知財求人 - 知財ポータルサイト「IP Force」
特許7648039融着接続機、融着接続システム、及び光ファイバを融着接続する方法
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2025-03-10
(45)【発行日】2025-03-18
(54)【発明の名称】融着接続機、融着接続システム、及び光ファイバを融着接続する方法
(51)【国際特許分類】
G02B 6/255 20060101AFI20250311BHJP
【ＦＩ】
G02B6/255
【請求項の数】
14
(21)【出願番号】P 2022515384
(86)(22)【出願日】2021-04-12
(86)【国際出願番号】 JP2021015225
(87)【国際公開番号】W WO2021210552
(87)【国際公開日】2021-10-21
【審査請求日】2024-02-21
(31)【優先権主張番号】PCT/JP2020/016859
(32)【優先日】2020-04-17
(33)【優先権主張国・地域又は機関】JP
(73)【特許権者】
【識別番号】000110309
【氏名又は名称】住友電工オプティフロンティア株式会社
(74)【代理人】
【識別番号】100088155
【弁理士】
【氏名又は名称】長谷川 芳樹
(74)【代理人】
【識別番号】100113435
【弁理士】
【氏名又は名称】黒木 義樹
(74)【代理人】
【識別番号】100136722
【弁理士】
【氏名又は名称】▲高▼木 邦夫
(74)【代理人】
【識別番号】100174399
【弁理士】
【氏名又は名称】寺澤 正太郎
(72)【発明者】
【氏名】鈴木 貴弘
(72)【発明者】
【氏名】大木 一芳
(72)【発明者】
【氏名】遊佐 英明
【審査官】奥村 政人
(56)【参考文献】
【文献】特開２０２０－０２０９９７（ＪＰ，Ａ）
【文献】特開２０１３－０５４１９２（ＪＰ，Ａ）
【文献】特開２００２－１６９０５０（ＪＰ，Ａ）
【文献】特開２０１８－１０６５６２（ＪＰ，Ａ）
【文献】特開２０１６－１５２０１１（ＪＰ，Ａ）
【文献】特開２０１６－０９７２２８（ＪＰ，Ａ）
【文献】特開２０１５－１７２７３６（ＪＰ，Ａ）
【文献】特開２０２０－０２０９９８（ＪＰ，Ａ）
【文献】特開２０１９－１１８９４０（ＪＰ，Ａ）
【文献】中国特許出願公開第１０２５６７７４５（ＣＮ，Ａ）
【文献】国際公開第２００５／０１７５８５（ＷＯ，Ａ１）
【文献】壁谷 佳典，機械学習のビジネス適用事例紹介，情報処理学会 デジタルプラクティス Ｖｏｌ．７ Ｎｏ．４ ［ｏｎｌｉｎｅ］，日本，情報処理学会，2016年10月，第370-377頁
【文献】進藤 智則，古野電気が船舶向け自動運転を強化学習で実現 ガウス過程でダイナミクス自動獲得、実機学習可能に，ＮＩＫＫＥＩ Ｒｏｂｏｔｉｃｓ 第５１号，日本，日経ＢＰ Nikkei Business Publications,Inc.，2019年10月，第3-11頁
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０２Ｂ ６／２４
Ｇ０２Ｂ ６／２５５
Ｇ０２Ｂ ６／３６－ ６／４０
ＩＥＥＥ Ｘｐｌｏｒｅ
(57)【特許請求の範囲】
【請求項1】
一対の光ファイバを撮像して撮像データを生成する撮像部と、前記撮像部から提供された撮像データから得られる複数の特徴量に基づいて前記一対の光ファイバそれぞれの種類を判別する判別部であって、光ファイバの種類を判別するための第１及び第２の判別アルゴリズムを有し、前記第１及び第２の判別アルゴリズムのいずれかによる判別結果を採用し、前記第１の判別アルゴリズムは光ファイバの撮像データから得られる複数の特徴量と前記特徴量を得た光ファイバの種類との相関に基づいて機械学習以外の方法により予め規定されたものであり、前記第２の判別アルゴリズムは接続しようとする光ファイバの種類を前記接続しようとする光ファイバの撮像データに基づいて判別するための判別モデルを含み、前記判別モデルは光ファイバの撮像データから得られる複数の特徴量と前記特徴量を得た光ファイバの種類との対応関係を示すサンプルデータを用いた機械学習により作成されたものである前記判別部と、
