特開 2022-161277 砥面判定装置、学習器、判定プログラム、および砥面判定方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2022161277

(43)【公開日】2022-10-21

(54)【発明の名称】砥面判定装置、学習器、判定プログラム、および砥面判定方法

(51)【国際特許分類】

   B24B 53/00 20060101AFI20221014BHJP

   B24B 49/12 20060101ALI20221014BHJP

   B24B 49/18 20060101ALI20221014BHJP

   B23Q 17/09 20060101ALI20221014BHJP

【ＦＩ】

B24B53/00 A

B24B49/12

B24B49/18

B23Q17/09 C

【審査請求】有

【請求項の数】12

【出願形態】ＯＬ

(21)【出願番号】P 2021065955

(22)【出願日】2021-04-08

【新規性喪失の例外の表示】新規性喪失の例外適用申請有り

(71)【出願人】

【識別番号】000150604

【氏名又は名称】株式会社ナガセインテグレックス

(74)【代理人】

【識別番号】100105957

【弁理士】

【氏名又は名称】恩田 誠

(74)【代理人】

【識別番号】100068755

【弁理士】

【氏名又は名称】恩田 博宣

(72)【発明者】

【氏名】長瀬 幸泰

(72)【発明者】

【氏名】板津 武志

(72)【発明者】

【氏名】井村 諒介

(72)【発明者】

【氏名】川下 智幸

(72)【発明者】

【氏名】坂口 彰浩

【テーマコード（参考）】

3C029

3C034

3C047

【Ｆターム（参考）】

3C029DD20

3C034AA07

3C034BB93

3C034CA09

3C034CB12

3C034CB14

3C034DD05

3C047AA02

3C047AA08

(57)【要約】

【課題】砥面の状態を短い時間、且つ高い精度で判定する。
【解決手段】砥面判定装置は、複数の砥粒が結合剤によって固着された構造の砥石における砥面の状態を判定する。電子制御装置４０の記憶部４４には、判定対象の砥石の砥面を撮像した画像が判定画像５０として記憶される。電子制御装置４０の記憶部４４には、特定の使用状態の砥面を撮像した画像からなる教師データ５３Ａ，５３Ｂによって学習された学習器５１Ａ，５１Ｂが記憶されている。電子制御装置４０は、判定画像５０を入力データとして、記憶部４４に記憶された学習済みの学習器５１Ａ，５１Ｂから、判定画像５０に対応する砥面の使用状態と特定の使用状態との差分の指標値を出力する。
【選択図】図３

【特許請求の範囲】

【請求項1】

複数の砥粒が結合剤によって固着された構造の砥石における砥面の状態を判定する砥面判定装置において、
判定対象の砥石の砥面を撮像した画像であって、且つ、前記判定対象の砥石の砥面における前記砥石の研削方向に延びる部分に関する情報を含む画像を、判定画像として記憶する入力部と、
特定の使用状態の砥面を撮像した画像であって、且つ、前記特定の使用状態の砥面における前記研削方向に延びる部分に関する情報を含む画像からなる教師データによって学習された学習器を記憶する記憶部と、
前記判定画像を入力データとして、前記記憶部に記憶された学習済みの学習器から、前記判定画像に対応する前記砥面の使用状態と前記特定の使用状態との差分の指標値を出力する差分出力部と、
を備える砥面判定装置。

【請求項2】

前記特定の使用状態は、前記砥面のドレッシングが適正に実行された直後における当該砥面の状態である
請求項１に記載の砥面判定装置。

【請求項3】

前記特定の使用状態は、前記砥面のドレッシングの実行開始に適したタイミングにおける当該砥面の状態である
請求項１に記載の砥面判定装置。

【請求項4】

前記判定画像および前記教師データを構成する画像は、前記砥面の全体を示す一枚の画像である
請求項１～３のいずれか一項に記載の砥面判定装置。

【請求項5】

前記学習器は、同学習器に入力される画像と当該画像をもとに前記学習器によって生成される画像とが同一になる態様で学習されたものであり、
前記差分出力部は、前記差分の指標値として、前記入力される画像と前記生成される画像との差分の指標値を出力するものである
請求項１～４のいずれか一項に記載の砥面判定装置。

【請求項6】

前記判定画像は、前記判定対象の砥石の砥面を撮像した画像をフーリエ変換した画像であり、
前記教師データは、前記特定の使用状態の砥面を撮像した画像をフーリエ変換した画像によって構成されている
請求項１～５のいずれか一項に記載の砥面判定装置。

【請求項7】

前記学習器は、同学習器に入力される画像をもとに前記特定の使用状態に対応する特徴ベクトルを生成する態様で学習されたものであり、
前記差分出力部は、前記差分の指標値として、前記判定画像を入力データとして前記学習済みの学習器により生成される特徴ベクトルと前記特定の使用状態に対応する特徴ベクトルとの差分を出力する
請求項１～４のいずれか一項に記載の砥面判定装置。

【請求項8】

前記砥面判定装置は、
前記砥石を研削工具として用いる研削装置に設けられ、当該研削装置の砥石の砥面を撮像する撮像部と、
前記撮像部によって撮像された前記砥面の画像を、前記判定画像として、前記入力部に出力する画像出力部と、を備える
請求項１～７のいずれか一項に記載の砥面判定装置。

【請求項9】

前記研削装置は、
前記砥石の砥面を覆う態様で同砥面に沿って延びるシャッター部と、
前記シャッター部を開閉操作するものであって、前記砥面の撮像時には同砥面と前記撮像部との間が前記シャッター部によって仕切られない開状態にする一方、前記砥面の非撮像時には前記砥面と前記撮像部との間が前記シャッター部によって仕切られた閉状態にするシャッター操作部と、を備える
請求項８に記載の砥面判定装置。

【請求項10】

請求項１～９のいずれか一項に記載の砥面判定装置が備える前記学習済みの学習器。

【請求項11】

請求項１～９のいずれか一項に記載の砥面判定装置が具備する前記各部の処理を、前記砥面判定装置が備える電子制御装置に実行させる判定プログラム。

【請求項12】

複数の砥粒が結合剤によって固着された構造の砥石における砥面の状態を判定する砥面判定方法であって、
判定対象の砥石の砥面を撮像した画像であって、且つ、前記判定対象の砥石の砥面における前記砥石の研削方向に延びる部分に関する情報を含む画像を取得するとともに、同画像を判定画像として砥面判定装置の入力部に記憶させる入力工程と、
特定の使用状態の砥面を撮像した画像であって、且つ、前記特定の使用状態の砥面における前記研削方向に延びる部分に関する情報を含む画像を取得し、該取得した画像からなる教師データによって学習器を学習させた後に、同学習器を前記砥面判定装置の記憶部に記憶させる記憶工程と、
前記判定画像を入力データとして、前記記憶部に記憶された学習済みの学習器から、前記判定画像に対応する前記砥面の使用状態と前記特定の使用状態との差分の指標値を出力する差分出力工程と
を備える砥面判定方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、砥石の砥面を判定する砥面判定装置、同装置で使用される学習器、同装置で使用される判定プログラム、および砥石の砥面を判定する砥面判定方法に関するものである。

【背景技術】

【0002】

研削装置による研削加工では、研削工具としての砥石の加工面（いわゆる砥面）の状態によってワークの加工面の仕上げ品質が左右される。砥面の状態は、主として切れ刃として機能する砥粒の表面部分の形状や大きさ、砥粒の突出量によって決まる。そのため、砥石の砥面で露出している個々の砥粒の座標や、形状、表面積等を計測して評価する技術が種々研究されている。

