[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

JP2024030883A - プレス機械及びプレス機械の画像監視方法 - Google Patents

プレス機械及びプレス機械の画像監視方法 Download PDF

Info

Publication number
JP2024030883A
JP2024030883A JP2022134088A JP2022134088A JP2024030883A JP 2024030883 A JP2024030883 A JP 2024030883A JP 2022134088 A JP2022134088 A JP 2022134088A JP 2022134088 A JP2022134088 A JP 2022134088A JP 2024030883 A JP2024030883 A JP 2024030883A
Authority
JP
Japan
Prior art keywords
image
monitoring
monitoring target
press machine
area
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2022134088A
Other languages
English (en)
Inventor
康宏 原田
Yasuhiro Harada
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Aida Engineering Ltd
Original Assignee
Aida Engineering Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Aida Engineering Ltd filed Critical Aida Engineering Ltd
Priority to JP2022134088A priority Critical patent/JP2024030883A/ja
Priority to US18/343,017 priority patent/US20240066825A1/en
Priority to EP23186110.5A priority patent/EP4335635A1/en
Priority to CN202310931973.6A priority patent/CN117640879A/zh
Publication of JP2024030883A publication Critical patent/JP2024030883A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B30—PRESSES
    • B30B—PRESSES IN GENERAL
    • B30B15/00—Details of, or accessories for, presses; Auxiliary measures in connection with pressing
    • B30B15/14—Control arrangements for mechanically-driven presses
    • B30B15/148—Electrical control arrangements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B30—PRESSES
    • B30B—PRESSES IN GENERAL
    • B30B1/00—Presses, using a press ram, characterised by the features of the drive therefor, pressure being transmitted directly, or through simple thrust or tension members only, to the press ram or platen
    • B30B1/26—Presses, using a press ram, characterised by the features of the drive therefor, pressure being transmitted directly, or through simple thrust or tension members only, to the press ram or platen by cams, eccentrics, or cranks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B30—PRESSES
    • B30B—PRESSES IN GENERAL
    • B30B15/00—Details of, or accessories for, presses; Auxiliary measures in connection with pressing
    • B30B15/26—Programme control arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B30—PRESSES
    • B30B—PRESSES IN GENERAL
    • B30B15/00—Details of, or accessories for, presses; Auxiliary measures in connection with pressing
    • B30B15/28—Arrangements for preventing distortion of, or damage to, presses or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/06—Recognition of objects for industrial automation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Mechanical Engineering (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)
  • Control Of Presses (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Presses And Accessory Devices Thereof (AREA)

Abstract

Figure 2024030883000001
【課題】画像データのみで画像監視を行うことが可能なプレス機械等を提供すること。
【解決手段】プレス機械は、プレスダイエリアを撮像可能な位置に配置された撮像部で撮像された動画像データを記憶する記憶部と、動画像データを構成する静止画像群から、画像中のスライドの位置又は被加工材料の状態を基準として、監視対象画像を抽出する画像抽出部と、監視対象画像に基づいて画像監視を行い、監視結果を出力する画像監視部とを含む。
【選択図】図１