前記判別部における判別結果に基づいて、前記一対の光ファイバの種類の組み合わせに応じた接続条件にて前記一対の光ファイバを相互に融着接続する接続部と、
を備え、
前記判別部は、
前記複数の特徴量に含まれる所定の特徴量が閾値よりも大きい場合に前記第１及び第２の判別アルゴリズムのうち一方による判別結果を採用し、前記所定の特徴量が前記閾値よりも小さい場合に前記第１及び第２の判別アルゴリズムのうち他方による判別結果を採用する第１の動作、
前記第１の判別アルゴリズムにより前記一対の光ファイバそれぞれの種類を判別できた場合にその判別結果を採用し、前記第１の判別アルゴリズムにより前記一対の光ファイバそれぞれの種類を判別できなかった場合に前記第２の判別アルゴリズムによる判別結果を採用する第２の動作、
前記撮像部が前記一対の光ファイバを少なくとも２回撮像して生成した少なくとも２回分の撮像データそれぞれから、前記複数の特徴量からなる少なくとも２つの特徴量群それぞれを得て、前記少なくとも２つの特徴量群間における所定の特徴量のばらつきが閾値よりも大きい場合に、前記第１及び第２の判別アルゴリズムのうち前記所定の特徴量のばらつきに起因する判別精度の低下が小さい方の判別アルゴリズムによる判別結果を採用する第３の動作、および
前記撮像部が前記一対の光ファイバを少なくとも２回撮像して生成した少なくとも２回分の撮像データそれぞれから、前記複数の特徴量からなる少なくとも２つの特徴量群それぞれを得て、前記少なくとも２つの特徴量群のそれぞれに基づいて前記第１及び第２の判別アルゴリズムを実行し、前記第１の判別アルゴリズムによる、前記少なくとも２つの特徴量群にそれぞれ対応する少なくとも２つの判別結果と、前記第２の判別アルゴリズムによる、前記少なくとも２つの特徴量群にそれぞれ対応する少なくとも２つの判別結果とのうち、前記少なくとも２つの判別結果間のばらつきが小さい方を採用する第４の動作、
のうち少なくとも一つの動作を行う、融着接続機。
【請求項2】
前記機械学習は深層学習である、請求項１に記載の融着接続機。
【請求項3】
前記閾値は、前記所定の特徴量が変化したときの、前記第１の判別アルゴリズムによる判別精度と前記第２の判別アルゴリズムによる判別精度との比較に基づいて決定された値である、請求項１または請求項２に記載の融着接続機。
【請求項4】
前記判別部は、前記第２の動作において、先ず前記第１の判別アルゴリズムを実行し、前記第１の判別アルゴリズムにより前記一対の光ファイバそれぞれの種類を判別できなかった場合に前記第２の判別アルゴリズムを実行する、請求項１から請求項３のいずれか１項に記載の融着接続機。
【請求項5】
前記判別部は、前記第２の動作において、前記第１の判別アルゴリズムと、前記第２の判別アルゴリズムとを並行して実行する、請求項１から請求項３のいずれか１項に記載の融着接続機。
【請求項6】
前記第３の動作および前記第４の動作の少なくとも一方において、前記一対の光ファイバの光軸方向における、前記少なくとも２回分の撮像データの撮像位置が互いに同じである、請求項１から請求項５のいずれか１項に記載の融着接続機。
【請求項7】
前記第３の動作および前記第４の動作の少なくとも一方において、前記一対の光ファイバの光軸方向における、前記少なくとも２回分の撮像データの撮像位置が互いに異なる、請求項１から請求項５のいずれか１項に記載の融着接続機。
【請求項8】
請求項１から請求項７のいずれか１項に記載の融着接続機である複数の融着接続機と、前記複数の融着接続機から前記サンプルデータを集めて前記機械学習を行って前記判別モデルを作成し、前記判別モデルを前記複数の融着接続機に提供するモデル作成装置と、
を備える、融着接続システム。
【請求項9】
前記モデル作成装置は、前記複数の融着接続機を撮像データの傾向が類似していると推定される二以上のグループに分類してグループ毎に前記判別モデルを作成し、各融着接続機の前記判別部の前記第２の判別アルゴリズムは、前記各融着接続機が属する前記グループに対応する前記判別モデルを前記モデル作成装置から得る、請求項８に記載の融着接続システム。
【請求項10】