【0003】

ここで、砥石の砥面に分散した状態で配置されている砥粒によってワークを微少量ずつ削り取る研削加工では、砥粒の分布状態がワークの加工面に転写されるかたちで同ワークが所望の形状に仕上げられる。そのため、研削加工を高精度で行うためには、個々の砥粒の状態や、砥面における砥粒の分布状態（以下、表面性状という）を適切に管理することが重要である。

【0004】

従来、電子顕微鏡やレーザを用いて砥石の砥面の表面性状を評価する手法が提案されている（例えば非特許文献１～３参照）。

【先行技術文献】

【非特許文献】

【0005】

【非特許文献1】坂本、佐々木、小林、清水、「機上計測した砥石作業面プロファイルに基づく比研削抵抗の同定」、２０１３年度精密工学学会春季大会学術講演会講演論文集、ｐｐ．５３９－５４０

【非特許文献2】垣野、松原、山路、松田、中川、廣垣、喜田、「砥石作業面トポグラフィのオン・ザ・マシン計測に関する研究（第１報）」、精密工学会誌、ｖｏｌ．６３，ＮＯ．２，ｐｐ．２２８－２３２（１９９７）

【非特許文献3】庄司、周、「ダイヤモンド砥石のツルーイング及びドレッシングに関する研究（第２報）」、精密工学会誌、ｖｏｌ．５５，ＮＯ．１２，ｐｐ．２２６７－２２７２（１９８９）

【発明の概要】

【発明が解決しようとする課題】

【0006】

電子顕微鏡を使用する装置では、同電子顕微鏡によって砥面の表面性状を緻密に観察することができる。とはいえ、電子顕微鏡は観察範囲がごく狭いため、電子顕微鏡によって砥面の全面にわたって表面性状を観察するのには長い時間を要してしまう。

【0007】

一方、レーザを用いて砥面の表面性状を評価する装置では、砥面の形状を高精度で比較的容易に計測することができる。しかしながら、レーザを用いた計測によって取得できる情報は砥面の凹凸プロファイルであるため、取得情報が砥粒にあたる部位の情報であるのか、あるいは当該砥粒を固着する結合剤にあたる部位の情報であるのかを区別することが難しい。これは砥面の表面性状を評価するうえでは、その評価精度の向上を阻む一因になる。また、レーザーによる計測の精度を高めるためには同レーザのスポット径を小さくする必要がある。スポット径を小さくすると、その分だけ計測範囲が狭くなってしまう。そのため、この場合には砥面の表面性状の計測、ひいては同表面正常の評価に長い時間がかかってしまう。

【課題を解決するための手段】

【0008】

上記課題を解決するための砥面判定装置は、複数の砥粒が結合剤によって固着された構造の砥石における砥面の状態を判定する砥面判定装置において、判定対象の砥石の砥面を撮像した画像であって、且つ、前記判定対象の砥石の砥面における前記砥石の研削方向に延びる部分に関する情報を含む画像を、判定画像として記憶する入力部と、特定の使用状態の砥面を撮像した画像であって、且つ、前記特定の使用状態の砥面における前記研削方向に延びる部分に関する情報を含む画像からなる教師データによって学習された学習器を記憶する記憶部と、前記判定画像を入力データとして、前記記憶部に記憶された学習済みの学習器から、前記判定画像に対応する前記砥面の使用状態と前記特定の使用状態との差分の指標値を出力する差分出力部と、を備える。

【0009】

上記課題を解決するための学習器は、上記砥面判定装置が備える前記学習済みの学習器である。
上記課題を解決するための判定プログラムは、上記砥面判定装置が具備する前記各部の処理を、前記砥面判定装置が備える電子制御装置に実行させる判定プログラムである。

【0010】

上記課題を解決するための砥面判定方法は、複数の砥粒が結合剤によって固着された構造の砥石における砥面の状態を判定する砥面判定方法であって、判定対象の砥石の砥面を撮像した画像であって、且つ、前記判定対象の砥石の砥面における前記砥石の研削方向に延びる部分に関する情報を含む画像を取得するとともに、同画像を判定画像として砥面判定装置の入力部に記憶させる入力工程と、特定の使用状態の砥面を撮像した画像であって、且つ、前記特定の使用状態の砥面における前記研削方向に延びる部分に関する情報を含む画像を取得し、該取得した画像からなる教師データによって学習器を学習させた後に、同学習器を前記砥面判定装置の記憶部に記憶させる記憶工程と、前記判定画像を入力データとして、前記記憶部に記憶された学習済みの学習器から、前記判定画像に対応する前記砥面の使用状態と前記特定の使用状態との差分の指標値を出力する差分出力工程とを備える。

【0011】

上記砥面判定装置、学習器、判定プログラム、および砥面判定方法では、特定の使用状態になった砥面を撮像した画像が用意されるとともに、同画像を教師データとして予め学習させた学習済みの学習器が用意される。そのため、学習済みの学習器を利用して、判定対象の砥石の砥面が特定の使用状態になっていることを短い時間、且つ高い精度で判定することができる。

【発明の効果】

【0012】

本発明によれば、砥面の状態を短い時間、且つ高い精度で判定することができる。

【図面の簡単な説明】

【0013】

【図1】一実施形態の砥面判定装置が適用される自動研削装置の概略構成を示す略図。

【図2】開状態の砥石カバーおよびその周辺の構造を示す断面図。

【図3】砥面判定装置の概略構成を示すブロック図。

【図4】撮像処理の実行手順を示すフローチャート。

【図5】判定画像および教師データを構成する画像を示す略図。

【図6】学習器の学習態様を説明するための説明図。

【図7】学習器から出力される生成誤差を説明するための説明図。

【図8】判定処理の実行手順を示すフローチャート。

【図9】表示装置の表示内容を示す正面図。

【図10】（ａ）～（ｃ）砥面の使用状態の変化の様子を示す説明図。

【図11】学習器５１Ａから出力される生成誤差ΔＰ１を説明するための説明図。

【図12】生成誤差ΔＰ１の推移を示すタイムチャート。

【図13】学習器５１Ｂから出力される生成誤差ΔＰ２を説明するための説明図。

【図14】生成誤差ΔＰ２の推移を示すタイムチャート。

【図15】他の実施形態の砥面判定装置にかかる学習器の学習態様を説明するための説明図。

【図16】同学習器の入力データを説明するための説明図。

【図17】その他の実施形態の砥面判定装置にかかる学習器の学習態様を説明するための説明図。

【図18】他の実施形態の砥面判定装置に用いられる撮像ユニットを示す斜視図。

【発明を実施するための形態】

【0014】

以下、砥面判定装置、学習器、判定プログラム、砥面判定方法の一実施形態について説明する。
図１に示すように、本実施形態の砥面判定装置３０は、数値制御（ＮＣ）式の自動研削装置２０に適用される。

【0015】

自動研削装置２０は、研削工具として、略円板状の砥石２１を有している。砥石２１は、基材の外周面に多数の砥粒が分散した状態で結合剤によって固着された構造をなすものである。砥石２１は、回転可能な状態で支持されている。砥石２１には、例えばサーボモータを有する回転駆動部２２が接続されている。自動研削装置２０は、砥石２１とワークとを相対移動させることが可能になっている。自動研削装置２０では、砥石２１を回転駆動しつつ同砥石２１とワークとを相対移動させて、砥石２１をワークに接触させることにより、砥石２１の砥面２３によって同ワークの上面が研削加工される。