Description

本発明は、プレス機械及びプレス機械の画像監視方法に関する。
プレスでの画像監視例として、特許文献１には、測距装置で生成された距離データに基づいて、注視物体を撮像画像から切り出した注視画像を生成し、ユーザが利用可能な機器に出力する発明が開示されている。また、特許文献２には、射出成形機において、金型が型開されたタイミングや成形品が取り出されたタイミングで撮影し基準画像と比較する発明が開示されている。
特表２０２２－５１１５５号公報 特開２０２１－４１４５４号公報
特許文献１に記載の発明は、撮像装置だけでは外乱が多いため測距装置を組み合わせるものであり、撮像画像だけで監視を行うものではない。また、特許文献２に記載の発明も、射出成形機の型開を実行するコントローラの情報に基づいて撮影を実行するものであり、撮影画像だけで監視を行うものではない。
本発明は、以上のような課題に鑑みてなされたものであり、その目的とするところは、画像データのみで画像監視を行うことが可能なプレス機械及びプレス機械の画像監視方法を提供することにある。
（１）本発明に係るプレス機械は、モータの回転をスライドの往復直線運動に変換して被加工材料に対してプレス加工を行うプレス機械であって、プレスエリアを撮像可能な位置に配置された撮像部で撮像された動画像データを記憶する記憶部と、前記動画像データを構成する静止画像群から、画像中の前記スライドの位置又は前記被加工材料の状態を基準として、監視対象画像を抽出する画像抽出部と、前記監視対象画像に基づいて画像監視を行い、監視結果を出力する画像監視部とを含むことを特徴とするプレス機械である。
また本発明に係るプレス機械の画像監視方法は、モータの回転をスライドの往復直線運動に変換して被加工材料に対してプレス加工を行うプレス機械の画像監視方法であって、プレスエリアを撮像可能な位置に配置された撮像部で撮像された動画像データを記憶する記憶ステップと、前記動画像データを構成する静止画像群から、画像中の前記スライドの位置又は前記被加工材料の状態を基準として、監視対象画像を抽出する画像抽出ステップと、前記監視対象画像に基づいて画像監視を行い、監視結果を出力する画像監視ステップとを含むことを特徴とするプレス機械の画像監視方法である。
本発明によれば、動画像データを構成する静止画像群から画像中のスライドの位置や被加工材料の状態を基準として監視対象画像を抽出するため、画像データのみで（コントローラの情報を用いずに）プレス生産中の各サイクルにおける同一タイミングの画像を抽出して画像監視を行うことができる。
（２）本発明に係るプレス機械では、前記画像抽出部は、前記静止画像群から、前記スライドの位置が同一の静止画像を前記監視対象画像として抽出してもよい。
本発明に係るプレス機械の画像監視方法では、前記画像抽出ステップでは、前記静止画像群から、前記スライドの位置が同一の静止画像を前記監視対象画像として抽出してもよい。
（３）本発明に係るプレス機械では、前記画像抽出部は、前記静止画像群から、前記被加工材料が静止したタイミングの画像を前記監視対象画像として抽出してもよい。
本発明に係るプレス機械の画像監視方法では、前記画像抽出ステップでは、前記静止画像群から、前記被加工材料が静止したタイミングの画像を前記監視対象画像として抽出してもよい。
（４）本発明に係るプレス機械では、前記画像監視部は、前記監視対象画像のうち前記被加工材料が加工される領域に対応する監視対象領域を設定し、前記監視対象領域の画像監視を行ってもよい。
本発明に係るプレス機械の画像監視方法では、前記画像監視ステップでは、前記監視対象画像のうち前記被加工材料が加工される領域に対応する監視対象領域を設定し、前記監視対象領域の画像監視を行ってもよい。
本発明によれば、監視対象画像のうちの一部の領域（監視対象領域）について画像監視を行うことで、画像監視に係る処理負荷を軽減することができる。
（５）本発明に係るプレス機械では、前記画像監視部は、前記被加工材料がある状態で撮像された前記動画像データの前記静止画像群から抽出された前記監視対象画像を、前記被加工材料のない状態で撮像された前記動画像データの前記静止画像群から抽出された前記監視対象画像と比較することで、前記監視対象領域を設定してもよい。
本発明に係るプレス機械の画像監視方法では、前記画像監視ステップでは、前記被加工材料がある状態で撮像された前記動画像データの前記静止画像群から抽出された前記監視対象画像を、前記被加工材料のない状態で撮像された前記動画像データの前記静止画像群から抽出された前記監視対象画像と比較することで、前記監視対象領域を設定してもよい。
本発明によれば、被加工材料が加工される領域である監視対象領域を自動で設定することができる。
（６）本発明に係るプレス機械では、前記画像監視部は、予め正常運転時に取得した前記監視対象画像を機械学習して生成された学習モデルを用いて、監視時に取得した前記監視対象画像の学習時との類似度を前記監視結果として出力してもよい。
本発明に係るプレス機械の画像監視方法では、前記画像監視ステップでは、予め正常運転時に取得した前記監視対象画像を機械学習して生成された学習モデルを用いて、監視時に取得した前記監視対象画像の学習時との類似度を前記監視結果として出力してもよい。
（７）本発明に係るプレス機械では、前記画像監視部は、予め正常運転時に取得した前記監視対象画像の前後のフレームの静止画像のそれぞれを機械学習して生成された各学習モデルを用いて、監視時に取得した前記監視対象画像の前後のフレームの静止画像の学習
時との類似度を前記監視結果として出力してもよい。
本発明に係るプレス機械の画像監視方法では、前記画像監視ステップでは、予め正常運転時に取得した前記監視対象画像の前後のフレームの静止画像のそれぞれを機械学習して生成された各学習モデルを用いて、監視時に取得した前記監視対象画像の前後のフレームの静止画像の学習時との類似度を前記監視結果として出力してもよい。
本実施形態に係るプレス機械の構成の一例を示す図。 監視装置の処理の流れを示すフローチャート。 静止画像群の中から選択された監視対象画像の一例を示す図。 監視対象領域の設定例を示す図。 監視結果の表示例を示す図。 基準監視領域の設定例を示す図。 被加工材料の状態を基準として監視対象画像を抽出する場合の監視結果の表示例を示す図。 監視対象画像の前後のフレームの静止画像を用いて学習・監視を行う場合の監視結果の表示例を示す図。
以下、本発明の実施の形態について図面を参照しながら詳細に説明する。
図１は、本実施形態に係るプレス機械（サーボプレス機械）の構成の一例を示す図である。プレス機械１は、回転運動を直線運動に変換する偏心機構によってサーボモータ１０の回転をスライド１７の上下往復運動（往復直線運動、昇降運動）に変換し、スライド１７の上下往復運動を利用して被加工材料に対してプレス加工を施す。プレス機械１は、サーボモータ１０、エンコーダ１１、ドライブシャフト１２、ドライブギア１３、メインギア１４、クランクシャフト１５、コネクティングロッド１６、スライド１７、ボルスタ１８、撮像部２２、制御装置３０、監視装置１００、ユーザーインターフェース１１０（操作部）、ディスプレイ１２０（表示部）、記憶部１３０を有する。プレス機械はサーボプレス機械に限らず、例えば、フライホイールを用いたメカプレスでもよいし、ボールねじを用いた直動式プレスでもよい。この場合、エンコーダはクランクシャフト１５の軸端やボールねじの軸端に設けてもよい。
