CN112512942B - 参数的学习方法及作业系统 - Google Patents

Abstract

用于控制通过预定动作来解开多个工件的散装状态的致动器的参数的学习方法包含如下的步骤：动作期间拍摄步骤，在预定动作的执行期间拍摄多个工件；评价步骤，对在动作期间拍摄步骤中拍摄到的图像进行处理而评价多个工件的分离状态；及学习步骤，学习评价步骤的评价结果与执行期间的预定动作中的参数之间的关系。

Description

参数的学习方法及作业系统

技术领域

本说明书公开参数的学习方法及作业系统。

背景技术

以往，公开了在电子元件或机械部件等工件向具有柔软性的支撑部供给且由机器人拾取并进行预定的作业的作业系统中，为了解开供给到支撑部的工件的散装状态而从下方对支撑部施加冲击的作业系统(例如，参照专利文献1)。在该系统中，以能够根据工件的重量、尺寸、形状、材料等而适当地解开工件的散装状态的方式，冲击能和施加点等参数可变。此外，在施加冲击前后的稳定状态下拍摄工件，对拍摄到的图像进行处理来识别工件的分离状态，持续学习变更后的参数与工件的分离状态的关系，由此决定适当的参数。

现有技术文献

专利文献1：日本专利第3172494号公报

发明内容

发明所要解决的课题

然而，在上述作业系统中，因为在稳定状态下进行工件的拍摄，所以需要在施加于支撑部的冲击平复的状态下拍摄。即，需要在每次识别工件的分离状态时暂时停止冲击的施加，所以为了持续学习，有时停止冲击的施加的时间成为长时间。这样一来，解开工件的散装状态会花费时间，会导致作业效率的下降。

本公开的主要目的在于，在不降低用于解开工件的散装状态的作业效率的情况下适当地进行参数的学习。

用于解决课题的手段

本公开为了达成上述主要目的而采用了以下的手段。

本公开的参数的学习方法是用于控制通过预定动作来解开多个工件的散装状态的致动器的参数的学习方法，其主旨在于，包含如下的步骤：动作期间拍摄步骤，在上述预定动作的执行期间拍摄上述多个工件；评价步骤，对在上述动作期间拍摄步骤中拍摄到的图像进行处理而评价上述多个工件的分离状态；及学习步骤，学习上述评价步骤的评价结果与执行期间的上述预定动作中的上述参数之间的关系。

本公开的参数的学习方法在解开多个工件的散装状态的预定动作的执行期间拍摄多个工件，对拍摄到的图像进行处理而评价多个工件的分离状态，学习该评价结果与执行期间的预定动作中的参数之间的关系。由此，由于能够使用在预定动作的执行期间拍摄到的图像来进行参数的学习，所以无需为了学习而致动器中断预定动作。因此，能够不降低用于解开工件的散装状态的作业效率的情况下适当地进行参数的学习。

附图说明

图1是示出作业系统10的结构的概略的结构图。

图2是示出工件输送装置20的结构的概略的结构图。

图3是从背侧观察工件输送装置20时的局部外观图。

图4是示出控制装置70的电连接关系的说明图。

图5是示出将工件W的散装状态解开的状况的说明图。

图6是示出控制装置70的功能的框图。

图7是示出解开动作控制例程的一例的流程图。

图8是示出解开动作开始时处理的一例的流程图。

图9是示出差值ΔA、ΔG的运算方法的一例的说明图。

图10是示出区域面积A、重心G的一例的说明图。

具体实施方式

接着，参照附图并对用于实施本公开的方式进行说明。

图1是示出作业系统10的结构的概略的结构图，图2是示出工件输送装置20的结构的概略的结构图，图3是从背侧观察工件输送装置20时的局部外观图，图4是示出控制装置70的电连接关系的说明图。另外，在图1、2中，左右方向是X轴方向，前后方向是Y轴方向，上下方向是Z轴方向。