【0016】

自動研削装置２０は、砥石２１のドレッシングを行うためのドレッサ２４を有している。自動研削装置２０では、任意のタイミングでドレッサ２４による砥石２１のドレッシングが実行される。このドレッシングにより、砥石２１の砥面２３が良好な状態に保たれている。

【0017】

図１および図２に示すように、自動研削装置２０は砥石カバー２５を有している。砥石カバー２５は、下方が開口する四角箱状をなしている。砥石２１は、同砥石２１の下部のみが外部に露出する状態で砥石カバー２５の内部に収容されている。

【0018】

砥石カバー２５における上方の壁部をなす上壁部２６には、同砥石カバー２５の内外を連通する開口部２７が設けられている。砥石カバー２５には、開口部２７を開閉する板状のシャッター部２８と、同シャッター部２８を往復移動させるためのアクチュエータ（以下、シャッター操作部２９）とが設けられている。シャッター操作部２９の作動制御を通じて、シャッター部２８を一方向に移動させることにより、砥石カバー２５の開口部２７がシャッター部２８によって塞がれた閉状態（図１に示す状態）になる。一方、シャッター操作部２９の作動制御を通じて、シャッター部２８を他方向に移動させることにより、シャッター部２８が砥石カバー２５の開口部２７から退避した開状態（図２に示す状態）になる。本実施形態では、シャッター操作部２９の作動制御を通じて、砥石カバー２５の開口部２７が閉じられた閉状態と開かれた開状態とを切り替え可能になっている。

【0019】

砥石カバー２５には、撮像部としてのカメラ３１が取り付けられている。カメラ３１は、砥石カバー２５の開口部２７を介して、同砥石カバー２５の内部に収容された砥石２１の砥面２３を撮像可能な態様で取り付けられている。カメラ３１としては、エリアスキャンカメラが採用されている。本実施形態では、カメラ３１によって砥石２１の砥面２３が所定の倍率で撮像されるとともに、撮像された画像（詳しくは、画像データ）が後述する電子制御装置４０に出力されるようになっている。なお本実施形態では、カメラ３１による撮像に際して砥石２１の砥面２３を照らすための照明器（図示略）が同カメラ３１に一体に設けられている。

【0020】

カメラ３１は、Ｘ軸駆動部３２、Ｙ軸駆動部３３、Ｚ軸駆動部３４を介して砥石カバー２５に取り付けられている。これらＸ軸駆動部３２、Ｙ軸駆動部３３およびＺ軸駆動部３４は、スライド機構と同スライド機構を作動させるアクチュエータ（本実施形態ではサーボモータ）とを有している。本実施形態では、Ｘ軸駆動部３２の作動制御を通じて、カメラ３１を砥石カバー２５に対してＸ方向（図１の左右方向）に相対移動させることが可能になっている。またＹ軸駆動部３３の作動制御を通じて、カメラ３１を砥石カバー２５に対してＹ方向（図１の上下方向）に相対移動させることが可能になっている。さらにはＺ軸駆動部３４の作動制御を通じて、カメラ３１を砥石カバー２５に対してＺ方向（図１における紙面の奥行き方向）に相対移動させることが可能になっている。

【0021】

自動研削装置２０は電子制御装置４０を有している。図３に示すように、電子制御装置４０はＣＰＵ４１と、ＲＯＭ４２と、ＲＡＭ４３と、各種のプログラムやデータを記憶する記憶部４４とを有している。記憶部４４は、ハードディスクドライブやソリッドステートドライブ等の随時書き込み読み出しが可能な不揮発性メモリによって構成されている。電子制御装置４０は、各種のプログラムやデータに基づいて各種の演算処理を実行するように構成されている。電子制御装置４０は、その演算結果をもとに、研削加工についての数値制御や、砥石２１のドレッシングにかかる各種制御、砥石２１の砥面２３の使用状態の判定にかかる各駆動部２２，３２，３３，３４の作動制御およびカメラ３１の作動制御を実行する。本実施形態では、ＣＰＵ４１とＲＯＭ４２とＲＡＭ４３とを有する制御部が差分出力部および画像出力部に相当する。

【0022】

自動研削装置２０は表示装置３５を有している。この表示装置３５は電子制御装置４０に接続されている。表示装置３５には、砥石２１の砥面２３の使用状態を判定した判定結果が表示されるようになっている。

【0023】

ここで、本実施形態の砥面判定装置３０は、砥石２１の砥面２３を撮像した画像（判定画像５０）を入力データとして、学習済みの２つの学習器５１Ａ，５１Ｂから、砥面２３の使用状態を判定する装置である。具体的には、一方の学習器５１Ａを利用して以下の［判定条件Ａ］を満たすか否かが判定されるとともに、他方の学習器５１Ｂを利用して以下の［判定条件Ｂ］を満たすか否かが判定される。

【0024】

［判定条件Ａ］判定対象の砥面２３の使用状態が、ドレッシングが適正に実行された直後における砥面２３の使用状態（特定の使用状態Ａ）と同等になっていること。
［判定条件Ｂ］判定対象の砥面２３の使用状態が、ドレッシングの実行開始に適したタイミングにおける砥面２３の使用状態（特定の使用状態Ｂ）と同等になっていること。

【0025】

電子制御装置４０の記憶部４４は、各種の実行プログラム５２を記憶する記憶領域や、学習器５１Ａ，５１Ｂの機械学習に利用される教師データ５３Ａ，５３Ｂを記憶する記憶領域を有している。記憶部４４は、学習済みの学習器５１Ａ，５１Ｂ（詳しくは、機械学習の実行を通じて作成された学習データ）を記憶する記憶領域を有している。また記憶部４４は、判定対象の砥面２３を撮像した画像（判定画像５０）を記憶する入力部としての記憶領域や、砥面２３の状態を判定した結果を示す判定結果データ５４を記憶する記憶領域を有している。

【0026】

実行プログラム５２は、学習器５１Ａ，５１Ｂの機械学習を実行させるとともに同機械学習の実行結果を示すデータである学習データを生成させるためのプログラムを含んでいる。また実行プログラム５２は、砥石２１の砥面２３の使用状態の判定にかかる処理（判定処理）を実行させるとともに同判定処理の実行結果を示す判定結果データ５４を生成させるための判定プログラムを含んでいる。

【0027】

教師データ５３Ａ，５３Ｂは、砥面２３の使用状態を判定する能力を獲得するように、学習器５１Ａ，５１Ｂの機械学習を行うためのデータである。
本実施形態では、教師データ５３Ａ，５３Ｂや判定画像５０の取得のために、カメラ３１によって砥石２１の砥面２３を撮像する撮像処理が実行される。

【0028】

以下、撮像処理の実行手順について図４を参照しつつ説明する。なお図４は、撮像処理の実行手順を概念的に示している。同図４のフローチャートに示される一連の処理は電子制御装置４０により実行される。

【0029】

図４に示すように、この処理では先ず、シャッター操作部２９の作動制御を通じてシャッター部２８が開状態にされる（ステップＳ１１）。
その後、砥面２３の撮像に適した態様で砥石２１を回転駆動しつつ、カメラ３１による砥面２３の撮像が実行される（ステップＳ１２）。なお本実施形態では、砥石２１の回転駆動パターン、カメラ３１の位置制御パターン、同カメラ３１の撮像パターンとして、カメラ３１によって砥面２３の全面を効率良く撮像することが可能になる各パターンが予め求められて電子制御装置４０に記憶されている。上記各パターンを記憶部４４に記憶させる手法としては、以下の（手法Ａ）や（手法Ｂ）などが想定される。（手法Ａ）自動研削装置２０のユーザーが実際に利用する砥石２１を取り付けた後に、自動研削装置２０を作動させることで同砥石２１に適した上記各パターンを求めて電子制御装置４０に記憶させる。（手法Ｂ）自動研削装置２０のメーカーは、各種の実験やシミュレーションの結果をもとに、砥石２１の砥面２３の全面を効率良く撮像することが可能になる上記各パターンを予め求めている。そして、それらパターンにかかるデータを、出荷前の自動研削装置２０、あるいはユーザーの工場に設置された自動研削装置２０に記憶させる。