サーボモータ１０の回転軸にはドライブシャフト１２が接続され、ドライブシャフト１２にはドライブギア１３が接続される。ドライブギア１３にはメインギア１４が噛み合わされ、メインギア１４にはクランクシャフト１５が接続され、クランクシャフト１５にはコネクティングロッド１６が接続される。ドライブシャフト１２やクランクシャフト１５等の回転軸は適宜設けられた軸受け（図示せず）によって支持される。クランクシャフト１５とコネクティングロッド１６とで偏心機構が形成される。この偏心機構によって、コネクティングロッド１６に接続されたスライド１７は、静止側のボルスタ１８に対して昇降可能になる。スライド１７には１つ又は複数の上金型２０が装着され、ボルスタ１８には１つ又は複数の下金型２１が装着される。
撮像部２２は、光学レンズとＣＣＤ／ＣＭＯＳイメージセンサ等から構成される動画撮影可能なデジタルカメラであり、プレスエリア（加工領域）を撮像可能な位置に配置されている。撮像部２２で撮像された動画像は、監視装置１００に出力され、動画像データとして記憶部１３０に記憶される。
制御装置３０は、記憶部に記憶された所定のスライドモーションに基づいてスライド１
７の昇降運動を制御する。制御装置３０は、一例としてＰＬＣやサーボコントローラ・サーボアンプなどの制御機器で構成される。より詳細には、制御装置３０は、スライドモーションで規定されるスライド１７の位置や速度の指令からモータ回転位置指令値を演算し、回転位置指令に基づいて、サーボモータ１０の回転位置、回転速度及び電流の制御を行う。サーボモータ１０の回転位置はサーボモータ１０に取り付けられたエンコーダ１１で検出される。
また、制御装置３０は、被加工材料を次工程に搬送する搬送装置（図示省略）の動作を制御する。搬送装置は、例えばトランスファフィーダであり、サーボモータ（図示省略）によって駆動される一対のトランスファバー（図示省略）を備える。トランスファバーには、被加工材料をクランプするためのフィンガー（図示省略）が設けられている。トランスファバーは、サーボモータにより、クランプ動作（Ｙ軸方向に移動してフィンガーを被加工材料に装着させる動作）、リフト動作（Ｚ軸方向の上昇動作）、アドバンス動作（Ｘ軸方向の往路移動動作）、ダウン動作（Ｚ軸方向の下降動作）、アンクランプ動作（Ｙ軸方向に移動してフィンガーを被加工材料から離脱させる動作）、リターン動作（Ｘ軸方向の復路移動動作）を行う。トランスファバーは、クランプ動作とリフト動作、リフト動作とアドバンス動作、アドバンス動作とダウン動作、ダウン動作とアンクランプ動作、アンクランプ動作とリターン動作、及び、リターン動作とクランプ動作を、それぞれ一部重複（オーバーラップ）させつつ動作するようにしてもよい。なお、搬送装置は、シート状の被加工材料を次工程に送り出すロールフィーダ（送り装置）であってもよい。制御装置３０は、マスター位相信号に同期されたプレス用個別位相信号に基づきスライド１７の動作を制御しつつ、マスター位相信号に同期されたトランスファ用個別位相信号に基づきトランスファフィーダの動作を制御する。すなわち、トランスファフィーダは、スライド１７の動作に同期して動作する。
監視装置１００の一例としては、プロセッサを備えた産業用ＰＣ（ＩＰＣ：Industrial
PC）やマイクロコンピュータとＩＣ等で構成された制御基板などであって、画像抽出部１０１と、画像監視部１０２を含む。画像抽出部１０１は、記憶部１３０に記憶された動画像データを構成する静止画像群（コマ送り画像）から、画像中のスライド１７の位置又は被加工材料の状態を基準として、監視対象画像を抽出する。画像抽出部１０１は、静止画像群から、スライド１７の位置が同一の静止画像を監視対象画像として抽出してもよいし、静止画像群から、被加工材料が静止したタイミングで撮影された静止画像を監視対象画像として抽出してもよい。
画像監視部１０２は、監視対象画像に基づいて画像監視を行い、監視結果（監視結果を表す画像等）をディスプレイ１２０に出力する。例えば、画像監視部１０２は、予め正常運転時に取得（撮像）した動画像データを構成する静止画像群から抽出した監視対象画像を機械学習して生成された学習モデルを用いて、監視時に取得した動画像データを構成する静止画像群から抽出した監視対象画像の学習時（正常運転時）との類似度を監視結果として出力する。また、画像監視部１０２は、監視対象画像のうち被加工材料が加工される領域に対応する監視対象領域を設定し、設定した監視対象領域の画像監視を行ってもよい。
図２は、監視装置１００の処理の流れを示すフローチャートである。生産運転の開始後、監視装置１００は、撮像部２２によって撮像され記憶部１３０に記憶される動画像データ（学習用の動画像データ）を取得する（ステップＳ１０）。次に、監視装置１００は、取得した動画像データを構成する静止画像群の一部をディスプレイ１２０に表示させる（ステップＳ１１）。ここでは、少なくとも１サイクル分の静止画像群を表示する。１サイクル分の静止画像群とは、クランクが一回転する間（スライドが一往復する間）に撮像された静止画像群である。次に、監視装置１００は、ディスプレイ１２０に表示された静止
画像群の中から１つの静止画像を選択する操作（ユーザによるユーザーインターフェース１１０に対する操作）を受け付け、当該操作で選択された静止画像を監視対象画像として設定する（ステップＳ１２）。
図３に、静止画像群ＳＩの中から選択された監視対象画像ＭＩの一例を示す。ここでは、撮像部２２が、プレスエリア内の３つの加工領域をプレス後側の斜め上方から撮影可能な位置に配置された場合の例を示している。監視対象画像ＭＩには、スライド１７と、第１の加工領域にある上金型２０ａ及び下金型２１ａと、第２の加工領域にある上金型２０ｂ及び下金型２１ｂと、第３の加工領域にある上金型２０ｃ及び下金型２１ｃと、第１～第３の加工領域のそれぞれで加工される材料Ｍが写されている。また、監視対象画像ＭＩには、搬送装置であるトランスファフィーダを構成する一対のトランスファバー４０と、トランスファバー４０に設けられたフィンガー４１ａ，４１ｂ，４１ｃが写されている。加工前において円盤状をなす材料Ｍは、上流側からフィンガー４１ａによって第１の加工領域に搬送され、上金型２０ａ及び下金型２１ａによる加工後に、フィンガー４１ｂによって第２の加工領域に搬送され、上金型２０ｂ及び下金型２１ｂによる加工後に、フィンガー４１ｃによって第３の加工領域に搬送され、上金型２０ｃ及び下金型２１ｃによる加工後に図示しないフィンガーによって下流側に搬送される。この例では、静止画像群ＳＩの中から、スライド１７の下降中であってトランスファフィーダによる搬送が完了した（ダウン動作が終了して材料Ｍが下金型上に置かれ、アンクランプ動作によりフィンガーが材料Ｍから離れた）タイミングで撮像された静止画像が監視対象画像ＭＩとして選択されている。
次に、監視装置１００は、監視対象画像において１つ又は複数の監視対象領域を指定する操作（ユーザによるユーザーインターフェース１１０に対する操作）を受け付け、当該操作で指定された領域を監視対象領域として設定する（ステップＳ１３）。ユーザは、監視対象領域の個数とそれぞれの監視対象領域の位置や大きさを任意に指定することができる。図４に示す例では、監視対象画像ＭＩにおいて、第１の加工領域（下金型２１ａ上の材料Ｍを含む領域）が監視対象領域ＭＡ１として設定され、第２の加工領域（下金型２１ｂ上の材料Ｍを含む領域）が監視対象領域ＭＡ２として設定され、第３の加工領域（下金型２１ｃ上の材料Ｍを含む領域）が監視対象領域ＭＡ３として設定されている。
