[发明专利]机器学习装置、机器学习系统以及机器学习方法

权利要求书

1.一种机器学习装置，其特征在于，具备：

状态观测单元，其获取表示激光的强度分布的数据以及表示与为了生成表示所述强度分布的数据而进行的所述激光的观测有关的条件的数据来作为输入数据；

标记获取单元，其获取表示是否能够将所述激光用于激光加工的、与所述激光的良好与否的判定有关的评价值作为标记；以及

学习单元，其通过将所述状态观测单元获取到的输入数据与所述标记获取单元获取到的标记的组合作为训练数据并进行监督学习，由此构筑用于进行所述激光的良好与否的判定的学习模型。

2.根据权利要求1所述的机器学习装置，其特征在于，

表示所述强度分布的数据是拍摄出被照射所述激光的被照射物中的激光的受光部分的图像数据。

3.根据权利要求2所述的机器学习装置，其特征在于，

所述图像数据包含从多个方向拍摄所述激光的受光部分的多个图像数据。

4.根据权利要求1所述的机器学习装置，其特征在于，

通过使用光束分析仪观测所述激光来生成表示所述强度分布的数据。

5.根据权利要求1～4中的任意一项所述的机器学习装置，其特征在于，

表示与所述强度分布的观测有关的条件的数据包含：照射所述激光的激光振荡器的机器种类信息、与所述激光振荡器的温度状态有关的信息、表示所述激光的照射时间的信息、以及表示从所述激光振荡器的光束出射口直到所述强度分布的观测点为止的距离的信息中的至少任一个。

6.根据权利要求1～4中的任意一项所述的机器学习装置，其特征在于，

所述评价值是根据参照了被照射所述激光的被照射物的激光的受光部分或者基于光束分析仪的所述激光的观测结果的用户的判断而决定的。

7.根据权利要求1～4中的任意一项所述的机器学习装置，其特征在于，

所述激光是在与激光加工有关的装置中使用的激光，

所述学习单元根据与激光加工有关的装置中的照射所述激光的激光振荡器的配置来进行追加学习。

8.根据权利要求1～4中的任意一项所述的机器学习装置，其特征在于，

所述激光是在与激光加工有关的装置中使用的激光，

在将表示所述激光的强度分布的数据以及表示与所述强度分布的观测有关的条件的数据作为输入数据时，所述学习单元所构筑的学习模型是输出概率的值的学习模型，该概率的值表示所述激光是否满足预定的基准。

9.一种机器学习系统，其包含了多个权利要求1～4中的任意一项所述的机器学习装置，其特征在于，

在多个所述机器学习装置各自具备的所述学习单元中共享学习模型，多个所述机器学习装置各自具备的所述学习单元针对所述共享的学习模型进行学习。

10.一种机器学习方法，其是机器学习装置进行的机器学习方法，其特征在于，所述机器学习方法具备以下步骤：

状态观测步骤，获取表示激光的强度分布的数据以及表示与为了生成表示所述强度分布的数据而进行的所述激光的观测有关的条件的数据来作为输入数据；

标记获取步骤，获取表示是否能够将所述激光用于激光加工的、与所述激光的良好与否的判定有关的评价值作为标记；以及

学习步骤，通过将所述状态观测单元获取到的输入数据与所述标记获取单元获取到的标记的组合作为训练数据并进行监督学习，由此构筑用于进行所述激光的良好与否的判定的学习模型。