本实施方式的作业系统10是将收纳于供给盒12的工件W向载置台T移送并使其整齐排列的系统。如图1所示，该作业系统10具备：载置台输送装置16、工件输送装置20、供给机器人40及拾取机器人50。它们设置于作业台11上。

载置台输送装置16具有以在前后方向(Y轴方向)上隔开间隔的方式沿着左右方向(X轴方向)架设的一对带式输送机。载置台T由带式输送机从左向右输送。

供给机器人40是用于将机械部件或电机部件等作为各种部件的工件W从供给盒12取出并向工件输送装置20的供给区A1(参照图2)供给的机器人。该供给机器人40具备垂直多关节型的机械手臂41和末端执行器42。机械手臂41具有：多个连杆、将各连杆以能够旋转或回旋的方式连结的多个关节、驱动各关节的驱动电动机44(参照图4)及检测各关节的角度的编码器45(参照图4)。多个连杆包含安装有末端执行器42的前端连杆和固定于作业台11的基端连杆。末端执行器42能够进行工件W的保持及其解除。末端执行器42例如能够使用机械夹头、吸嘴、电磁铁等，将工件W以散装状态向供给区A1供给。

拾取机器人50是用于在工件输送装置20的拾取区A2(参照图2)拾取工件W并将工件W向载置台T上移送、整齐排列的机器人。该拾取机器人50具备垂直多关节型的机械手臂51和末端执行器52。机械手臂51具有：多个连杆、将各连杆以能够旋转或回旋的方式连结的多个关节、驱动各关节的驱动电动机54(参照图4)及检测各关节的角度的编码器55(参照图4)。多个连杆包含安装有末端执行器52的前端连杆和固定于作业台11的基端连杆。末端执行器52能够进行工件W的保持及其解除。末端执行器52例如能够使用机械夹头、吸嘴、电磁铁等。另外，在机械手臂51的前端连杆也安装有用于拍摄由工件输送装置20输送来的工件W、由载置台输送装置16输送来的载置台T来掌握它们的位置和状态的相机53。

如图1、2所示，工件输送装置20具有能够将工件W分别从供给区A1到拾取区A2沿着前后方向(Y轴方向)输送的多个输送通道21。在工件输送装置20的后方配置有用于收纳向多个输送通道21中的各输送通道21供给的工件W的多个供给盒12。

工件输送装置20具备输送带22和分隔件25。如图2所示，输送带22架设于驱动辊23a和从动辊23b。输送带22在上表面部22a(载置部)载置工件W，通过利用驱动电动机38(参照图4)对驱动辊23a进行旋转驱动沿着带进给方向输送工件W。在输送带22的两侧设有侧壁24a、24b。驱动辊23a及从动辊23b以旋转自如的方式支撑于侧壁24a、24b。另外，如图3所示，工件输送装置20在输送带22的上表面部22a的背侧具有支撑板28。支撑板28防止输送带22因载置于上表面部22a的工件W的重量而挠曲。另外，支撑板28在与多个输送通道21的拾取区A2对应的位置分别形成有开口部28a。在各开口部28a的下方配置有用于将上表面部22a从背面顶起而使其上下移动的上下移动装置30。上下移动装置30具备抵接体31和以贯通开口部28a的方式使抵接体31上下移动的缸32。缸32由固定于侧壁24a、24b的支撑台29支撑。分隔件25是将一个输送带22(上表面部22a)分隔成多个输送通道21的分隔板。分隔件25相对于配置于输送带22的两侧的侧壁24a、24b平行地延伸且以使各输送通道21成为相同的通道宽度的方式等间隔地配置。

虽然图示省略，但控制装置70构成为具备CPU、ROM、HDD、RAM、输入输出接口、通信接口等的周知的计算机。对控制装置70输入来自供给机器人40的编码器45、拾取机器人50的编码器55、相机53、输入装置80等的各种信号。从控制装置70输出对于工件输送装置20的驱动电动机38、上下移动装置30(缸32)、供给机器人40的驱动电动机44、拾取机器人50的驱动电动机54、相机53、载置台输送装置16等的各种控制信号。