監視装置１００は、ステップＳ１２で設定した監視対象画像ＭＩ中のスライド１７の位置を検出して記憶部１３０に記憶させる。例えば、監視対象画像ＭＩ左端におけるスライド下端の位置（スライド位置ＳＰ）を検出し、その座標を監視対象画像ＭＩのスライド位置として記憶部１３０に記憶させる。スライド１７は特定の色で塗装されているため、スライド塗装色と背景との境界を検出することでスライド位置ＳＰを検出することができる。また、監視対象画像ＭＩの前後のフレームの静止画像におけるスライド位置からスライド１７の移動方向を判定し、判定結果を監視対象画像ＭＩのスライド移動方向として記憶部１３０に記憶させる。監視対象画像ＭＩの前のフレームの静止画像におけるスライド位置が監視対象画像ＭＩにおけるスライド位置ＳＰよりも上方にあり監視対象画像ＭＩの後のフレームの静止画像におけるスライド位置が監視対象画像ＭＩにおけるスライド位置ＳＰよりも下方にあれば、スライド移動方向が下方向（下降中）と判定でき、また、監視対象画像ＭＩの前のフレームの静止画像におけるスライド位置が監視対象画像ＭＩにおけるスライド位置ＳＰよりも下方にあり監視対象画像ＭＩの後のフレームの静止画像におけるスライド位置が監視対象画像ＭＩにおけるスライド位置ＳＰよりも上方にあれば、スライド移動方向が上方向（上昇中）と判定できる。これらスライド位置ＳＰとスライド移動方向は、学習・監視時に監視対象画像を抽出する際の基準となる。
また、監視装置１００は、ステップＳ１３で設定した各監視対象領域の座標を記憶部１３０に記憶させる。ここで、監視対象画像ＭＩにおける監視対象領域の設定をユーザの操
作に依らず自動で行うようにしてもよい。例えば、監視対象画像ＭＩを設定した後、被加工材料を搬送しない空打ちの運転を行い、そのときに撮像された動画像データを構成する静止画像群から、監視対象画像ＭＩとスライド位置及びスライド移動方向が同一の静止画像を抽出し、抽出した静止画像（被加工材料がない状態で撮像された動画像データの静止画像群から抽出された監視対象画像）と監視対象画像ＭＩ（被加工材料がある状態で撮像された動画像データの静止画像群から抽出された監視対象画像）とを比較する。抽出した静止画像と監視対象画像ＭＩの両者で違いがある（相違度が所定の閾値以上である、類似度が所定の閾値以下である）領域が、材料が置かれる領域（加工領域）となるため、当該領域を監視対象領域として設定することができる。
次に、画像抽出部１０１は、学習用の動画像データを構成する静止画像群の各静止画像それぞれにおけるスライド位置とスライド移動方向を検出して、当該静止画像群から、ステップＳ１２で設定された監視対象画像ＭＩとスライド位置及びスライド移動方向が同一の静止画像を学習用の監視対象画像として抽出する（ステップＳ１４）。図３に示す監視対象画像の設定の例では、スライド１７が下降中であってトランスファフィーダによる搬送が完了したタイミングの各サイクルの静止画像が学習用の監視対象画像として抽出される。
次に、監視装置１００は、ステップＳ１４で抽出された監視対象画像における各監視対象領域を機械学習して監視対象領域ごとに学習モデルを生成し、各学習モデルを記憶部１３０に記憶させる（ステップＳ１５）。図４に示す監視対象領域の設定の例では、抽出された学習用の各監視対象画像における監視対象領域ＭＡ１を機械学習して第１の学習モデルを生成し、抽出された各監視対象画像における監視対象領域ＭＡ２を機械学習して第２の学習モデルを生成し、抽出された各監視対象画像における監視対象領域ＭＡ３を機械学習して第３の学習モデルを生成する。機械学習のアルゴリズムとしては、ニューラルネットワークやディープラーニング等のＡＩ技術を用いることができる。この学習モデルは、例えば、入力される画像が学習用の監視対象画像の監視対象領域と同じである（類似度が高い）ほど１００に近い値を出力し、入力される画像が学習用の監視対象画像と異なっている（類似度が低い）ほど０に近い値を出力するように設計される。
次に、監視装置１００は、撮像部２２によって撮像され記憶部１３０に記憶される動画像データ（監視用の動画像データ）を順次取得し（ステップＳ１６）、画像抽出部１０１は、取得した動画像データを構成する静止画像群の各静止画像それぞれにおけるスライド位置とスライド移動方向を検出して、当該静止画像群から、ステップＳ１２で設定された監視対象画像とスライド位置及びスライド移動方向が同一の静止画像を監視用の監視対象画像として抽出する（ステップＳ１７）。トランスファフィーダはスライド１７の動作に同期して動作するため、トランスファフィーダによる搬送や、被加工材料や金型の状態に問題がなければ、抽出した監視対象画像は、学習用の監視対象画像と同じ画像になるはずである。なお、ステップＳ１７では、監視用画像を抽出した回数（累計数）をカウントし、当該回数を、抽出した監視対象画像に関連付けて生産数として記憶しておく。
次に、画像監視部１０２は、ステップＳ１７で抽出された監視対象画像における各監視対象領域を各監視対象領域に対応する学習済みの学習モデルに入力して、各監視対象領域の学習時との類似度を監視結果としてディスプレイ１２０に出力する（ステップＳ１８）。図４に示す監視対象領域の設定の例では、抽出された監視用の監視対象画像における監視対象領域ＭＡ１を第１の学習モデルに入力して監視対象領域ＭＡ１の学習時との類似度を出力し、抽出された監視対象画像における監視対象領域ＭＡ２を第２の学習モデルに入力して監視対象領域ＭＡ２の学習時との類似度を出力し、抽出された監視対象画像における監視対象領域ＭＡ３を第３の学習モデルに入力して監視対象領域ＭＡ３の学習時との類似度を出力する。抽出した監視対象画像の監視結果（各監視対象領域の類似度）は、当該
監視対象画像に関連付けられた生産数とともに出力される。
次に、監視装置１００は、監視を継続するか否かを判断し（ステップＳ１９）、監視を継続する場合（ステップＳ１９のＹ）には、ステップＳ１６に移行し、以降、各サイクルの監視対象画像の抽出と監視結果の出力を、監視を終了するまで繰り返す。なお、ステップＳ１９では、監視結果の精度が十分に確保されているか否かを判断し、この判断が否である場合に、ステップＳ１１に移行して、監視対象画像の再設定（再選択）を行えるようにしてもよい。例えば、各監視対象領域の学習時との類似度がいずれも所定の閾値以下である場合に、監視結果の精度が確保されていないと判断してもよい。
図５に、監視結果の表示例を示す。図５に示す例では、ディスプレイ１２０に、製品名、生産数（監視対象画像の抽出回数）、監視対象領域（監視箇所）の設定状況が表示され、監視結果として、監視対象領域ＭＡ１～ＭＡ３それぞれの学習時との類似度が表示されている。この例では、監視対象領域ＭＡ１の学習時との類似度が低いことを示しており、第１の加工領域（フィンガー４１ａによる搬送や、下金型２１ａ上の被加工材料の状態或いは下金型２１ａの状態のいずれか）に問題があることを示唆している。なお、図５に示すように、各監視対象領域の学習時との類似度をリアルタイムに表示することに代えて、直近の所定サイクル数（生産数）分の類似度の平均値（或いは、最大値や最小値）を表示するようにしてもよいし、監視開始時から現在までの各サイクルの類似度の時間的な変化を表すグラフを表示するようにしてもよい。
