[发明专利]机器学习装置、机器学习系统以及机器学习方法

说明书

本发明涉及进行与激光有关的机器学习的机器学习装置、机器学习系统以及机器学习方法，在考虑了与激光的观测有关的条件的基础上，针对激光的强度分布进行良好与否判定。机器学习装置(10)具备：状态观测单元(11)，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(12)，其获取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(13)，其通过将所述状态观测单元(11)获取到的输入数据与所述标记获取单元(12)获取到的标记的组合作为训练数据并进行监督学习，来构筑用于进行所述激光的良好与否的判定的学习模型。

技术领域

本发明涉及进行与激光有关的机器学习的机器学习装置、机器学习系统以及机器学习方法。

背景技术

激光振荡器照射的激光存在由于伴随长期使用导致内部反射镜的劣化、内部反射镜的安装位置不适当等理由，而无法适当地照射的情况。因此，用户在反射镜的清洁后、反射镜交换后，观测激光，并从“是否成为预定的激光输出”、“是否成为良好的激光的强度分布(光束模式形状)”的观点来进行激光的良好与否判定。

在这里，针对激光输出，能够通过一般的激光功率计、激光功率探头来进行测量。因此，用户可以通过参照作为测量结果而输出的数值数据，进行是否成为预定的激光输出的良好与否判定。

相对于此，针对激光的强度分布，对透明的丙烯酸树脂照射预定时间的额定输出的激光光束，用户参考作为其烧痕的烧灼图样来进行良好与否判定。或者用户参照基于光束分析仪的观测结果来进行良好与否判定。

在专利文献1中公开了像这样的与激光的强度分布的观测有关的技术。具体而言，在专利文献1中，公开了一种对目标照射激光，并测量该目标的温度分布，由此来迅速地检测加工中的激光的光束分布变动的结构。

专利文献

专利文献1：日本特开2015-166094号公报

发明内容

可是，如果激光的观测条件不同，则激光的适当的强度分布也不同。例如，如果激光振荡器的种类、激光振荡器的温度状态、激光的照射时间、从激光振荡器的光束出射口到强度分布的观测点的距离等观测条件不同，则激光的适当的强度分布也不同。

然而，上述专利文献1所公开的技术是在预定的观测条件下随着时间来观测激光的状态变化，并未考虑该预定的观测条件以外的各种各样的观测条件。

另外，即使在使用了上述烧灼图样、光束分析仪的用户的判定中，也很难充分考虑这些各种各样的观测条件。

因此本发明的目的在于，提供在考虑与激光的观测有关的条件的基础上，用于进行针对激光的强度分布的良好与否判定的、机器学习装置、机器学习系统以及机器学习方法。

(1)本发明的机器学习装置(例如，后述的机器学习装置10)具备：状态观测单元(例如，后述的状态观测部11)，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(例如，后述的标记获取部12)，其获取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(例如，后述的学习部13)，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)可以将上述(1)所述的机器学习装置设为：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)可以将上述(2)所述的机器学习装置设为：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)可以将上述(1)所述的机器学习装置设为：表示所述强度分布的数据通过使用光束分析仪观测所述激光而生成。