另外，控制装置70能够学习用于控制上下移动装置30的缸32的参数，基于学习结果而决定合适的参数来控制缸32。图5是示出将工件W的散装状态解开的状况的说明图。如图所示，通过缸32使抵接体31上下移动(振动)的解开动作，而散装状态的工件W的块团被解开而成为分离状态，容易利用拾取机器人50来拾取工件W。控制装置70根据工件W的重量、尺寸、形状、材料等工件W的规格而以适合于解开工件W的参数来控制缸32。另外，作为参数，例如可举出通过抵接体31的上下移动(振动)将输送带22顶起时的冲击力和振动频率等。

图6是示出控制装置70的功能的框图。如图所示，控制装置70具有主要进行参数的学习的参数学习部70A和主要决定合适的参数并对上下移动装置30进行驱动控制的驱动控制部70B。参数学习部70A具有：学习模型71、拍摄处理部72、评价处理部73及学习处理部74。拍摄处理部72使相机53拍摄工件W的散装状态或工件W被解开后的状态即分离状态，并输入拍摄到的图像。评价处理部73对拍摄到的图像进行处理而运算与工件W的分离状态相关的预定的评价值并评价分离状态。学习处理部74通过公知的机器学习来学习执行中的解开动作中的参数与评价处理部73的评价结果之间的关系，构筑包含与工件W的规格等的相关性的学习模型71。另外，作为学习的手法，例如可举出强化学习或遗传算法等，也可以使用除了它们以外的手法。驱动控制部70B具有参数决定部75和驱动部76。参数决定部75使用学习模型71来学习与工件W的规格等对应的参数，或者适当决定任意的参数。驱动部76基于由参数决定部75决定出的参数来控制上下移动装置30的缸32。

在这样构成的作业系统10中，依次进行工件W的供给控制和输送控制、解开动作控制、拾取载置控制等各控制。供给控制通过以按照供给顺序从供给盒12拾取工件W并向对应的输送通道21的供给区A1供给的方式对供给机器人40进行驱动控制来进行。另外，供给顺序例如设为通过输入装置80的操作而由操作员指定的顺序等。输送控制通过以使供给到供给区A1的工件W到达拾取区A2的方式对工件输送装置20进行驱动控制来进行。解开动作控制通过在工件W到达了拾取区A2的状态等下，对与拾取区A2对应的上下移动装置30的缸32进行驱动控制来进行。拾取载置控制通过以拾取通过解开动作控制而解开从而成为了分离状态的工件W并将其向载置台T上整齐排列而载置的方式对拾取机器人50进行驱动控制来进行。另外，在拾取载置控制中，利用相机53拍摄拾取区A2的工件W，以拾取对拍摄到的图像进行处理而选定出的工件W的方式对拾取机器人50进行驱动控制。对各输送通道21的工件W进行的这些控制若不会给对于其他的输送通道21的工件W的控制造成影响则设为并行地执行即可。以下，基于图7所示的解开动作控制例程来说明解开动作控制的详情。

在图7的解开动作控制例程中，控制装置70判定是否是解开动作的开始定时(S100)。控制装置70在通过输送控制而工件W到达拾取区A2且上下移动装置30是能够驱动的状态的情况下，判定为是开始定时。另外，控制装置70有时对于进行解开动作并拾取了一些工件W后的剩余的工件W，在需要再次的解开动作的情况等下判定为是开始定时。控制装置70若判定为成为了解开动作的开始定时，则执行图8所示的解开动作开始时处理(S105)。