本実施形態によれば、プレスエリアを撮影した動画像データを構成する静止画像群から画像中のスライド位置（及び、スライド移動方向）を基準として監視対象画像を抽出することで、画像データのみで（制御装置３０の情報を用いずに）、生産運転中の各サイクルにおける同一タイミングの画像を抽出して画像監視を行う（学習時との類似度を出力する）ことができる。これにより、材料／製品のミスフィードの検出や、材料のヒビ・ワレ、金型のキズ・ピン折れ等の検出が可能となる。また、ミスフィード検出に使用していたセンサが不要になる、搬送の安定度が類似度として数値化されることでフィンガー調整や送り範囲の見直し機会を提供できる、製品確認作業を簡易化できる、金型メンテナンスの必要性がプレスを停止させなくても分かるようになる等、多大なメリットをもたらす。また、プレスの角度信号や生産数カウンタの信号を制御装置３０から入力する必要がないため、監視装置１００を制御装置３０と制御的に独立した装置とすることができ、既存のプレスに監視装置１００を後付けして構成することが容易となる。また、本実施形態によれば、監視対象画像のうちの一部の領域を監視対象領域として設定して学習・監視を行うことで、監視対象画像全体について学習・監視を行う場合に比べて処理負荷を軽減することができる。
上記例では、学習・監視時において、動画像データを構成する静止画像群から、スライド位置を基準として、スライド位置が同一の静止画像を監視対象画像として抽出する場合について説明したが、動画像データを構成する静止画像群から、画像中の被加工材料の状態を基準として、被加工材料が静止したタイミングの静止画像を監視対象画像として抽出するようにしてもよい。被加工材料が静止したタイミングの静止画像とは、トランスファフィーダによる搬送が完了した（ダウン動作が終了して材料が下金型上に置かれ、アンクランプ動作によりフィンガーが材料Ｍから離れた）タイミングで撮像された静止画像である。
図６に示す例では、ユーザによって、静止画像における第１の加工領域が監視対象領域ＭＡ１として設定され、第２の加工領域が監視対象領域ＭＡ２として設定されるとともに、第３の加工領域が基準監視領域ＲＡとして設定されている。基準監視領域ＲＡは、監視対象画像を抽出する際の基準となる領域である。この場合、静止画像群のうち、基準監視
領域ＲＡが次のフレームの静止画像における基準監視領域ＲＡと同じ画像になっている静止画像（第３の加工領域に搬送された材料が静止したタイミングで撮像された静止画像）を監視対象画像として抽出する。例えば、ｎ番目のフレームの静止画像における基準監視領域ＲＡとｎ＋１番目のフレームの静止画像における基準監視領域ＲＡが異なる（類似度が低い）画像であり、ｎ＋１番目のフレームの静止画像における基準監視領域ＲＡとｎ＋２番目のフレームの静止画像における基準監視領域ＲＡが同じ（類似度が高い）画像である場合、ｎ＋１番目のフレームの静止画像を監視対象画像として抽出する。そして、学習時には、学習用に抽出された各監視対象画像における監視対象領域ＭＡ１を機械学習して第１の学習モデルを生成し、抽出された各監視対象画像における監視対象領域ＭＡ２を機械学習して第２の学習モデルを生成するとともに、抽出された各監視対象画像におけるスライド位置（監視対象画像左端におけるスライド下端の位置ＳＰ１と監視対象画像右端或いは上端におけるスライド下端の位置ＳＰ２）を機械学習して第３の学習モデルを生成する。また、監視時には、監視用に抽出された各監視対象画像における監視対象領域ＭＡ１を第１の学習モデルに入力して監視対象領域ＭＡ１の学習時との類似度を出力し、抽出された各監視対象画像における監視対象領域ＭＡ２を第２の学習モデルに入力して監視対象領域ＭＡ２の学習時との類似度を出力するとともに、抽出された各監視対象画像におけるスライド位置ＳＰ１，ＳＰ２を第３の学習モデルに入力してスライド位置ＳＰ１，ＳＰ２の学習時との類似度を出力する。
図７に、被加工材料の状態を基準として監視対象画像を抽出する場合の監視結果の表示例を示す。図７に示す例では、監視結果として、監視対象領域ＭＡ１，ＭＡ２それぞれの学習時との類似度と、スライド位置の学習時との類似度とが表示されている。この例では、監視対象領域ＭＡ２とスライド位置の類似度が高く、監視対象領域ＭＡ１の類似度が低いため、第１の加工領域（フィンガー４１ａによる搬送や、下金型２１ａ上の被加工材料の状態或いは下金型２１ａの状態のいずれか）に問題があることが推察される。なお、スライド位置と監視対象領域ＭＡ１の類似度が高く、監視対象領域ＭＡ２の類似度が低ければ、第２の加工領域（フィンガー４１ｂによる搬送や、下金型２１ｂ上の被加工材料の状態或いは下金型２１ｂの状態のいずれか）に問題があることが推察され、また、監視対象領域ＭＡ１，ＭＡ２とスライド位置のいずれの類似度も低い場合には、第３の加工領域（フィンガー４１ｃによる搬送や、下金型２１ｃ上の被加工材料の状態或いは下金型２１ｃの状態のいずれか）に問題があることが推察される。
また、上記例では、静止画像群から抽出した監視対象画像のみを用いて学習及び画像監視を行う場合について説明したが、静止画像群から抽出した監視対象画像に加えて、当該監視対象画像の前後ｎ（ｎは、自然数）フレームの静止画像を用いて、学習及び画像監視を行うようにしてもよい。例えば、監視対象領域ＭＡ１，ＭＡ２，ＭＡ３が設定された場合、学習用に抽出された監視対象画像における監視対象領域ＭＡ１，ＭＡ２，ＭＡ３それぞれを機械学習して学習モデルＬＭ１，ＬＭ２，ＬＭ３を生成し、当該監視対象画像の前のフレームの静止画像における監視対象領域ＭＡ１，ＭＡ２，ＭＡ３それぞれを機械学習して学習モデルＬＭ１ｐ，ＬＭ２ｐ，ＬＭ３ｐを生成し、当該監視対象画像の後のフレームの静止画像における監視対象領域ＭＡ１，ＭＡ２，ＭＡ３それぞれを機械学習して学習モデルＬＭ１ｎ，ＬＭ２ｎ，ＬＭ３ｎを生成する。そして、監視用に抽出された監視対象画像における監視対象領域ＭＡ１，ＭＡ２，ＭＡ３を学習モデルＬＭ１，ＬＭ２，ＬＭ３に入力して当該監視対象画像における監視対象領域ＭＡ１，ＭＡ２，ＭＡ３の学習時との類似度をそれぞれ出力し、当該監視対象画像の前のフレームの静止画像における監視対象領域ＭＡ１，ＭＡ２，ＭＡ３を学習モデルＬＭ１ｐ，ＬＭ２ｐ，ＬＭ３ｐに入力して当該静止画像における監視対象領域ＭＡ１，ＭＡ２，ＭＡ３の学習時との類似度をそれぞれ出力し、当該監視対象画像の後のフレームの静止画像における監視対象領域ＭＡ１，ＭＡ２，ＭＡ３を学習モデルＬＭ１ｎ，ＬＭ２ｎ，ＬＭ３ｎに入力して当該静止画像における監視対象領域ＭＡ１，ＭＡ２，ＭＡ３の学習時との類似度をそれぞれ出力する。