【0030】

ステップＳ１２の処理では、そうした砥石２１の回転駆動パターンに基づいて回転駆動部２２の作動制御が実行されるとともに、カメラ３１の位置制御パターンに基づいてＸ軸駆動部３２、Ｙ軸駆動部３３、Ｚ軸駆動部３４の作動制御が実行される。また、カメラ３１の撮像パターンに基づいて同カメラ３１による砥面２３の撮像が実行される。そして、電子制御装置４０は、カメラ３１によって撮像された砥面２３の画像データを取り込んで記憶部４４に記憶する。詳しくは、カメラ３１によって砥面２３が複数回に分けて撮像される。そして、撮像した複数枚の画像を予め定めた順に縦横に並べた状態で結合することで、図５に示すように砥面２３の全体を示す一枚の画像（判定画像５０または教師データ５３Ａ，５３Ｂ）が生成される。電子制御装置４０は、このようにして生成した画像を記憶部４４に記憶する。なお、この画像には、図視しないが、砥粒および結合剤による特有の模様が現れる。

【0031】

カメラ３１による砥面２３の撮像が完了すると、シャッター操作部２９の作動制御を通じて、シャッター部２８が閉状態にされる（ステップＳ１３）。
図４に示す撮像処理は、砥石２１によるワークの研削加工や砥石２１のドレッシングが実行されていないことを条件に実行される。なお撮像処理を実行する際には、その実行に先立ち、撮像対象の砥面２３にエアーを吹き付けることで同砥面２３表面の切削オイルを除去する作業が必要に応じて実行される。撮像処理は、具体的には、以下のように実行される。

【0032】

学習器５１Ａの機械学習に利用される教師データ５３Ａを取得する場合には、最適なドレッシングが実行された状態（特定の使用状態Ａ）の砥石２１［Ａ］が用意されるとともに、同砥石２１［Ａ］が自動研削装置２０に取り付けられる。そして、その状態で電子制御装置４０による撮像処理が実行される。この撮像処理によって取得された画像データは、学習器５１Ａの機械学習に用いる教師データ５３Ａとして記憶部４４に記憶される。本実施形態では、複数の砥石２１［Ａ］についての画像データが取得されて、それら画像データによって教師データ５３Ａが構成される。本実施形態では、砥石２１［Ａ］としては、最適なドレッシングが実行された状態になっていることが熟練工などの作業者によって判断されたものが採用される。なお砥石２１［Ａ］としては、解析装置によって砥面２３を解析した結果、最適なドレッシングが実行された状態になっていると判断されたものを採用すること等も可能である。

【0033】

学習器５１Ｂの機械学習に利用される教師データ５３Ｂを取得する場合には、ドレッシングの実行開始に最も適した状態（特定の使用状態Ｂ）の砥石２１［Ｂ］が用意されるとともに、同砥石２１［Ｂ］が自動研削装置２０に取り付けられる。そして、その状態で電子制御装置４０による撮像処理が実行される。この撮像処理によって取得された画像データは、学習器５１Ｂの機械学習に用いる教師データ５３Ｂとして記憶部４４に記憶される。本実施形態では、複数の砥石２１［Ｂ］についての画像データが取得されて、それら画像データによって教師データ５３Ｂが構成される。本実施形態では、砥石２１［Ｂ］としては、ドレッシングの実行開始に最も適した状態になっていると熟練工などの作業者が判断したものが採用される。なお砥石２１［Ｂ］としては、解析装置によって砥面２３を解析した結果、ドレッシングの実行開始に最も適した状態になっていると判断されたものを採用すること等も可能である。

【0034】

自動研削装置２０によってドレッシングが実行される期間においては、ドレッシングの延べ実行期間が所定期間（所定時間や、所定数だけ砥石２１が回転する期間など）に達する度に、ドレッシングの実行が停止されていることを条件に、撮像処理が実行される。この撮像処理によって取得された画像データは、判定画像５０として記憶部４４に記憶される。

【0035】

自動研削装置２０によってワークの研削加工が実行される期間においては、研削加工の延べ実行期間が所定期間（所定時間や、所定数のワークの加工が完了する期間など）に達する度に、研削加工の実行が停止されていることを条件に、撮像処理が実行される。この撮像処理によって取得された画像データは、判定画像５０として記憶部４４に記憶される。

【0036】

本実施形態では、２つの学習器５１Ａ，５１Ｂとして、畳込みニューラルネットワーク（Convolutional Neural Network：ＣＮＮ）が採用されている。本実施形態では、記憶部４４に記憶された教師データ５３Ａ，５３Ｂをもとに学習器５１Ａ，５１Ｂの機械学習が実行される。詳しくは、教師データ５３Ａを構成する複数の画像データの一つを抽出するとともに同画像データを入力データとして学習器５１Ａを機械学習させるといった学習処理が、教師データ５３Ａを構成する画像データ毎に繰り返し実行される。また、教師データ５３Ｂを構成する複数の画像データの一つを抽出するとともに同画像データを入力データとして学習器５１Ｂを機械学習させるといった学習処理が、教師データ５３Ｂを構成する画像データ毎に繰り返し実行される。そして、機械学習の実行を通じて作成された学習データが記憶部４４に記憶される。本実施形態では、こうした学習器５１Ａ，５１Ｂの機械学習にかかる一連の処理が自動的に実行されるように、実行プログラム５２が構築されて記憶部４４に記憶されている。本実施形態では、このようにして学習器５１Ａ，５１Ｂの機械学習を実行する工程が記憶工程に相当する。

【0037】

図６に概念的に示すように、各学習器５１Ａ，５１Ｂの機械学習は、詳しくは、入力データと、同入力データをもとに学習器５１Ａ，５１Ｂによって生成される生成画像データとを同一の画像を示すデータ（画像データＡ）にする態様で実行される。そして、学習済みの学習器５１Ａ，５１Ｂからは、入力データと生成画像データとの差分に相当する値が生成誤差ΔＰ１，ΔＰ２として出力される。

【0038】

これにより、学習器５１Ａ，５１Ｂが適正に学習されている場合には、判定対象の砥石２１（詳しくは、その砥面２３）の使用状態を判定する判定処理が実行されると、学習器５１Ａ，５１Ｂから以下の値（生成誤差ΔＰ１，ΔＰ２）が出力される。

【0039】

学習器５１Ａを利用した判定処理では、判定対象の砥石２１が最適なドレッシングが実行された直後の状態（特定の使用状態Ａ）になっている場合には、入力データ（判定画像５０）と学習器５１Ａによって生成される生成画像データとが略同一になる。そのため、この場合には学習器５１Ａから出力される生成誤差ΔＰ１はごく小さい値（例えば「０」）になる。