在图8的解开动作开始时处理中，控制装置70首先将表示图像的拍摄顺序的编号n初始化成值1(S200)，在解开动作开始前利用相机53拍摄编号1的图像即图像1(S205)。接着，控制装置70对图像1进行处理而检测工件W的块团的区域的外缘并运算其区域面积A(1)和区域面积A(1)的重心G(1)(S210)。因为工件W以散装状态向供给区A1供给并被输送至拾取区A2，所以在图像1中多个工件W彼此缠绕而成为了块团，该工件W的区域和成为背景的输送带22的上表面部22a中的辉度值等不同。因此，在S210中，例如将图像1变换为灰度图像，从该灰度图像检测工件W的块团与上表面部22a的交界作为工件W的区域的外缘，运算由该外缘包围的区域的面积作为区域面积A(n)(在此是A(1))。另外，运算成为由外缘包围的区域的重心的位置作为重心G(n)(在此是G(1))。另外，控制装置70不限于使用灰度图像，也可以使用2值化图像。接着，控制装置70设定解开动作的参数(S215)，通过基于设定的参数驱动上下移动装置30的缸32而开始解开动作(S220)，并使解开动作开始时处理结束。控制装置70在S215中从学习模型71选择并设定适合于本次的工件W的参数。另外，控制装置70在工件W是新的等难以选择的情况下，也可以适当设定任意的参数。

当这样执行了S105的解开动作开始时处理时，控制装置70判定是否成为了解开动作中的预定定时(S110)。在此，预定定时可以设为从开始解开动作起每经过预定时间的定时，也可以设为上下移动装置30的缸32每进行预定次数的上下移动的定时等。假设该预定定时在从开始解开动作起到结束解开动作为止多次产生。控制装置70若在S110中判定为成为了预定定时，则通过将编号n增加值1而更新编号n(S115)，在解开动作的执行期间利用相机53拍摄编号n的图像即图像n(S120)。另外，在解开动作的执行期间拍摄图像n是指在不中断缸32的连续的上下移动的情况下拍摄图像n。因此，因为在工件W由于振动而向各种方向跳跃的状态下拍摄图像n，所以成为各工件W抖动的状态的图像。

接着，控制装置70对图像n进行处理来运算区域面积A(n)和重心G(n)(S125)，并且判定工件W是否充分分离(扩散)成了拾取机器人50能够拾取的程度(S130)。另外，S125的处理除了使用工件W抖动的图像n这一点以外，与解开动作开始时处理的S210相同地进行。另外，即使是工件W抖动的图像n，也能够检测工件W的块团与输送带22的上表面部22a的大体的交界，因此能够检测工件W的区域的外缘并运算区域面积A(n)和重心G(n)。另外，控制装置70在由于能够从处理后的图像n识别一些各个工件W而成为了拾取机器人50能够拾取的状态的情况下，在S130中判定为工件W已充分分离。或者，控制装置70例如基于工件W的规格、其数量等而预测成为工件W充分分离的状态的区域面积Ae，在S125中运算出的工件W的区域面积A(n)成为了区域面积Ae以上的情况下，判定为工件W已充分分离。

控制装置70当在S130中判定为工件W未充分分离时，分别运算作为评价值的差值ΔA及差值ΔG并进行分离状态的评价(S135)。在此，差值ΔA作为区域面积A(n)与基准的区域面积的面积差来运算。另外，差值ΔG作为重心G(n)与基准的重心的距离差来运算。

图9是示出差值ΔA、ΔG的运算方法的一例的说明图。在图9A所示的方法中，使用在解开动作开始时处理中拍摄到的图像1的区域面积A(1)和重心G(1)作为基准来运算差值ΔA(A(n)-A(1))、差值ΔG(G(n)-G(1))。在该方法中，由于在解开动作开始前拍摄，所以能够与工件W处于静止而没有抖动的清晰的图像1进行比较来高精度地运算差值ΔA、ΔG。另外，因为存在随着解开动作时间变长而差值ΔA、ΔG显著出现的情况，所以评价容易进行而能够更适当地进行学习。在图9B所示的方法中，使用在拍摄图像n的预定定时的前一个预定定时下拍摄到的图像(n-1)的区域面积A(n-1)和重心G(n-1)作为基准来运算差值ΔA(A(n)-A(n-1))、差值ΔG(G(n)-G(n-1))。在该方法中，即使在后述的处理中在解开动作期间变更了参数的情况等下也能够进行评价。即，控制装置70能够一边继续解开动作一边变更参数而进行评价，所以能够在不中断解开动作的情况下适当地进行参数的学习。另外，例如可以基于由输入装置80的操作实现的操作员的指定来选择图9A、图9B所示的方法的任一者，也可以伴随于后述的参数的变更而从图9A所示的方法变更为图9B所示的方法。