図８は、監視対象画像の前後ｎフレームの静止画像を用いて学習・画像監視を行う場合の監視結果の一例を示すバブルチャートである。図８の例では、被加工材料が静止したタイミングの静止画像を監視対象画像として抽出しており、３つの監視対象領域（監視箇所）それぞれについて、監視対象画像の学習時との類似度、当該監視対象画像の前のｎフレームの静止画像の学習時との類似度の平均値、当該監視対象画像の後のｎフレームの静止画像の学習時との類似度の平均値を、それぞれ円（類似度が高いほど径が大きくなる円）で示している。この例では、監視対象領域「１」について、監視対象画像の前ｎフレームの画像の類似度が低くなっているため、第１の加工領域での材料の置き方が悪い（材料が揺れながら置かれている等）ことが分かり、トランスファフィーダのアドバンス動作とダウン動作或いはダウン動作とアンクランプ動作のオーバーラップ区間が長い（ラップ量が大きい）など、割付角度の設定が良くないといった問題が推察される。また、監視対象領域「３」について、監視対象画像の後ｎフレームの画像の類似度が低くなっているため、第３の加工領域に材料を置いた後に材料が不安定になっていることが分かり、下金型２１ｃの構造や状態が悪い、フィンガー４１ｃの位置や状態が悪いといった問題が推察される。このように、監視対象画像（被加工材料が静止したタイミングの静止画像）の前後のフレームの静止画像を用いて画像監視を行うことで、搬送を安定化するための具体的な改善策を提供することが可能となる。バブルチャートを直接表示することで推察を促す方法だけでなく、画像監視部１０２でバブルチャートを算出し、「材料の置き方が悪い」などの判定結果を出力する方法でもよい。
また、材料を搬送している状態のプレスエリアを撮像した動画像データから監視対象画像を抽出して材料の画像監視を行うとともに、材料を搬送していない状態のプレスエリアを撮像した動画像データから監視対象画像を抽出して金型の画像監視を行うようにしてもよい。また、上金型を斜め下方から撮像する撮像部を更に設け、当該撮像部で撮像された動画像データから監視対象画像を抽出して上金型の画像監視を行うようにしてもよい。
なお、上記のように本発明の実施の形態について詳細に説明したが、本発明の新規事項及び効果から実体的に逸脱しない多くの変形が可能であることは当業者には容易に理解できよう。
１…プレス機械、１０…サーボモータ、１１…エンコーダ、１２…ドライブシャフト、１３…ドライブギア、１４…メインギア、１５…クランクシャフト、１６…コネクティングロッド、１７…スライド、１８…ボルスタ、２０…上金型、２１…下金型、２２…撮像部、３０…制御装置、１００…監視装置、１０１…画像抽出部、１０２…画像監視部、１１０…ユーザーインターフェース、１２０…ディスプレイ、１３０…記憶部
（１）本発明に係るプレス機械は、モータの回転をスライドの往復直線運動に変換して被加工材料に対してプレス加工を行うプレス機械であって、プレスダイエリアを撮像可能な位置に配置された撮像部で撮像された動画像データを記憶する記憶部と、前記動画像データを構成する静止画像群から、画像中の前記スライドの位置又は前記被加工材料の状態を基準として、監視対象画像を抽出する画像抽出部と、前記監視対象画像に基づいて画像監視を行い、監視結果を出力する画像監視部とを含むことを特徴とするプレス機械である。
また本発明に係るプレス機械の画像監視方法は、モータの回転をスライドの往復直線運動に変換して被加工材料に対してプレス加工を行うプレス機械の画像監視方法であって、プレスダイエリアを撮像可能な位置に配置された撮像部で撮像された動画像データを記憶する記憶ステップと、前記動画像データを構成する静止画像群から、画像中の前記スライドの位置又は前記被加工材料の状態を基準として、監視対象画像を抽出する画像抽出ステップと、前記監視対象画像に基づいて画像監視を行い、監視結果を出力する画像監視ステップとを含むことを特徴とするプレス機械の画像監視方法である。
撮像部２２は、光学レンズとＣＣＤ／ＣＭＯＳイメージセンサ等から構成される動画撮影可能なデジタルカメラであり、プレスダイエリアを撮像可能な位置に配置されている。プレスダイエリアはスライド１７とボルスタ１８の間に設けられた上金型２０と下金型２１が装着される領域であって、動画の撮影対象にはスライド１７やボルスタ１８、上金型２０、下金型２１、被加工材料、搬送装置、加工領域等が含まれる。撮像部２２で撮像された動画像は、監視装置１００に出力され、動画像データとして記憶部１３０に記憶される。
図３に、静止画像群ＳＩの中から選択された監視対象画像ＭＩの一例を示す。ここでは、撮像部２２が、プレスダイエリア内の３つの加工領域をプレス後側の斜め上方から撮影可能な位置に配置された場合の例を示している。監視対象画像ＭＩには、スライド１７と、第１の加工領域にある上金型２０ａ及び下金型２１ａと、第２の加工領域にある上金型２０ｂ及び下金型２１ｂと、第３の加工領域にある上金型２０ｃ及び下金型２１ｃと、第１～第３の加工領域のそれぞれで加工される材料Ｍが写されている。また、監視対象画像ＭＩには、搬送装置であるトランスファフィーダを構成する一対のトランスファバー４０と、トランスファバー４０に設けられたフィンガー４１ａ，４１ｂ，４１ｃが写されている。加工前において円盤状をなす材料Ｍは、上流側からフィンガー４１ａによって第１の加工領域に搬送され、上金型２０ａ及び下金型２１ａによる加工後に、フィンガー４１ｂによって第２の加工領域に搬送され、上金型２０ｂ及び下金型２１ｂによる加工後に、フィンガー４１ｃによって第３の加工領域に搬送され、上金型２０ｃ及び下金型２１ｃによる加工後に図示しないフィンガーによって下流側に搬送される。この例では、静止画像群ＳＩの中から、スライド１７の下降中であってトランスファフィーダによる搬送が完了した（ダウン動作が終了して材料Ｍが下金型上に置かれ、アンクランプ動作によりフィンガーが材料Ｍから離れた）タイミングで撮像された静止画像が監視対象画像ＭＩとして選択されている。
本実施形態によれば、プレスダイエリアを撮影した動画像データを構成する静止画像群から画像中のスライド位置（及び、スライド移動方向）を基準として監視対象画像を抽出することで、画像データのみで（制御装置３０の情報を用いずに）、生産運転中の各サイクルにおける同一タイミングの画像を抽出して画像監視を行う（学習時との類似度を出力する）ことができる。これにより、材料／製品のミスフィードの検出や、材料のヒビ・ワレ、金型のキズ・ピン折れ等の検出が可能となる。また、ミスフィード検出に使用していたセンサが不要になる、搬送の安定度が類似度として数値化されることでフィンガー調整や送り範囲の見直し機会を提供できる、製品確認作業を簡易化できる、金型メンテナンスの必要性がプレスを停止させなくても分かるようになる等、多大なメリットをもたらす。
また、プレスの角度信号や生産数カウンタの信号を制御装置３０から入力する必要がないため、監視装置１００を制御装置３０と制御的に独立した装置とすることができ、既存のプレスに監視装置１００を後付けして構成することが容易となる。また、本実施形態によれば、監視対象画像のうちの一部の領域を監視対象領域として設定して学習・監視を行うことで、監視対象画像全体について学習・監視を行う場合に比べて処理負荷を軽減することができる。
また、材料を搬送している状態のプレスダイエリアを撮像した動画像データから監視対象画像を抽出して材料の画像監視を行うとともに、材料を搬送していない状態のプレスダイエリアを撮像した動画像データから監視対象画像を抽出して金型の画像監視を行うようにしてもよい。また、上金型を斜め下方から撮像する撮像部を更に設け、当該撮像部で撮像された動画像データから監視対象画像を抽出して上金型の画像監視を行うようにしてもよい。

