照しつつ説明する。

[0077] 切屑検出処理では、 まず、 メッシュサイズ選択部 4 4が、 メッシュサイズ を選択する （ステップ 3 2 1） 。 本実施形態では、 メッシュサイズ選択部 4 4が、 切屑の形状を認識しうる程度のメッシュサイ ズであって、 かつ、 切屑 の背景となるワークや治具のエッジ形状が単 純化される程度のメッシュサイ ズに該当しそうな候補を一つまたは複数選択 する。 これにより、 切屑が背景 と区別され易くなり、 誤検出が抑制されるため、 検出精度が向上する。

[0078] つぎに、 メッシュ分割部 4 5が、 メッシュサイズ選択部 4 4によって選択 されたいずれかのメッシュサイズでエリア画 像を複数のメッシュ画像に分割 する （ステップ 3 2 2） 。 これにより、 切屑情報を利用する際には、 各メッ シュ画像に対応するメッシュエリアを特定す るだけでよく、 全ての切屑につ いて正確な位置を特定する必要がない。 このため、 切屑の検出にかかる計算 量が大幅に低減される。

[0079] また、 本実施形態では、 複数の部分画像を合成してエリア画像を取得 する 場合、 メッシュ分割部 4 5が、 各部分画像の境界部分に重複が有るか無いか に応じて、 上記 し I） または （ I） の処理を実行する。 これにより、 同一のメ \¥0 2020/175308 19 卩（：171? 2020 /006748

ッシュ画像内に、 複数の異なる部分画像が混在することがなく なる。 このた め、 部分画像間における明度の相違や、 位置ズレ等に起因する誤検出が低減 される。

[0080] つづいて、 切屑情報判定部 4 6が、 1つのメッシュ画像について切屑情報 を判定し （ステップ 3 2 3） 、 対象エリア内の全てのメッシュ画像の判定が 完了するまで繰り返す （ステップ 3 2 4 : N 0） 。 これにより、 所定のメッ シュサイズに分割したメッシュ画像について 切屑情報を判定するだけでよい ため、 切屑の検出処理が簡単化および高精度化する 。

[0081 ] 対象エリア内の全てのメッシュ画像について 判定が完了すると （ステップ

3 2 4 : 丫巳3） 、 切屑情報判定部 4 6が、 対象エリア内の全てのメッシュ サイズでの判定が完了したか否かを判定する （ステップ 3 2 5） 。 そして、 まだ判定していないメッシュサイズがあれば （ステップ 3 2 5 : 1\1〇） 、 ス テップ3 2 1 に戻り、 当該メッシュサイズでの分割処理 （ステップ 3 2 2） および判定処理 （ステップ 3 2 3） を繰り返す。

[0082] 一方、 全てのメッシュサイズでの判定が完了すると （ステップ 3 2 5 : 丫 巳3） 、 切屑情報判定部 4 6が、 各メッシュサイズでの判定結果を判定結果 記憶部 3 3に記憶し （ステップ 3 2 6） 、 本処理を終了する。

[0083] つづいて、 図 9に戻り、 運転モードがティーチングモードに設定され てい るか否かを判定し （ステップ 3 5） 、 自動洗浄モードに設定されていれば （ ステップ 3 5 : N 0） 、 後述するステップ 7の処理に進む。 一方、 ティーチ ングモードに設定されていれば （ステップ 3 5 : 丫巳3） 、 ティーチング処 理部 4 9がティーチング処理を実行する （ステップ 3 6） 。 以下、 ステップ 3 6に係るティーチング処理について、 図 1 1 を参照しつつ説明する。

[0084] ティーチング処理では、 まず、 ティーチング処理部 4 9が表示入力手段 2 に判定結果を表示し （ステップ 3 3 1） 、 ユーザによるメッシュ画像の選択 を受け付ける。 このとき、 複数のメッシュサイズについての判定結果が あれ ば、 ユーザの目視によって最適なメッシュサイズ を選択させ、 当該メッシュ サイズを用いることにより、 切屑情報の判定精度が向上する。 つづいて、 い \¥0 2020/175308 20 卩（：171? 2020 /006748