前記モデル作成装置の前記機械学習に供される前記サンプルデータには、前記第１の判別アルゴリズムにより前記一対の光ファイバそれぞれの種類を判別できたときの前記サンプルデータと、前記第１の判別アルゴリズムにより前記一対の光ファイバそれぞれの種類を判別できなかったとき及び誤判別したときの前記サンプルデータとの双方が含まれる、請求項８又は請求項９に記載の融着接続システム。
【請求項11】
前記モデル作成装置の前記機械学習に供される前記サンプルデータには、前記第１の判別アルゴリズムにより前記一対の光ファイバそれぞれの種類を判別できたときの前記サンプルデータのみが含まれ、各融着接続機の前記判別部は、前記第１の判別アルゴリズムにより前記一対の光ファイバそれぞれの種類を判別できなかったとき及び誤判別したときの自らの前記サンプルデータを用いて前記機械学習を行って前記判別モデルを改良する、請求項８又は請求項９に記載の融着接続システム。
【請求項12】
前記モデル作成装置の前記機械学習に供される前記サンプルデータには、前記第１の判別アルゴリズムにより前記一対の光ファイバそれぞれの種類を判別できたときの前記サンプルデータと、前記第１の判別アルゴリズムにより前記一対の光ファイバそれぞれの種類を判別できなかったとき及び誤判別したときの前記サンプルデータとの双方が含まれ、各融着接続機の前記判別部は、前記第１の判別アルゴリズムにより前記一対の光ファイバそれぞれの種類を判別できなかったときの自らの前記サンプルデータ（但し、前記モデル作成装置に提供した前記サンプルデータを除く）を用いて前記機械学習を行って前記判別モデルを改良する、請求項８又は請求項９に記載の融着接続システム。
【請求項13】
一対の光ファイバを撮像して撮像データを生成する工程と、前記生成する工程において取得された撮像データから得られる複数の特徴量に基づいて前記一対の光ファイバそれぞれの種類を判別する工程であって、光ファイバの種類を判別するための第１及び第２の判別アルゴリズムのいずれかによる判別結果を採用し、前記第１の判別アルゴリズムは光ファイバの撮像データから得られる複数の特徴量と前記特徴量を得た光ファイバの種類との相関に基づいて機械学習以外の方法により予め規定されたものであり、前記第２の判別アルゴリズムは接続しようとする光ファイバの種類を前記接続しようとする光ファイバの撮像データに基づいて判別するための判別モデルを含み、前記判別モデルは光ファイバの撮像データから得られる複数の特徴量と前記特徴量を得た光ファイバの種類との対応関係を示すサンプルデータを用いた機械学習により作成されたものである工程と、
前記判別する工程における判別結果に基づいて、前記一対の光ファイバの種類の組み合わせに応じた接続条件にて前記一対の光ファイバを相互に融着接続する工程と、
を含み、
前記判別する工程は、
前記複数の特徴量に含まれる所定の特徴量が閾値よりも大きい場合に前記第１及び第２の判別アルゴリズムのうち一方による判別結果を採用し、前記所定の特徴量が前記閾値よりも小さい場合に前記第１及び第２の判別アルゴリズムのうち他方による判別結果を採用する工程、
前記第１の判別アルゴリズムにより前記一対の光ファイバそれぞれの種類を判別できた場合にその判別結果を採用し、前記第１の判別アルゴリズムにより前記一対の光ファイバそれぞれの種類を判別できなかった場合に前記第２の判別アルゴリズムによる判別結果を採用する工程、
前記一対の光ファイバを少なくとも２回撮像して生成した少なくとも２回分の撮像データそれぞれから、前記複数の特徴量からなる少なくとも２つの特徴量群それぞれを得て、前記少なくとも２つの特徴量群間における所定の特徴量のばらつきが閾値よりも大きい場合に、前記第１及び第２の判別アルゴリズムのうち前記所定の特徴量のばらつきに起因する判別精度の低下が小さい方の判別アルゴリズムによる判別結果を採用する工程、および
前記一対の光ファイバを少なくとも２回撮像して生成した少なくとも２回分の撮像データそれぞれから、前記複数の特徴量からなる少なくとも２つの特徴量群それぞれを得て、前記少なくとも２つの特徴量群に基づいて前記第１及び第２の判別アルゴリズムを実行し、前記第１の判別アルゴリズムによる、前記少なくとも２つの特徴量群にそれぞれ対応する少なくとも２つの判別結果と、前記第２の判別アルゴリズムによる、前記少なくとも２つの特徴量群にそれぞれ対応する少なくとも２つの判別結果とのうち、前記少なくとも２つの判別結果間のばらつきが小さい方を採用する工程、