Claims (8)

  1. モータの回転をスライドの往復直線運動に変換して被加工材料に対してプレス加工を行うプレス機械であって、
    プレスエリアを撮像可能な位置に配置された撮像部で撮像された動画像データを記憶する記憶部と、
    前記動画像データを構成する静止画像群から、画像中の前記スライドの位置又は前記被加工材料の状態を基準として、監視対象画像を抽出する画像抽出部と、
    前記監視対象画像に基づいて画像監視を行い、監視結果を出力する画像監視部とを含むことを特徴とする、プレス機械。
  2. 請求項１において、
    前記画像抽出部は、
    前記静止画像群から、前記スライドの位置が同一の静止画像を前記監視対象画像として抽出することを特徴とする、プレス機械。
  3. 請求項１において、
    前記画像抽出部は、
    前記静止画像群から、前記被加工材料が静止したタイミングの静止画像を前記監視対象画像として抽出することを特徴とする、プレス機械。
  4. 請求項１乃至３のいずれか１項において、
    前記画像監視部は、
    前記監視対象画像のうち前記被加工材料が加工される領域に対応する監視対象領域を設定し、前記監視対象領域の画像監視を行うことを特徴とする、プレス機械。
  5. 請求項４において、
    前記画像監視部は、
    前記被加工材料がある状態で撮像された前記動画像データの前記静止画像群から抽出された前記監視対象画像を、前記被加工材料のない状態で撮像された前記動画像データの前記静止画像群から抽出された前記監視対象画像と比較することで、前記監視対象領域を設定することを特徴とする、プレス機械。
  6. 請求項１乃至３のいずれか１項において、
    前記画像監視部は、
    予め正常運転時に取得した前記監視対象画像を機械学習して生成された学習モデルを用いて、監視時に取得した前記監視対象画像の学習時との類似度を前記監視結果として出力することを特徴とする、プレス機械。
  7. 請求項１乃至３のいずれか１項において、
    前記画像監視部は、
    予め正常運転時に取得した前記監視対象画像の前後のフレームの静止画像のそれぞれを機械学習して生成された各学習モデルを用いて、監視時に取得した前記監視対象画像の前後のフレームの静止画像の学習時との類似度を前記監視結果として出力することを特徴とする、プレス機械。
  8. モータの回転をスライドの往復直線運動に変換して被加工材料に対してプレス加工を行うプレス機械の画像監視方法であって、
    プレスエリアを撮像可能な位置に配置された撮像部で撮像された動画像データを記憶する記憶ステップと、
    前記動画像データを構成する静止画像群から、画像中の前記スライドの位置又は前記被加工材料の状態を基準として、監視対象画像を抽出する画像抽出ステップと、
    前記監視対象画像に基づいて画像監視を行い、監視結果を出力する画像監視ステップとを含むことを特徴とする、プレス機械の画像監視方法。
JP2022134088A 2022-08-25 2022-08-25 プレス機械及びプレス機械の画像監視方法 Pending JP2024030883A (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2022134088A JP2024030883A (ja) 2022-08-25 2022-08-25 プレス機械及びプレス機械の画像監視方法
US18/343,017 US20240066825A1 (en) 2022-08-25 2023-06-28 Press machine and method of monitoring image of press machine
EP23186110.5A EP4335635A1 (en) 2022-08-25 2023-07-18 Press machine and method of monitoring image of press machine
CN202310931973.6A CN117640879A (zh) 2022-08-25 2023-07-27 压力机及压力机的图像监视方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2022134088A JP2024030883A (ja) 2022-08-25 2022-08-25 プレス機械及びプレス機械の画像監視方法