ずれかのメッシュ画像が選択されたか否か を判定し （ステップ 3 3 2） 、 メ ッシュ画像が選択されなければ （ステップ 3 3 2 : N 0） 、 ティーチングモ —ドを終了しない限り （ステップ 3 3 5 : N 0） 、 メッシュ画像の選択を受 け付ける。

[0085] —方、 ユーザによっていずれかのメッシュ画像が選 択されると （ステップ

3 3 2 : 丫巳3） 、 ティーチング処理部 4 9は、 選択されたメッシュ画像に ついての正しい切屑情報をユーザに入力させ 、 当該切屑情報を判定結果とし て取得する （ステップ 3 3 3） 。 これにより、 ユーザの目視によって確認 · 訂正された正しい判定結果が判定結果記憶部 3 3に記憶されるとともに （ス テップ3 3 4） 、 当該判定結果が表示入力手段 2に表示される （ステップ 3 3 5） ₀

[0086] その後、 ティーチングモードの終了が指示されると （ステップ 3 3 6 : 丫 巳3） 、 所定のタイミングで追加学習部 5 0がバックグラウンドで追加学習 を開始し、 訂正された判定結果を反映させた判定用パラ メータを取得すると ともに、 当該判定用パラメータによって判定用パラメ ータ記憶部 3 2内の判 定用パラメータを更新する （ステップ 3 3 7） 。 以上のようなティーチング 処理を実行することにより、 判定結果の精度が向上するとともに、 個別の機 械、 環境、 加工向けに判定用パラメータを更新すること で、 切屑の判定性能 が最適化される。

[0087] つぎに、 図 9に戻り、 ティーチング処理 （ステップ 3 6） の実行後、 また は自動洗浄モードの場合 （ステップ 3 5 : N 0） 、 洗浄要否判定部 4 7が、 切屑の洗浄が必要か否かを判定する （ステップ 3 7） 。 本実施形態では、 洗 浄条件が、 切屑情報とメッシュエリアの位置とを組み合 わせて設定されるた め、 検出された切屑の量や位置に応じて効率的に 洗浄処理が実行される。

[0088] 例えば、 上述した 3クラスのうち、 クラス 2 （切屑が多い） と判定された メッシュ画像に対応するメッシュエリアのみ を洗浄する、 という洗浄条件に してもよく、 テーブル 1 2外のエリアであれば洗浄しない、 という洗浄条件 にしてもよい。 このような洗浄条件を設定することにより、 洗浄にかかる時 間や洗浄液の消費量が抑制される。

[0089] ステップ S 7における判定の結果、 洗浄の必要がなければ （ステップ S 7

: N0） 、 洗浄処理部 48が、 連続洗浄回数および局所連続洗浄回数を初期 化する （ステップ S 1 3） 。 そして、 加工終了が指示されない限り （ステッ プ S 1 5 : N0） 、 ステップ S 1へと戻り、 それ以降の処理が繰り返される 。 これにより、 切屑が除去された状態でワークを加工するこ とが可能になる 〇

[0090] —方、 ステップ S 7における判定の結果、 洗浄が必要であれば （ステップ

S 7 : YES） 、 洗浄処理部 48は、 連続洗浄回数が所定の閾値に到達した か否かを判定する （ステップ S 8） 。 当該判定の結果、 連続洗浄回数が閾値 に到達した場合 （ステップ S 8 : YES） 、 洗浄処理部 48は洗浄動作を行 うことなく異常時処理を実行する （ステップ S 1 4） 。 これにより、 洗浄し たはずの切屑が別のメッシュエリアに移動し ただけで、 実際には除去されて いないケースが繰り返され、 いつまでも自動洗浄動作が終了しないケース が 回避される。

[0091] また、 ステップ S 8における判定の結果、 連続洗浄回数が閾値未満でも （ ステップ S 8 : YES） 、 洗浄処理部 48は、 別途、 局所連続洗浄回数が所 定の閾値に到達したか否かを判定する （ステップ S 9） 。 当該判定の結果、 局所連続洗浄回数が閾値に到達した場合にも （ステップ S 9 : YES） 、 洗 浄処理部 48は洗浄動作を行うことなく異常時処理を実� ��する （ステップ S 1 4） 。 これにより、 ワーク等にこびりついたり、 引っ掛かったりしている 等の理由で、 洗浄による除去が難しい切屑を何回も洗浄し ようとするケース や、 治具のビスや機内の汚れ等を切屑と誤検知し 、 いつまでも洗浄しようと するケースが回避される。