のうち少なくとも一つの工程を含む、光ファイバを融着接続する方法。
【請求項14】
種類が既知である二以上の光ファイバを撮像して撮像データを生成し、その撮像データから得られる複数の特徴量に基づいて、前記第１及び第２の判別アルゴリズムにより前記二以上の光ファイバの種類を判別し、前記第１及び第２の判別アルゴリズムのうち判別精度が高い方を前記判別する工程において採用する、請求項１３に記載の光ファイバを融着接続する方法。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、融着接続機、融着接続システム、及び光ファイバを融着接続する方法に関する。本出願は、２０２０年４月１７日出願の国際出願第ＰＣＴ／ＪＰ２０２０／０１６８５９号に基づく優先権を主張し、前記国際出願に記載された全ての記載内容を援用する。
【背景技術】
【0002】
特許文献１及び特許文献２には、融着接続機、融着接続システム、及び光ファイバを融着接続する方法が開示されている。
【先行技術文献】
【特許文献】
【0003】
【文献】特開２００２－１６９０５０号公報
【文献】特開２０２０－２０９９７号公報
【発明の概要】
【0004】
本開示の融着接続機は、撮像部、判別部及び接続部を備える。撮像部は、一対の光ファイバを撮像して撮像データを生成する。判別部は、撮像部から提供された撮像データから得られる複数の特徴量に基づいて一対の光ファイバそれぞれの種類を判別する。判別部は、光ファイバの種類を判別するための第１及び第２の判別アルゴリズムを有し、第１及び第２の判別アルゴリズムのいずれかによる判別結果を採用する。第１の判別アルゴリズムは、光ファイバの撮像データから得られる複数の特徴量と前記特徴量を得た光ファイバの種類との相関に基づいて機械学習以外の方法により予め規定されたものである。第２の判別アルゴリズムは、接続しようとする光ファイバの種類を前記接続しようとする光ファイバの撮像データに基づいて判別するための判別モデルを含む。判別モデルは、光ファイバの撮像データから得られる複数の特徴量と前記特徴量を得た光ファイバの種類との対応関係を示すサンプルデータを用いた機械学習により作成されたものである。接続部は、判別部における判別結果に基づいて、一対の光ファイバの種類の組み合わせに応じた接続条件にて一対の光ファイバを相互に融着接続する。
【0005】
本開示の融着接続システムは、上記融着接続機である複数の融着接続機とモデル作成装置とを備える。モデル作成装置は、複数の融着接続機からサンプルデータを集めて機械学習を行って判別モデルを作成し、前記判別モデルを複数の融着接続機に提供する。
【0006】
本開示の光ファイバを融着接続する方法は、撮像データを生成する工程と、判別する工程と、融着接続する工程と、を含む。撮像データを生成する工程では、一対の光ファイバを撮像して撮像データを生成する。判別する工程では、撮像データを生成する工程において取得された撮像データから得られる複数の特徴量に基づいて一対の光ファイバそれぞれの種類を判別する。判別する工程では、光ファイバの種類を判別するための第１及び第２の判別アルゴリズムのいずれかによる判別結果を採用する。第１の判別アルゴリズムは、光ファイバの撮像データから得られる複数の特徴量と前記特徴量を得た光ファイバの種類との相関に基づいて、機械学習以外の方法により予め規定されたものである。第２の判別アルゴリズムは、接続しようとする光ファイバの種類を前記接続しようとする光ファイバの撮像データに基づいて判別するための判別モデルを含む。判別モデルは、光ファイバの撮像データから得られる複数の特徴量と前記特徴量を得た光ファイバの種類との対応関係を示すサンプルデータを用いた機械学習により作成されたものである。融着接続する工程では、判別する工程における判別結果に基づいて、一対の光ファイバの種類の組み合わせに応じた接続条件にて一対の光ファイバを相互に融着接続する。