【0040】

一方、例えばドレッシングの実行時間が不足したり、ドレッシング完了後において砥石２１による研削加工が実行されたりすると、判定対象の砥石２１の実際の使用状態は特定の使用状態Ａにならない。この場合には、図７に示すように、入力データ（判定画像５０）と生成画像データとが一致しなくなるため、学習器５１Ａから出力される生成誤差ΔＰ１は、入力データと生成画像データとの差分に応じた「正の値」になる。しかも、この場合には、砥石２１の実際の使用状態と特定の使用状態Ａとの差が大きいときほど、入力データと生成画像データとの差分が大きくなるため、学習器５１Ａから出力される生成誤差ΔＰ１も大きい値になる。

【0041】

したがって、学習器５１Ａを利用した判定処理では、生成誤差ΔＰ１が所定レベル（判定値Ｊ１）よりも小さい値であることをもって、判定対象の砥石２１の砥面２３の実際の使用状態が「特定の使用状態Ａ」になっていると判定することができる。

【0042】

学習器５１Ｂを利用した判定処理では、判定対象の砥石２１がドレッシングの実行開始に最も適した状態（特定の使用状態Ｂ）になっている場合には、入力データと学習器５１Ｂによって生成される生成画像データとが略同一になる（図６参照）。そのため、この場合には学習器５１Ｂから出力される生成誤差ΔＰ２はごく小さい値（例えば「０」）になる。

【0043】

一方、例えばドレッシング後における砥石２１の使用時間が短かったり、同使用時間が長すぎたりすると、判定対象の砥石２１の実際の使用状態は特定の使用状態Ｂにはならない。この場合には、図７に示すように、入力データ（判定画像５０）と生成画像データとが一致しなくなるため、学習器５１Ｂから出力される生成誤差ΔＰ２は、入力データと生成画像データとの差分に応じた「正の値」になる。しかも、この場合には、砥石２１の実際の使用状態と特定の使用状態Ｂとの差が大きいときほど、入力データと生成画像データとの差分が大きくなるため、学習器５１Ｂから出力される生成誤差ΔＰ２も大きい値になる。

【0044】

したがって、学習器５１Ｂを利用した判定処理では、生成誤差ΔＰ２が所定レベル（判定値Ｊ２）よりも小さい値であることをもって、判定対象の砥石２１の砥面２３の実際の使用状態が「特定の使用状態Ｂ」になっていると判定することができる。

【0045】

以下、判定対象の砥石２１の砥面２３の使用状態を判定する判定処理について具体的に説明する。図８は判定処理の実行手順を示している。同図８のフローチャートに示される一連の処理は、所定周期毎の処理として、電子制御装置４０により実行される。

【0046】

図８に示すように、この処理では先ず、自動研削装置２０に取り付けられている砥石２１の砥面２３を撮像した画像（判定画像５０）が取得される（ステップＳ２１）。具体的には、前記撮像処理（図４）が実行され、同撮像処理によって取得された画像データが判定画像５０として記憶部４４に記憶される。本実施形態では、ステップＳ２１の処理が入力工程に相当する。

【0047】

その後、記憶部４４に記憶された判定画像５０を入力データとして、同記憶部４４に記憶されている学習済みの学習器５１Ａから、生成誤差ΔＰ１が出力される（ステップＳ２２）。この生成誤差ΔＰ１は判定結果データ５４として記憶部４４に記憶される。また、記憶部４４に記憶された判定画像５０を入力データとして、同記憶部４４に記憶されている学習済みの学習器５１Ｂから、生成誤差ΔＰ２が出力される（ステップＳ２３）。この生成誤差ΔＰ２は判定結果データ５４として記憶部４４に記憶される。本実施形態では、ステップＳ２２の処理およびステップＳ２３の処理が差分出力工程に相当する。

【0048】

その後、生成誤差ΔＰ１，ΔＰ２に基づいて、判定対象の砥石２１の砥面２３の使用状態が特定の使用状態Ａ，Ｂになっているか否かが判定される（ステップＳ２４）。
具体的には、生成誤差ΔＰ１と予め定められた判定値Ｊ１とが比較される。生成誤差ΔＰ１が判定値Ｊ１以下である場合には砥面２３が特定の使用状態Ａになっていると判定される。一方、生成誤差ΔＰ１が判定値Ｊ１未満である場合には砥面２３が特定の使用状態Ａになっていないと判定される。また、生成誤差ΔＰ２と予め定められた判定値Ｊ２とが比較される。生成誤差ΔＰ２が判定値Ｊ２以下である場合には砥面２３が特定の使用状態Ｂになっていると判定される。一方、生成誤差ΔＰ２が判定値Ｊ２未満である場合には砥面２３が特定の使用状態Ｂになっていないと判定される。これら判定の結果は判定結果データ５４として記憶部４４に記憶される。

【0049】

その後、判定結果データ５４が表示装置３５に出力されて、上記判定の結果が表示装置３５に表示される（ステップＳ２５）。
図９に示すように、表示装置３５には以下の内容が表示される。表示装置３５には、生成誤差ΔＰ１の推移、および生成誤差ΔＰ２の推移が表示される。また表示装置３５の領域ＡＲ１には、生成誤差ΔＰ１が判定値Ｊ１以下になっていると判定された場合に、最適なドレッシングが実行された状態（特定の使用状態Ａ）であることを示す文字情報（詳しくは、ドレッシングＯＫ）が表示される。さらに表示装置３５の領域ＡＲ２には、生成誤差ΔＰ２が判定値Ｊ２以下になっていると判定された場合に、ドレッシングの実行開始に最も適した状態（特定の使用状態Ｂ）であることを示す文字情報（詳しくは、ドレスタイミング）が表示される。

【0050】

以下、本実施形態の砥面判定装置３０による作用効果について説明する。
図１０は、砥石２１による研削加工を実行した場合における砥面２３の使用状態の変化の様子の一例を示している。なお図１０には、砥面２３の表面の一部を拡大して示している。

【0051】

図１０（ａ）に示すように、適正にドレッシングがなされた直後においては、砥面２３の最外周面は砥粒７０の突端面のみによって構成されている。図１０（ｂ）に示すように、砥石２１による研削加工がある程度実行されると、砥面２３の使用状態が変化して、砥石２１の最外周面に、砥粒７０以外の部分７１（主に、結合剤によって構成されるいわゆるボンドテール）が現れるようになる。こうした砥粒７０以外の部分７１は、砥粒７０の研削方向後ろ側の部分から研削方向に延びる傾向がある。図１０（ｃ）に示すように、砥石２１による研削加工の総実行時間が長くなると、砥面２３の使用状態の変化が進むことにより、砥石２１の最外周面における砥粒７０以外の部分７１が、研削方向において並ぶ砥粒７０を繋ぐ態様で延びた状態になってしまう。このように、砥面２３の使用状態の変化の度合いは、砥面２３の最外周面において研削方向において延びる部分に現れる。

【0052】

本実施形態では、判定画像５０や教師データ５３Ａ，５３Ｂを構成する画像データとして、砥面２３の全体を撮像した画像が用いられる。そのため、判定画像５０や、教師データ５３Ａ，５３Ｂを構成する画像データには、砥面２３の最外周面において研削方向に延びる部分に関する情報が、同砥面２３の使用状態を表す情報として含まれていると云える。したがって本実施形態では、学習器５１Ａ，５１Ｂの機械学習に際して「砥面２３の最外周面において研削方向に延びる部分」を特徴量として抽出させることができ、この特徴量に基づいて学習器５１Ａ，５１Ｂの機械学習を進めることができる。

【0053】

そして、学習済みの学習器５１Ａから出力される生成誤差ΔＰ１は、以下のような値になる。
図１１に「状態Ａ１」で示すように、砥面２３が最適なドレッシングが実行された直後の状態（特定の使用状態Ａ）になっている場合には、入力データと学習器５１Ａによって生成される生成画像データとがほぼ同一になる。そのため、この場合には生成誤差ΔＰ１がごく小さい値になる。この場合には、生成誤差ΔＰ１は最も小さい値になる。