另外，图10是示出区域面积A、重心G的一例的说明图。在图10中，将作为在图9A所示的方法中使用的基准的区域面积A(1)、重心G(1)用实线示出，将图像n的区域面积A(n)和重心G(n)用虚线示出。在图10A中，示出重心G几乎不变而区域面积A变大从而差值ΔG较小且差值ΔA较大的状态。这样的状态是工件W以不从拾取区A2大幅偏离的方式被解开而逐渐分离的状态，因此评价较高。另外，在图10B中，示出区域面积A几乎不变而重心G移动从而差值ΔA较小且差值ΔG较大的状态。在这样的状态下，工件W的块团整体不被分解而整体上工件W的位置偏移，因此评价较低。这样，即使在解开动作期间拍摄而使用工件W抖动的图像n，也能够通过简易的处理来检测工件W的块团的区域并进行分离状态的评价。另外，虽然图示省略，但若重心G移动且区域面积A变大，则能够评价为工件W的块团已被解开，因此与图10B相比评价高。

控制装置70通过学习对于当前的参数的这样的评价结果来更新学习模型71(S140)，判定是否需要变更为更适当的参数(S145)。控制装置70基于是否能够从更新后的学习模型71选择相对于当前的工件W更适当的参数来进行S145的判定。控制装置70若判定为需要参数的变更，则变更为更适当的参数并继续解开动作(S150)，并返回S110。另一方面，控制装置70若因对于当前的参数的分离状态的评价比较较高等而判定为不需要参数的变更，则保持当前的参数不变地继续解开动作(S155)，并返回S110。控制装置70若在执行这样的处理的期间在S130中判定为工件W已充分分离，则通过使上下移动装置30的缸32的驱动停止而结束解开动作(S160)，并返回S100。

在此，明确记载本实施方式的构成要素与本公开的构成要素的对应关系。本实施方式的上下移动装置30的缸32相当于致动器，图7的解开动作控制例程的S120相当于动作期间拍摄步骤，该处理的S125、S135相当于评价步骤，该处理的S140相当于学习步骤。图7的解开动作开始时处理的S205相当于动作前拍摄步骤，该处理的S210相当于取得步骤。另外，作业系统10相当于作业系统，拾取机器人50相当于机器人，相机53相当于拍摄装置，执行解开动作控制例程的S120的拍摄处理部72相当于拍摄处理部，执行该处理的S125、S135的评价处理部73相当于评价处理部，执行该处理的S140的学习处理部74相当于学习处理部。

在以上说明的本实施方式的参数的学习方法中，对在多个工件W的解开动作期间拍摄到的图像n进行处理来评价多个工件W的分离状态，学习该评价结果与执行中的解开动作中的参数之间的关系。因此，无需为了学习而上下移动装置30中断解开动作，因此能够在不降低解开动作的作业效率的情况下适当地进行学习。

另外，因为对在解开动作开始前拍摄到的图像1进行处理来取得多个工件W的散装状态，以该散装状态为基准来评价工件W的分离状态，所以能够高精度地取得评价值而更合适地进行学习。另外，因为对在解开动作中的每个预定的定时拍摄到的图像n以前一个图像(n-1)为基准来评价工件W的分离状态，所以即使在解开动作期间参数发生了变更的情况下，也能够在不中断解开动作的情况下取得评价值并进行学习。

另外，因为使用由工件W的区域的外缘包围的区域面积A(n)来评价分离状态，所以即使在无法得到清晰的图像的情况下，也能够通过简易的处理来适当地评价分离状态。另外，因为使用区域面积A(n)及其重心G(n)来评价分离状态，所以能够进一步适当地评价分离状态。