【図面の簡単な説明】
【0007】
【発明を実施するための形態】
【0008】
［本開示が解決しようとする課題］
光ファイバには様々な種類が存在する。光ファイバの種類は、例えば、用途及び光学特性に関する特徴、並びに構造的な特徴によって区別される。用途及び光学特性に関する特徴としては、シングルモードファイバ（ＳＭＦ：Single Mode Fiber）、マルチモードファイバ（ＭＭＦ：Multi Mode Fiber）、汎用シングルモードファイバ、分散シフト・シングルモードファイバ（ＤＳＦ：Dispersion Shifted SMF）、及び非零分散シフト・シングルモードファイバ（ＮＺＤＳＦ：Non-Zero DSF）といった特徴がある。構造的な特徴としては、光ファイバの直径、コア径、コア及びクラッドの材質、径方向の屈折率分布等がある。そして、一対の光ファイバ同士を融着接続する際の最適な融着条件、例えば放電時間及び光ファイバ同士の相対位置は、一対の光ファイバの種類の組み合わせに応じて変化する。しかしながら、既に敷設された光ファイバの種類は不明であることが多い。したがって、接続対象である一対の光ファイバの種類の組み合わせを、融着接続機において正確に判別することが重要となる。
光ファイバには様々な種類が存在する。光ファイバの種類は、例えば、用途及び光学特性に関する特徴、並びに構造的な特徴によって区別される。用途及び光学特性に関する特徴としては、シングルモードファイバ（ＳＭＦ：Single Mode Fiber）、マルチモードファイバ（ＭＭＦ：Multi Mode Fiber）、汎用シングルモードファイバ、分散シフト・シングルモードファイバ（ＤＳＦ：Dispersion Shifted SMF）、及び非零分散シフト・シングルモードファイバ（ＮＺＤＳＦ：Non-Zero DSF）といった特徴がある。構造的な特徴としては、光ファイバの直径、コア径、コア及びクラッドの材質、径方向の屈折率分布等がある。そして、一対の光ファイバ同士を融着接続する際の最適な融着条件、例えば放電時間及び光ファイバ同士の相対位置は、一対の光ファイバの種類の組み合わせに応じて変化する。しかしながら、既に敷設された光ファイバの種類は不明であることが多い。したがって、接続対象である一対の光ファイバの種類の組み合わせを、融着接続機において正確に判別することが重要となる。
【0009】
例えば、特許文献２に記載されたシステムでは、光ファイバの径方向の輝度分布データからその光ファイバの種類を判別し得る判別モデルを、機械学習を用いて作成している。しかしながら、機械学習による判別モデルのみを用いても、その判別精度には限りがある。
【0010】
［本開示の効果］
本開示によれば、光ファイバ種類の判別精度を高めることができる融着接続機、融着接続システム、及び光ファイバを融着接続する方法を提供することが可能となる。
本開示によれば、光ファイバ種類の判別精度を高めることができる融着接続機、融着接続システム、及び光ファイバを融着接続する方法を提供することが可能となる。
【0011】
［本開示の実施形態の説明］
最初に、本開示の実施形態を列記して説明する。一実施形態に係る融着接続機は、撮像部、判別部及び接続部を備える。撮像部は、一対の光ファイバを撮像して撮像データを生成する。判別部は、撮像部から提供された撮像データから得られる複数の特徴量に基づいて一対の光ファイバそれぞれの種類を判別する。判別部は、光ファイバの種類を判別するための第１及び第２の判別アルゴリズムを有し、第１及び第２の判別アルゴリズムのいずれかによる判別結果を採用する。第１の判別アルゴリズムは、光ファイバの撮像データから得られる複数の特徴量と前記特徴量を得た光ファイバの種類との相関に基づいて、機械学習以外の方法により予め規定されたものである。第２の判別アルゴリズムは、接続しようとする光ファイバの種類を前記接続しようとする光ファイバの撮像データに基づいて判別するための判別モデルを含む。判別モデルは、光ファイバの撮像データから得られる複数の特徴量と前記特徴量を得た光ファイバの種類との対応関係を示すサンプルデータを用いた機械学習により作成されたものである。接続部は、判別部における判別結果に基づいて、一対の光ファイバの種類の組み合わせに応じた接続条件にて一対の光ファイバを相互に融着接続する。