[0092] _方、 連続洗浄回数および局所連続洗浄回数の双方 が閾値未満であれば （ ステップ S 8 : N0, ステップ S 9 : N0） 、 洗浄処理部 48は、 洗浄が必 要と判定されたメッシュ画像のそれぞれに対 応するメッシュエリアを算出し （ステップ S 1 0） 、 各メッシュエリアを洗浄手段 1 3によって洗浄する （ \¥0 2020/175308 22 卩（：171? 2020 /006748

ステップ 3 1 1） 。 これにより、 切屑情報に応じて切屑が自動的かつ効率的 に洗浄される。 また、 洗浄が必要なメッシュエリアだけが洗浄され るため、 機内全体を洗浄する場合と比較して、 洗浄液の噴射量が抑制され経済的であ り、 環境にもやさしい。

[0093] 最後に、 洗浄処理部 4 8が、 洗浄回数記憶部 3 5に記憶されている連続洗 浄回数および局所連続洗浄回数のそれぞれを 更新した後 （ステップ 3 1 2）

、 ステップ 3 3へと戻り、 それ以降の処理を繰り返す。 これにより、 連続洗 浄回数および局所連続洗浄回数が閾値に到達 しない限り、 切屑情報が判定さ れて、 洗浄条件に応じた洗浄が実行される。

[0094] なお、 本実施形態では、 加工終了が指示された場合 （ステップ 3 1 5 : 丫 巳3） 、 本処理が終了する。

[0095] 以上のような本実施形態の切屑検出装置 1、 切屑検出プログラム 1 3およ び切屑検出方法によれば、 以下のような効果を奏する。 1 . 工作機械 1 0に よつてワークを加工した際に生じる切屑を簡 単かつ高精度に検出することが できる。 2 . 機械学習を用いて切屑を高精度に検出するこ とができる。 3 . 画像の特徴量を用いて切屑を簡単に検出する ことができる。 4 . 使用環境や 個別の加工に合わせて判定用パラメータを最 適化し、 切屑の検出性能を向上 することができる。 5 . 切屑の背景による影響を低減し、 誤検出を抑制する ことができる。 6 . エリア画像として複数の部分画像を合成して 使用する場 合の誤検出を抑制することができる。 7 . 切屑情報に応じて切屑を自動的か つ効率的に洗浄することができる。 8 . 検出された切屑の量や位置に応じて 効率的に洗浄することができる。 9 . 切屑の誤検出等により洗浄動作がいつ までも繰り返されてしまうことを防止するこ とができる。

[0096] なお、 本発明に係る切屑検出装置 1およびこれを備えた工作機械 1 0、 な らびに切屑検出方法は、 上述した実施形態に限定されるものではなく 、 適宜 変更することができる。

[0097] 例えば、 上述した本実施形態では、 切屑情報を用いて切屑を洗浄している が、 この構成に限定されるものではなく、 切屑検出装置 1が洗浄機能を有し \¥0 2020/175308 23 卩（：171? 2020 /006748

ている必要はない。 切屑の洗浄機能を設けない場合、 洗浄条件記憶部 3 4、 洗浄回数記憶部 3 5、 洗浄要否判定部 4 7および洗浄処理部 4 8が不要とな り、 図 9に示すフローチヤートでは、 ステップ 3 7からステップ 3 1 4まで の処理が不要となる。

[0098] なお、 切屑情報は、 切屑を洗浄するための情報として利用される 以外にも 、 様々な場面で利用することが考えられる。 例えば、 切屑情報によって、 切 屑が大量または頻繁にたまりやすいメッシュ エリアが特定できれば、 当該メ ッシュエリアを早めにまたは常に洗浄する等 の洗浄条件を設定する際の参考 情報として利用される。 同様に、 切屑がたまりやすいメッシュエリアの情報 に基づいて、 工作機械のベンダが切屑のたまりにくい機械 設計を行う際に利 用することも考えられる。