另外，本公开丝毫不限定于上述实施方式，只要属于本公开的技术范围，就能够以各种方案来实施，这是不言而喻的。

例如，在上述实施方式中，设为使用区域面积A(n)和重心G(n)来进行评价，但不限于此，也可以设为仅使用区域面积A(n)，还可以设为使用其他评价值。例如，由于在散装状态逐渐被解开的期间工件W的块团的高度也逐渐减小，所以也可以设为根据从侧方拍摄到的图像来检测工件W的块团的高度并使用该高度作为评价值等。

在上述实施方式中，作为评价时的基准，设为使用图像1中的工件W的散装状态和前一个图像n中的工件W的分离状态，但不限于此，作为基准而使用的也可以仅设为任一方。或者，也可以设为使用在参数的即将变更之前拍摄到的图像n和在参数的刚变更后拍摄到的图像n中的工件W的分离状态作为基准等。

在上述实施方式中，工件输送装置20设为针对每个输送通道21具备上下移动装置30，但也可以设为利用一个上下移动装置30在多个输送通道21的上表面部22a总括地上下移动。在该情况下，工件输送装置20也可以设为具备以跨及多个输送通道21的方式形成有开口部的支撑板。

在上述实施方式中，工件输送装置20设为具备在输送带22(上表面部22a)的拾取区A2上下移动的上下移动装置30，但也可以配置在供给区A1或其他区域上下移动的上下移动装置30。

在上述实施方式中，作为解开工件W的散装状态的致动器而例示了上下移动装置30的缸32，但不限于此。例如也可以利用使毛刷这样的平整部件在X轴方向或Y轴方向上往复移动的致动器来解开工件W。即使在该情况下，通过在平整部材移动到往路端位置、返路端位置时等拍摄图像n，也能够在不中断致动器的往复移动的情况下评价工件W的分离状态并进行学习。另外，作为参数，可举出将平整部件抵靠于工件W的角度和往复移动的速度等。另外，例如也可以是，能够作为拾取机器人50的末端执行器52而安装平整部件，使拾取机器人50执行解开动作(平整动作)。在这样的情况下，设为学习用于控制作为拾取机器人50的致动器的驱动电动机54的参数即可。这样，也可以设为通过预定的工作而解开工件的致动器包含于拾取工件并进行预定作业的机器人等。

在此，本公开的计算机对参数的学习方法及作业系统也可以如以下这样构成。例如，在本公开的参数的学习方法中，也可以设为，包含如下的步骤：动作前拍摄步骤，在上述预定动作开始前拍摄上述多个工件；及取得步骤，对在上述动作前拍摄步骤中拍摄到的图像进行处理而取得上述多个工件的散装状态，在上述评价步骤中，使用在上述取得步骤中取得的散装状态作为基准来评价上述分离状态。这样一来，因为能够以在工作的执行开始前拍摄到的比较清晰的图像为基准而高精度地评价分离状态，所以能够更适当地进行学习。

在本公开的参数的学习方法中，也可以设为，在上述动作期间拍摄步骤中，在上述动作期间拍摄步骤中，在上述预定动作的执行期间的每个预定的定时对上述多个工件进行拍摄，在上述评价步骤中，每次在上述动作期间拍摄步骤中拍摄了图像时，使用对在上述动作期间拍摄步骤中拍摄到的前一图像进行处理时的前一上述分离状态作为基准来评价上述分离状态。这样一来，即使在预定动作的执行期间参数产生了变更的情况等下，也能够适当地掌握分离状态的变化，所以能够更适当地进行学习。

在本公开的参数的学习方法中，也可以设为，在上述评价步骤中，对上述图像进行处理而检测上述多个工件所在的区域的外缘并运算上述区域的面积，基于上述面积来评价上述分离状态。这样一来，即使在由于在预定动作的执行期间拍摄图像所以无法得到清晰的图像的情况下，也能够通过简易的处理来适当地评价分离状态。