【0054】

図１１に「状態Ｂ１」で示すように、砥石２１による切削加工が実行されて、砥面２３の使用状態が変化している場合には、入力データと生成画像データとに差が生じた状態になっているため、生成誤差ΔＰ１は「正の値」になる。

【0055】

図１１に「状態Ｃ１」で示すように、砥石２１による研削加工の総実行時間が長くなって砥面２３の使用状態の変化が進んでいる場合には、入力データと生成画像データとの差が大きくなっているため、生成誤差ΔＰ１は大きい「正の値」になる。

【0056】

このことから、学習済みの学習器５１Ａから出力される生成誤差ΔＰ１は、基本的には、ドレッシングの実行に応じて次のように推移するようになる。
図１２に示すように、学習器５１Ａから出力される生成誤差ΔＰ１は、ドレッシングの実行が開始されると（時刻ｔ１１）、その後において徐々に小さくなる。そして、砥面２３が最適なドレッシングが実行された状態（特定の使用状態Ａ）になったタイミング（時刻ｔ１２）で、生成誤差ΔＰ１は最も小さくなる。このとき生成誤差ΔＰ１は前記判定値Ｊ１を下回るようになる。なお、ドレッシングの完了後において砥石２１による切削加工が実行されると、その実行に伴って生成誤差ΔＰ１は徐々に大きい値になる。

【0057】

本実施形態では、図９に示すように、そうした生成誤差ΔＰ１の推移が表示装置３５に表示されるようになっている。そのため、表示装置３５に表示される生成誤差ΔＰ１を目視することで、砥面２３の実際の使用状態が特定の使用状態Ａにどれだけ近づいているのかを把握することができる。しかも本実施形態では、生成誤差ΔＰ１が判定値Ｊ１以下になっていると判定された場合には、表示装置３５の領域ＡＲ１に、最適なドレッシングが実行された状態であることを示す文字情報が表示される。この表示を目視することにより、最適なドレッシングが実行された状態になったことを容易に把握することができる。

【0058】

一方、学習済みの学習器５１Ｂから出力される生成誤差ΔＰ２は、以下のような値になる。
図１３に「状態Ａ２」で示すように、砥石２１による研削加工の総実行時間が比較的短く、砥面２３の使用状態がさほど変化していない場合には、入力データと学習器５１Ｂによって生成される生成画像データとに差が生じた状態になる。この場合には、生成誤差ΔＰ２は「正の値」になる。

【0059】

図１３に「状態Ｂ２」で示すように、砥面２３がドレッシングの実行開始に最も適した状態（特定の使用状態Ｂ）になっている場合には、入力データと生成画像データとが略同一になるため、生成誤差ΔＰ２はごく小さい値になる。この場合、生成誤差ΔＰ１は最も小さい値になる。

【0060】

図１３に「状態Ｃ２」で示すように、砥石２１による研削加工の総実行時間が比較的長く、砥面２３の使用状態の変化が進んでいる場合には、入力データと生成画像データとの差が大きくなっているため、生成誤差ΔＰ２は大きい「正の値」になる。

【0061】

このことから、学習済みの学習器５１Ｂから出力される生成誤差ΔＰ２は、基本的には、砥石２１による研削加工の実行に応じて次のように推移するようになる。
図１４に示すように、学習器５１Ｂから出力される生成誤差ΔＰ２は、ドレッシングの完了後において砥石２１による切削加工の実行が開始されると、その後において徐々に小さくなる（時刻ｔ２１以前）。そして、砥面２３がドレッシングの実行開始に最も適した状態（特定の使用状態Ｂ）になったタイミングで最も小さくなる（時刻ｔ２１）。なお、ドレッシングの実行が開始されると、その実行に伴って生成誤差ΔＰ２は徐々に大きくなる（時刻ｔ２１以降）。

【0062】

本実施形態では、図９に示すように、そうした生成誤差ΔＰ２の推移が表示装置３５に表示されるようになっている。そのため、表示装置３５に表示される生成誤差ΔＰ２を目視することで、砥面２３の実際の使用状態が特定の使用状態Ｂにどれだけ近づいているのかを把握することができる。しかも本実施形態では、生成誤差ΔＰ２が判定値Ｊ２以下になっていると判定された場合には、表示装置３５の領域ＡＲ２に、ドレッシングの実行開始に最も適した状態であることを示す文字情報が表示される。この表示を目視することにより、ドレッシングの実行開始に最も適した状態になったことを容易に把握することができる。

【0063】

本実施形態では、このようにして表示装置３５に判定結果が表示されるため、表示装置３５の表示内容を作業者が目視することで、そのときどきの砥面２３の使用状態を容易に把握することができる。

【0064】

本実施形態によれば、以下に記載する効果が得られるようになる。
（１）特定の使用状態Ａ，Ｂになった砥面２３を撮像した画像を用意するとともに、同画像を教師データ５３Ａ，５３Ｂとして学習させた学習済みの学習器５１Ａ，５１Ｂを予め用意するようにした。そのため、学習済みの学習器５１Ａ，５１Ｂを利用して、判定対象の砥石２１の砥面２３が特定の使用状態Ａ，Ｂになっていることを高い精度で判定することができる。しかも、砥面２３を緻密に観察したり計測したりすることによって同砥面２３の使用状態を評価する装置と比較して、判定対象の砥石２１の砥面２３が特定の使用状態Ａ，Ｂになっていることを短い時間で判定することができる。

【0065】

（２）最適なドレッシングが実行された状態（特定の使用状態Ａ）の砥石２１［Ａ］の砥面２３を撮像した画像を取得するとともに、同画像を教師データ５３Ａとして学習器５１Ａの機械学習に利用するようにした。そのため、学習済みの学習器５１Ａを利用して、判定対象の砥石２１の砥面２３についてのドレッシングが適正になされたことを、短い時間、且つ高い精度で判定することができる。

【0066】

（３）ドレッシングの実行開始に最も適した状態（特定の使用状態Ｂ）の砥石２１［Ｂ］の砥面２３を撮像した画像を取得するとともに、同画像を教師データ５３Ｂとして学習器５１Ｂの機械学習に利用するようにした。そのため、学習済みの学習器５１Ｂを利用して、判定対象の砥石２１の砥面２３がドレッシングの実行開始に適した状態になっていることを、短い時間、且つ高い精度で判定することができる。

【0067】

（４）砥面２３の全体を撮像した一枚の画像を用いるといった簡素な構成で、同砥面２３が特定の使用状態になったことを判定することができる。
ここで、砥石２１（詳しくは、砥面２３）の劣化は、砥面２３の全域に現れる訳ではなく、特徴的な構造をなす領域（特定領域）において生じる。この点をふまえて、そうした特定領域における砥面２３の劣化態様を学習器に学習させたうえで、同学習器を利用して砥面２３の使用状態の判定を行うことが考えられる。これにより、砥面２３の各部の使用状態を細かく判定することができる。ただし、この場合には、砥石２１の使用過程において、砥面２３の同一領域（特定領域）を逐次観察してその状態変化の様子を把握する作業が必要になる。また、学習器を学習させるための教師データとして、砥面２３を撮像した画像から特定の領域の画像を切り出すといった煩雑な作業も必要になる。