[0099] また、 上述した本実施形態では、 切屑検出装置 1がティーチングモードを 有しているが、 必須の構成ではない。 ティーチングモードが不要であれば、 ティーチング処理部 4 9を設ける必要がなく、 図 9に示すフローチヤートで は、 ステップ 3 5およびステップ 3 6の処理が不要となる。 また、 図 1 1 に 示すティーチング処理も不要となる。

[0100] さらに、 上述した本実施形態では、 連続洗浄回数および局所連続洗浄回数 の双方を用いて洗浄動作を制御しているが、 この構成に限定されるものでは なく、 どちらか一方のみを用いて制御してもよい。 この場合、 図 9に示すフ 口ーチヤートでは、 ステップ 3 8またはステップ 3 9のうち、 いずれか一方 の処理が不要となる。

[0101 ] また、 上述した本実施形態では、 判定用パラメータとして、 学習パラメー 夕を用いているが、 この構成に限定されるものではなく、 メッシュ画像が有 する各種の特徴量に基づいて、 切屑情報を分類するための閾値であってもよ い。 上記特徴量は、 切屑の特徴を表しうる特徴量であれば特に限 定されるも のではなく、 メッシュ画像内のエッジ成分の複雑度合、 メッシュ画像内のエ ッジ成分に占める直線成分の割合、 メッシュ画像の明度、 輝度統計量など、 画像処理に利用される各種の特徴量が利用可 能である。 \¥0 2020/175308 24 卩（：171? 2020 /006748

[0102] なお、 判定用パラメータとしての閾値は、 サンプル画像を分割して得られ たメッシユ画像のそれぞれについて特徴量の スコアを算出し、 切屑情報の分 類ごとにスコアの集計を行うなどして最適化 することによって設定してもよ く、 複数の特徴量を組み合わせて設定するように してもよい。

[0103] また、 上述した本実施形態では、 切屑情報として、 切屑の洗浄のし易さを 示す 「クラス」 を判定しているが、 これに限定されるものではなく、 切屑の 有無、 切屑の量、 切屑の形状、 切屑の種類またはこれらの組み合わせ等でも よい。 例えば、 切屑の量および形状を切屑情報とした場合に は、 切屑の量が 少ないメッシユエリアであっても、 洗浄しにくい形状の切屑であれば洗浄す る、 という洗浄条件を設定することもできる。

[0104] さらに、 上述した実施形態では、 切屑検出装置 1が新たな教師データを口 —カルで追加学習可能に構成されているが、 この構成に限定されるものでは なく、 切屑検出装置 1 とネッ トワーク接続された学習装置に教師データを 送 信し、 追加学習させるようにしてもよい。 また、 複数の切屑検出装置 1から 追加学習用の教師データを学習装置に集約し 、 追加学習させて得られた学習 パラメータ （判定用パラメータ） を共有化し、 汎用性を向上するようにして もよい。

[0105] さらに、 上述した切屑検出装置 1で用いる判定用パラメータを導き出すた めの学習用画像を図 1 2に示すような学習用画像合成装置 1 2 0 0で生成し てもよい。 学習用画像合成装置 1 2 0 0は、 様々な切屑を表わす切屑画像を 記憶する切屑画像記憶部 1 2 0 1 と、 様々な機内を撮像した背景画像を記憶 する背景画像記憶部 1 2 0 2と、 を有する。 さらに、 学習用画像合成装置 1 2 0 0は、 切屑画像と背景画像をランダムに合成して学 習用画像を生成する 画像生成部 1 2 0 3を有する。

[0106] 切屑画像は、 実際の切屑を無背景で撮像した撮像画像でも よい。 また、 背 景画像は、 実際の機内を撮像した撮像画像でもよい。 画像生成部 1 2 0 3は 、 切屑画像を、 ランダムではあるが、 できるだけ本当にばらまかれているよ うに、 機内の写真に合成して、 複数の環境パターンを作り出し、 数多くの学 \¥0 2020/175308 25 卩（：171? 2020 /006748