本公开的作业系统具备：致动器，通过预定动作来解开多个工件的散装状态；机器人，拾取上述工件并进行预定作业；及拍摄装置，拍摄图像，上述作业系统具备：拍摄处理部，在上述预定动作的执行期间利用上述拍摄装置拍摄上述多个工件；评价处理部，对拍摄到的图像进行处理而评价上述多个工件的分离状态；及学习处理部，学习上述评价处理部的评价结果与执行期间的上述预定动作中的上述参数之间的关系。

本公开的作业系统与上述的参数的学习方法相同地，因为能够使用在预定动作的执行期间拍摄到的图像来进行用于控制执行预定动作的致动器的参数的学习，所以无需为了学习而作业装置中断预定动作。因此，能够在不降低用于解开工件的散装状态的作业效率的情况下适当地进行参数的学习。另外，在该作业系统中，也可以追加实现参数的学习方法的各步骤的功能。

产业上的可利用性

本公开能够在作业系统的制造产业等中利用。

附图标记说明

10作业系统，11作业台，12供给盒，16载置台输送装置，20工件输送装置，21输送通道，22输送带，22a上表面部，23a驱动辊，23b从动辊，24a、24b侧壁，28支撑板，28a开口部，29支撑台，30上下移动装置，31抵接体，32缸，38驱动电动机，40供给机器人，41机械手臂，42末端执行器，44驱动电动机，45编码器，50拾取机器人，51机械手臂，52末端执行器，53相机，54驱动电动机，55编码器，70控制装置，70A参数学习部，70B驱动控制部，71学习模型，72拍摄处理部，73评价处理部，74学习处理部，75参数决定部，76驱动部，80输入装置，T载置台。

Claims (4)

1.一种参数的学习方法，是用于控制通过预定动作来解开多个工件的散装状态的致动器的参数的学习方法，

所述参数的学习方法包含如下的步骤：

动作期间拍摄步骤，在所述预定动作的执行期间拍摄所述多个工件；

评价步骤，对在所述动作期间拍摄步骤中拍摄到的图像进行处理而评价所述多个工件的分离状态；

学习步骤，学习所述评价步骤的评价结果与执行期间的所述预定动作中的所述参数之间的关系；

动作前拍摄步骤，在所述预定动作开始前拍摄所述多个工件；及

取得步骤，对在所述动作前拍摄步骤中拍摄到的图像进行处理而取得所述多个工件的散装状态，

在所述评价步骤中，使用在所述取得步骤中取得的散装状态作为基准来评价所述分离状态。

2.根据权利要求1所述的参数的学习方法，其中，

在所述动作期间拍摄步骤中，在所述预定动作的执行期间的每个预定的定时对所述多个工件进行拍摄，

在所述评价步骤中，每次在所述动作期间拍摄步骤中拍摄了图像时，使用对在所述动作期间拍摄步骤中拍摄到的前一图像进行处理时的前一所述分离状态作为基准来评价所述分离状态。

3.根据权利要求1或2所述的参数的学习方法，其中，

在所述评价步骤中，对所述图像进行处理而检测所述多个工件所在的区域的外缘并运算所述区域的面积，基于所述面积来评价所述分离状态。

4.一种作业系统，具备：致动器，通过预定动作来解开多个工件的散装状态；机器人，拾取所述工件并进行预定作业；及拍摄装置，拍摄图像，

所述作业系统具备：

拍摄处理部，在所述预定动作的执行期间利用所述拍摄装置拍摄所述多个工件；

评价处理部，对拍摄到的图像进行处理而评价所述多个工件的分离状态；及

学习处理部，学习所述评价处理部的评价结果与执行期间的所述预定动作中的参数之间的关系，

所述评价处理部对所述拍摄处理部在所述预定动作开始前拍摄所述多个工件而得到的图像进行处理而取得所述多个工件的散装状态，并使用取得的散装状态作为基准来评价所述分离状态。

Images