Publications (1)

Publication Number Publication Date
JP2024030883A true JP2024030883A (ja) 2024-03-07

Family

ID=87418703

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022134088A Pending JP2024030883A (ja) 2022-08-25 2022-08-25 プレス機械及びプレス機械の画像監視方法

Country Status (4)

Country Link
US (1) US20240066825A1 (ja)
EP (1) EP4335635A1 (ja)
JP (1) JP2024030883A (ja)
CN (1) CN117640879A (ja)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AT508310B1 (de) * 2009-05-18 2011-02-15 Trumpf Maschinen Austria Gmbh Verfahren zum betrieb einer fertigungspresse
JP6671648B2 (ja) * 2016-06-02 2020-03-25 コマツ産機株式会社 コントローラ、鍛圧機械、および制御方法
DE102019122699A1 (de) * 2019-08-23 2021-02-25 Schuler Pressen Gmbh Umform- und/oder Trennvorrichtung und Verfahren zum Betreiben der Umform- und/oder Trennvorrichtung
JP7305493B2 (ja) 2019-09-13 2023-07-10 東洋機械金属株式会社 成形システム
JP2022051155A (ja) 2020-09-18 2022-03-31 株式会社アマダ プレスブレーキ、画像出力装置及び画像出力方法

Also Published As

Publication number Publication date
US20240066825A1 (en) 2024-02-29
EP4335635A1 (en) 2024-03-13
CN117640879A (zh) 2024-03-01

Similar Documents

Publication Publication Date Title
Delli et al. Automated process monitoring in 3D printing using supervised machine learning
JP6171908B2 (ja) データ解析装置
RU2707796C1 (ru) Устройство для контроля качества металлических корпусов контейнеров для напитка, содержащих нанесенное изображение
JP7195729B2 (ja) 機械システムおよび制御方法
JP2010086178A (ja) 画像合成装置およびその制御方法
WO2015046043A1 (ja) 薬剤照合装置、薬剤照合システム、及び薬剤照合方法
JP2020075385A (ja) 製品状態推定装置
US20150041281A1 (en) Conveyor system including tracking of the conveyed articles by using imaging and virtual sensors
JP2024030883A (ja) プレス機械及びプレス機械の画像監視方法
KR20210004162A (ko) 인공지능 머신러닝 학습을 위한 데이터셋 자동 생성 장치 및 sw와 그의 제어 방법
JP2015088084A (ja) 物品識別システムとそのプログラム
JP7111444B2 (ja) 判断部及び工程判断装置及び工程判断方法
JP2005266984A (ja) 画像処理システム
JPH07104947B2 (ja) 二次元配列物体の検査装置
JP2019175268A (ja) 行動認識装置、行動認識方法、そのプログラム及びそのプログラムを記録したコンピュータ読取り可能な記録媒体
CN115484414A (zh) 一种通过检测编码信号改变相机拍照周期的方法
JP3988911B2 (ja) サーボトランスファフィーダ装置の操作画面表示方法
JP6887033B1 (ja) 画像処理装置、工作機械および画像処理方法
JP2001199527A (ja) 物品処理システム
CN111674048B (zh) 一种基于机器视觉的3d打印机断丝报警装置及报警方法
JPH0418926B2 (ja)
US10051232B2 (en) Adjusting times of capture of digital images
JP2881349B2 (ja) プレス機械のタイミング信号発生装置
KR102701804B1 (ko) 화물 분류 장치 및 방법
JP2007114036A (ja) 可視化支援装置、可視化支援装置の制御方法及び工程間可視化システム

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230619

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20240909