最初に、本開示の実施形態を列記して説明する。一実施形態に係る融着接続機は、撮像部、判別部及び接続部を備える。撮像部は、一対の光ファイバを撮像して撮像データを生成する。判別部は、撮像部から提供された撮像データから得られる複数の特徴量に基づいて一対の光ファイバそれぞれの種類を判別する。判別部は、光ファイバの種類を判別するための第１及び第２の判別アルゴリズムを有し、第１及び第２の判別アルゴリズムのいずれかによる判別結果を採用する。第１の判別アルゴリズムは、光ファイバの撮像データから得られる複数の特徴量と前記特徴量を得た光ファイバの種類との相関に基づいて、機械学習以外の方法により予め規定されたものである。第２の判別アルゴリズムは、接続しようとする光ファイバの種類を前記接続しようとする光ファイバの撮像データに基づいて判別するための判別モデルを含む。判別モデルは、光ファイバの撮像データから得られる複数の特徴量と前記特徴量を得た光ファイバの種類との対応関係を示すサンプルデータを用いた機械学習により作成されたものである。接続部は、判別部における判別結果に基づいて、一対の光ファイバの種類の組み合わせに応じた接続条件にて一対の光ファイバを相互に融着接続する。
【0012】
一実施形態に係る融着接続システムは、上記融着接続機である複数の融着接続機とモデル作成装置とを備える。モデル作成装置は、複数の融着接続機からサンプルデータを集めて機械学習を行って判別モデルを作成し、該判別モデルを複数の融着接続機に提供する。
【0013】
一実施形態に係る光ファイバを融着接続する方法は、撮像データを生成する工程と、判別する工程と、融着接続する工程と、を含む。撮像データを生成する工程は、一対の光ファイバを撮像して撮像データを生成する。判別する工程では、生成する工程において取得された撮像データから得られる複数の特徴量に基づいて一対の光ファイバそれぞれの種類を判別する。判別する工程では、光ファイバの種類を判別するための第１及び第２の判別アルゴリズムのいずれかによる判別結果を採用する。第１の判別アルゴリズムは、光ファイバの撮像データから得られる複数の特徴量と前記特徴量を得た光ファイバの種類との相関に基づいて、機械学習以外の方法により予め規定されたものである。第２の判別アルゴリズムは、接続しようとする光ファイバの種類を前記接続しようとする光ファイバの撮像データに基づいて判別するための判別モデルを含む。判別モデルは、光ファイバの撮像データから得られる複数の特徴量と前記特徴量を得た光ファイバの種類との対応関係を示すサンプルデータを用いた機械学習により作成されたものである。融着接続する工程では、判別する工程における判別結果に基づいて、一対の光ファイバの種類の組み合わせに応じた接続条件にて一対の光ファイバを相互に融着接続する。
【0014】
上記の融着接続機、融着接続システム、及び融着接続する方法では、第１及び第２の判別アルゴリズムを用いて光ファイバの種類を判別する。このうち第１の判別アルゴリズムは、光ファイバの撮像データから得られる複数の特徴量とその光ファイバの種類との相関に基づいて機械学習以外の方法により予め規定されたものであり、従来と同等の判別精度を期待できる。第２の判別アルゴリズムは、複数の特徴量と光ファイバの種類との対応関係を示すサンプルデータを用いた機械学習により作成された判別モデルを含む。したがって、第１の判別アルゴリズムにて判別不能又は誤判別をしがちな光ファイバの種類に対して、機械学習に基づく高精度な判別を期待できる。故に、上記の融着接続機、融着接続システム、及び融着接続する方法によれば、第１及び第２の判別アルゴリズムのいずれかによる判別結果を採用することによって、従来と比較して光ファイバ種類の判別精度を高めることができる。
【0015】
上記の融着接続機、融着接続システム、及び融着接続する方法において、機械学習は深層学習であってもよい。この場合、光ファイバ種類の判別精度を更に高めることができる。
【0016】