習用の教師データを自動的に作る。 これにより学習データを容易に用意する ことが可能になる。

[0107] さらに、 画像生成部 1 2 0 3は、 背景画像に対して、 傷などを作り出す。

できるだけたくさんのバターンを用意してお く。

[0108] 学習用画像合成装置 1 2 0 0で生成された学習用画像は、 学習装置 1 2 5 〇に提供され、 学習用画像記憶部 1 2 5 1 に記憶される。 そして、 判定用パ ラメータ導出部 1 2 5 2によって、 判定用パラメータの導出に用いられる。 判定用パラメータは、 切屑判定モデル導出部 1 2 5 3に提供され、 切屑判定 モデルを生成するために用いられる。

学習用画像合成装置 1 2 0 0は、 ネッ トワーク 1 2 6 0を介して、 切屑判 定モデルを切屑検出装置 1 に提供してもよい。

[0109] なお、 学習用画像合成装置 1 2 0 0および学習装置 1 2 5 0は、 切屑検出 装置 1内に設けられてもよいが、 その場合、 切屑検出装置 1 に高速な◦ II などのリソースが備わっていることが必要に なる。

[01 10] さらに、 工作機械の機内の実際の画像を、 ネッ トワーク 1 2 6 0を介して 学習用画像合成装置 1 2 0 0に送り、 背景画像記憶部 1 2 0 2に記憶しても よい。 その場合、 より精度の高い教師データ （学習用画像） を生成すること が可能になる。

[01 1 1 ] 切屑画像記憶部 1 2 0 1は、 色、 形、 大きさが異なる様々な切屑の画像を 記憶していることが好ましい。 さらに、 クーラントがかかっている切屑の画 像、 クーラントがかかっていない切屑の画像、 を記憶していることが好まし い。

[01 12] 背景画像記憶部 1 2 0 2に記憶された背景画像は、 切屑が多い領域、 少な い領域、 切屑がない領域に分類されており、 切屑画像との合成時に、 各領域 で重み付けを変えて、 合成してもよい。

[01 13] 画像生成部 1 2 0 3は、 背景画像に、 塗装はげ、 傷、 シミなどの加工を加 えた上で、 切屑画像と合成してもよい。 合成する際に、 切屑画像のサイズを 変えたり回転させたりしてもよい。 画像生成部 1 2 0 3は、 合成後の画像の \¥0 2020/175308 26 卩（：171? 2020 /006748

全体の色、 明るさ、 照明の当たり具合などを変えて複数種類の学 習用画像を 生成することが好ましい。

[01 14] 画像生成部 1 2 0 3は、 合成時に、 メッシュ画像の領域ごとに、 切屑の有 無を表わす正解データを用意して貼り付ける 。

[01 15] 学習用画像合成装置 1 2 0 0は、 様々な機種の背景画像と、 様々な切屑画 像と、 様々に重み付けや密度を変えて組み合わせて 、 さらに様々な効果 （明 るさ、 クーラントミストのかかりかた） をかけて、 非常に多くの教師データ を作る。 学習用画像合成装置 1 2 0 0は、 機種ごとに分類して学習用画像を 生成してもよい。

[01 16] 以上の構成によれば、 非常に効率的に教師データを生成することが できる

[01 17] また、 上述した本実施形態では、 数値制御装置の一機能として切屑検出装 置 1 を実現させているが、 この構成に限定されるものではない。 すなわち、 数値制御装置とは別個独立のコンピュータに よって切屑検出装置 1 を構成し てもよい。

[01 18] なお、 上述した実施形態の説明は、 全ての点で例示であって制限的なもの ではなく、 当業者にとって変形および変更が適宜可能で ある。 本発明の範囲 は、 上述した実施形態ではなく、 特許請求の範囲によって示される。 さらに 、 本発明の範囲には、 特許請求の範囲と均等の範囲内での実施形態 からの変 更が含まれる。

[01 19] この出願は、 2 0 1 9年2月 2 5日に出願された日本出願特願 2 0 1 9 - 0 3 1 1 2 7を基礎とする優先権を主張し、 その開示の全てをここに取り込 む。