【0068】

本実施形態では、砥面２３の使用状態を判定する際に砥面２３の全体を示す一枚の画像を用意するだけでよいため、そうした煩雑な作業が不要になり、ごく簡素な作業で砥面２３の使用状態の判定を行うことができる。

【0069】

（５）学習器５１Ａ，５１Ｂの機械学習は、入力データと同入力データをもとに学習器５１Ａ，５１Ｂによって生成される生成画像データとを同一の画像を示すデータにする態様で実行される。そして、入力データと生成画像データとの差分に相当する値が生成誤差ΔＰ１，ΔＰ２として学習器５１Ａ，５１Ｂから出力される。そのため、学習器５１Ａ，５１Ｂから出力される生成誤差ΔＰ１，ΔＰ２に基づいて、判定対象の砥石２１の砥面２３の実際の使用状態が特定の使用状態Ａ，Ｂにどれだけ近づいているのかを把握することができる。

【0070】

（６）自動研削装置２０には、砥石２１の砥面２３を撮像するカメラ３１が取り付けられている。このカメラ３１によって撮像された画像は、判定画像５０として、電子制御装置４０の記憶部４４に記憶される。そのため、砥面２３を撮像する作業や砥面２３を撮像した画像を電子制御装置４０に記憶させる作業を、それら作業に合わせて自動研削装置２０にカメラ３１を着脱することなく、自動研削装置２０に砥石２１を取り付けた状態のままで容易に行うことができる。また、砥面判定装置３０による砥面２３の使用状態の判定にかかる制御や、自動研削装置２０によるワークの研削加工にかかる制御、同自動研削装置２０による砥石２１のドレッシングにかかる制御を、組み合わせられた一連の自動制御として実行することができる。これにより、砥面２３の実際の使用状態を適宜のタイミングで確認しながら、自動研削装置２０によるワークの研削加工や砥石２１のドレッシングを実行することができるようになる。

【0071】

（７）シャッター操作部２９の作動制御を通じて、砥石カバー２５の開口部２７が閉じられた閉状態と開かれた開状態とを切り替え可能になっている。そのため、カメラ３１による砥面２３の撮像が実行されないときには、シャッター部２８を閉じて、カメラ３１と砥石２１との間が仕切られた閉状態にすることができる。これにより、カメラ３１への異物（切り粉やオイル等）の付着を抑えることができる。そして、カメラ３１による砥面２３の撮像を実行するときには、シャッター部２８を開いてカメラ３１と砥石２１との間が仕切られない開状態にすることで、カメラ３１による砥面２３の撮像が可能な状態にすることができる。

【0072】

なお、上記実施形態は、以下のように変更して実施することができる。上記実施形態および以下の変更例は、技術的に矛盾しない範囲で互いに組み合わせて実施することができる。

【0073】

・教師データ５３Ａ，５３Ｂや判定画像５０として、撮像処理（図４）によって取得された画像データをそのまま用いることに代えて、同画像データをフーリエ変換（例えば、高速フーリエ変換［ＦＦＴ］）したうえで用いるようにしてもよい。

【0074】

この構成では、図１５に概念的に示すように、各学習器５１Ａ，５１Ｂの機械学習における入力データとして、撮像処理によって取得された画像データＣ１をフーリエ変換した画像データＣ２が用いられる。そして、この入力データをもとに学習器５１Ａ，５１Ｂによって生成される生成画像データと同入力データとを同一の画像を示すデータ（画像データＣ２）にする態様で、各学習器５１Ａ，５１Ｂの機械学習は実行される。また、判定対象の砥石２１の使用状態を判定する判定処理においては、図１６に示すように、各学習器５１Ａ，５１Ｂの入力データとして、撮像処理によって取得された画像データＤ１をフーリエ変換した画像データＤ２が用いられる。そして、判定処理においては、学習器５１Ａ，５１Ｂから、入力データ（画像データＤ２）と生成画像データＤ３との差分に相当する値が生成誤差として出力される。

【0075】

撮像処理を通じて取得された画像データをフーリエ変換することで、前記特徴量（砥面２３の最外周面において研削方向に延びる部分）を含む砥面２３表面の特徴が周波数の概念で表されるようになる。このことから、フーリエ変換後の画像データには、砥面２３の特徴（特徴量を含む）が現れるようになると云える。

【0076】

上記構成によれば、そうしたフーリエ変換した画像データを用いることで、砥面２３における特徴量の大きさや分布を考慮しつつ、砥面２３の使用状態を判定することができるようになる。そのため、判定対象の砥石２１の砥面２３が特定の使用状態Ａ，Ｂになっていることを高い精度で判定することができる。

【0077】

また上記構成によっても、砥石２１の使用過程において砥面２３の同一領域を逐次観察してその状態変化の様子を把握する作業や、学習器を学習させるための教師データとして砥面２３を撮像した画像から特定の領域の画像を切り出す作業は不要になる。そのため、簡素な作業で砥面２３の使用状態の判定を行うことができる。

【0078】

なお、フーリエ変換後の画像データには、砥石の種類、詳しくは砥粒の大きさの違いや砥面における砥粒の分布態様の違いについても周波数の概念で現れるようになる。上記構成によれば、この違いを捉えることで、判定対象の砥石の種類を推定すること等も可能になる。

【0079】

・入力データをもとに学習器５１Ａ，５１Ｂによって生成される生成データとして、画像データを採用することに代えて、砥面の使用状態に対応する特徴ベクトルを採用することができる。

【0080】

この構成では、各学習器５１Ａ，５１Ｂの機械学習は、次のように実行される。図１７に概念的に示すように、特定の使用状態の砥面２３を撮像した画像データＥ（入力データ）をもとに学習器５１Ａ，５１Ｂによって特定の使用状態に対応する特徴ベクトルＦを生成する態様で、各学習器５１Ａ，５１Ｂの機械学習は実行される。なお、特徴ベクトルＦとしては、画像の輝度（または明度）分布を表す量などが生成される。そして上記構成では、判定処理においては、学習器５１Ａ，５１Ｂから、入力データ（詳しくは、判定対象の砥石２１の使用状態）に対応する特徴ベクトルと特定の使用状態に対応する特徴ベクトルとの差分に相当する値が生成誤差として出力される。

【0081】

ここで、砥石２１によるワークの加工回数（例えば１回）が少ない場合には、見た目には、加工前の砥面２３と加工後の砥面２３との間での使用状態の変化はごく小さい。これに対して、上記構成のように学習器５１Ａ，５１Ｂによって特徴ベクトルを生成することで、そのときどきの砥面２３の使用状態を数値で表すことができる。そのため、見た目では違いが分かりづらい加工前の砥面２３の使用状態と加工後の砥面２３の使用状態との差を、数値で表すことができるようになる。

【0082】

上記構成によれば、判定対象の砥石２１の使用状態を判定する判定処理において、そうした入力データをもとに特徴ベクトルを生成するタイプの学習器が用いられる。そのため、特定の使用状態の砥面２３に対応する特徴ベクトルと判定対象の砥石２１の使用状態に対応する特徴ベクトルとの差分を示す数値である生成誤差をもとに、判定対象の砥石２１が特定の使用状態になったことを精度良く判定することができる。また、上記差分を示す数値である生成誤差をもとに、判定対象の砥石２１の使用状態と特定の使用状態とがどの程度異なるのかを高い精度で把握することなども可能になる。

【0083】

・表示装置３５に表示する内容は、任意に変更することができる。例えば特定の使用状態Ａ，Ｂであることを示す文字情報を表示する構成を省略してもよい。その他、特定の使用状態Ａ，Ｂであることを示す文字情報のみを表示することなども可能である。

【0084】

・砥面２３の状態を判定した判定結果を表示装置３５に表示することに限らず、判定結果に応じて警告ブザーを吹聴したりスピーカーから音声情報を発したりするようにしてもよい。

【0085】

・砥面２３の状態を判定した判定結果を表示装置３５に表示する構成を省略してもよい。
・判定対象の砥石２１が設けられた自動研削装置２０以外の装置（専用の撮像装置や他の自動研削装置など）に搭載されたカメラによって撮像した画像を、電子制御装置４０に記憶させて、教師データ５３Ａ，５３Ｂとして用いるようにしてもよい。

【0086】

・学習器５１Ａ，５１Ｂとしては、畳み込みニューラルネットワークを採用することに限らず、多層構造を有する一般的な順伝播型ニューラルネットワークや、サポートベクターマシン、敵対的生成ネットワーク、オートエンコーダなどを採用することができる。

【0087】

・学習器５１Ａ，５１Ｂを機械学習させる学習態様は、入力データと生成画像データとを同一の画像を示すデータにする学習態様に限らず、任意に変更することができる。要は、学習済みの学習器５１Ａ，５１Ｂから、判定画像５０に対応する砥面２３の使用状態と特定の使用状態Ａ，Ｂとの差分の指標値が出力される学習態様であれば、任意の学習態様を採用することができる。

【0088】

・２つの学習器５１Ａ，５１Ｂの一方を省略することができる。学習器５１Ａを有する砥面判定装置によれば、判定対象の砥石２１が最適なドレッシングが実行された状態（特定の使用状態Ａ）になっていることを判定することができる。また、学習器５１Ｂを有する砥面判定装置によれば、判定対象の砥石２１がドレッシングの実行開始に最も適した状態（特定の使用状態Ｂ）になっていることを判定することができる。

【0089】

・特定の使用状態Ａ，Ｂとは異なる特定の使用状態Ｃの砥面を撮像した画像からなる教師データによって学習された学習器を用いることも可能である。特定の使用状態Ｃとしては、例えば最適なドレッシングが実行された状態になる少し前の状態を採用することができる。こうした構成によれば、砥面判定装置により、判定対象の砥石が、もう少しでドレッシングが完了する状態になっていることを把握したりアナウンスしたりすることができる。その他、特定の使用状態Ｃとして、ドレッシングの実行開始に最も適した状態になる少し前の状態を採用すること等も可能である。同構成によれば、砥面判定装置により、判定対象の砥石についてのドレッシングの実行タイミングが近くなっていることを把握したりアナウンスしたりすることができる。

【0090】

・学習済みの学習器５１Ａ，５１Ｂを電子制御装置４０に記憶させるための作業は、以下の（作業Ａ）～（作業Ｃ）のように、任意の態様で実行することができる。
（作業Ａ）判定対象の砥石２１が設けられる自動研削装置２０を利用して、教師データ５３Ａ，５３Ｂを取得するとともに、同教師データ５３Ａ，５３Ｂによって学習器５１Ａ，５１Ｂを機械学習させる。

【0091】

（作業Ｂ）実際に使用する砥石２１に対応する教師データ５３Ａ，５３Ｂを、自動研削装置２０の製造メーカー、あるいは砥石２１の製造メーカーに提供してもらう。そして、教師データ５３Ａ，５３Ｂをユーザーが使用する砥面判定装置３０の電子制御装置４０に記憶させることで、学習器５１Ａ，５１Ｂを機械学習させる。

【0092】

（作業Ｃ）自動研削装置２０の製造時において、学習済みの学習器５１Ａ，５１Ｂを電子制御装置４０に記憶させる。
・カメラ３１を、自動研削装置２０における砥石カバー２５以外の部分に取り付けるようにしてもよい。

【0093】

・図１８に一例を示すように、カメラ８１を有する撮像ユニット８０を、自動研削装置２０と別体に構成してもよい。同構成では、砥面２３の使用状態を判定する際に撮像ユニット８０を自動研削装置２０に一時的に取り付けるとともに同撮像ユニット８０によって砥面２３を撮像することで、判定対象の砥石２１の砥面２３を撮像した画像（判定画像５０）を取得することができる。上記構成によれば、撮像ユニット８０によって砥面２３を撮像する際に、自動研削装置２０を構成する各種の駆動部を利用して、砥石２１（詳しくは、その砥面２３）と撮像ユニット８０との相対位置を制御することができる。なお各種の駆動部としては、砥石２１を移動させる移動装置や、ワークが固定されるテーブルを移動させる移動装置などを挙げることができる。

【0094】

・判定画像５０として、砥面２３の全体を示す一枚の画像を用いることに限らず、砥面２３の一部（例えば半分）を示す一枚の画像を用いたり、砥面２３の全体を示す画像を複数に分割した複数枚の画像を用いたりすることができる。

【0095】

・上記実施形態にかかる砥面判定装置は、円柱状の基材の底面に多数の砥粒が結合剤によって固着された構造をなす砥石にも適用することができる。
・上記実施形態にかかる砥面判定装置は、自動研削装置と別体の装置として構成することができる。同構成では、砥面の使用状態を判定する際には、判定対象の砥石が自動研削装置から取り外されるとともに砥面判定装置に取り付けられる。その後、砥面判定装置によって砥面の使用状態が判定される。

【符号の説明】

【0096】

２０…自動研削装置
２１…砥石
２３…砥面
２８…シャッター部
２９…シャッター操作部
３０…砥面判定装置
３１…カメラ
３２…Ｘ軸駆動部
３３…Ｙ軸駆動部
３４…Ｚ軸駆動部
４０…電子制御装置
４４…記憶部
５０…判定画像
５１Ａ，５１Ｂ…学習器
５２…実行プログラム
５３Ａ，５３Ｂ…教師データ
５４…判定結果データ
７０…砥粒
７１…部分
８０…撮像ユニット
８１…カメラ

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】

【図18】

【手続補正書】

【提出日】2022-07-13

【手続補正1】

【補正対象書類名】明細書

【補正対象項目名】００３６

【補正方法】変更

【補正の内容】

【0036】

本実施形態では、２つの学習器５１Ａ，５１Ｂとして、敵対的生成ネットワークが採用されている。本実施形態では、記憶部４４に記憶された教師データ５３Ａ，５３Ｂをもとに学習器５１Ａ，５１Ｂの機械学習が実行される。詳しくは、教師データ５３Ａを構成する複数の画像データの一つを抽出するとともに同画像データを入力データとして学習器５１Ａを機械学習させるといった学習処理が、教師データ５３Ａを構成する画像データ毎に繰り返し実行される。また、教師データ５３Ｂを構成する複数の画像データの一つを抽出するとともに同画像データを入力データとして学習器５１Ｂを機械学習させるといった学習処理が、教師データ５３Ｂを構成する画像データ毎に繰り返し実行される。そして、機械学習の実行を通じて作成された学習データが記憶部４４に記憶される。本実施形態では、こうした学習器５１Ａ，５１Ｂの機械学習にかかる一連の処理が自動的に実行されるように、実行プログラム５２が構築されて記憶部４４に記憶されている。本実施形態では、このようにして学習器５１Ａ，５１Ｂの機械学習を実行する工程が記憶工程に相当する。

【手続補正2】

【補正対象書類名】明細書

【補正対象項目名】００８６

【補正方法】変更

【補正の内容】

【0086】

・学習器５１Ａ，５１Ｂとしては、敵対的生成ネットワークを採用することに限らず、オートエンコーダなどを採用することができる。