上記の融着接続機、融着接続システム、及び融着接続する方法において、判別部は（判別する工程では）、複数の特徴量に含まれる所定の特徴量が閾値よりも大きい場合に第１及び第２の判別アルゴリズムのうち一方による判別結果を採用し、所定の特徴量が閾値よりも小さい場合に第１及び第２の判別アルゴリズムのうち他方による判別結果を採用してもよい。例えばこのような方式によって、第１及び第２の判別アルゴリズムのうちいずれの判別結果を採用するかを容易に選択することができる。この場合、閾値は、所定の特徴量が変化したときの、第１の判別アルゴリズムによる判別精度と第２の判別アルゴリズムによる判別精度との比較に基づいて決定された値であってもよい。これにより、光ファイバ種類の判別精度を更に高めることができる。
【0017】
上記の融着接続機、融着接続システム、及び融着接続する方法において、判別部は（判別する工程では）、第１の判別アルゴリズムにより一対の光ファイバそれぞれの種類を判別できた場合にその判別結果を採用し、第１の判別アルゴリズムにより一対の光ファイバそれぞれの種類を判別できなかった場合に第２の判別アルゴリズムによる判別結果を採用してもよい。例えばこのような方式によって、光ファイバ種類の判別精度を高めることができる。この場合、判別部は（判別する工程では）、先ず第１の判別アルゴリズムを実行し、第１の判別アルゴリズムにより一対の光ファイバそれぞれの種類を判別できなかった場合に第２の判別アルゴリズムを実行してもよい。これにより、判別部の（判別する工程における）演算量を低減することができる。或いは、判別部は（判別する工程では）、第１の判別アルゴリズムと、第２の判別アルゴリズムとを並行して実行してもよい。これにより、最終的な判別結果を得るまでの所要時間を短縮することができる。
【0018】
上記の融着接続機、融着接続システム、及び融着接続する方法において、撮像部は（撮像データを生成する工程では）、一対の光ファイバを少なくとも２回撮像して少なくとも２回分の撮像データを生成してもよい。そして、判別部は（判別する工程では）、少なくとも２回分の撮像データから得られる、複数の特徴量からなる少なくとも２つの特徴量群間における所定の特徴量のばらつきが閾値よりも大きい場合に、第１及び第２の判別アルゴリズムのうち一方による判別結果を採用してもよい。判別部は（判別する工程では）、所定の特徴量のばらつきが閾値よりも小さい場合に、第１及び第２の判別アルゴリズムのうちいずれかによる判別結果を採用してもよい。これにより、光ファイバ種類の判別精度を更に高めることができる。
【0019】
上記の融着接続機、融着接続システム、及び融着接続する方法において、撮像部は（撮像データを生成する工程では）、一対の光ファイバを少なくとも２回撮像して少なくとも２回分の撮像データを生成してもよい。そして、判別部は（判別する工程では）、少なくとも２回分の撮像データから得られる、複数の特徴量からなる少なくとも２つの特徴量群に基づいて第１及び第２の判別アルゴリズムを実行してもよい。判別部は（判別する工程では）、第１の判別アルゴリズムによる少なくとも２つの判別結果と、第２の判別アルゴリズムによる少なくとも２つの判別結果とのうち、判別結果のばらつきが小さい方を採用してもよい。これにより、光ファイバ種類の判別精度を更に高めることができる。
【0020】
上記の融着接続機、融着接続システム、及び融着接続する方法において、一対の光ファイバの光軸方向における、上記少なくとも２回分の撮像データの撮像位置は、互いに同じであってもよく、或いは互いに異なってもよい。
【0021】
上記の融着接続システムにおいて、モデル作成装置は、複数の融着接続機を撮像データの傾向が類似していると推定される二以上のグループに分類してグループ毎に判別モデルを作成してもよい。そして、各融着接続機の判別部の第２の判別アルゴリズムは、その融着接続機が属するグループに対応する判別モデルをモデル作成装置から得てもよい。これにより、撮像データの傾向が類似しているグループ内、例えば、融着接続機の機械的及び構造的なばらつきが少ないグループ内、撮像部の機械的及び構造的なばらつきが少ないグループ内に限定して機械学習を行うことができる。故に、第２の判別アルゴリズムによる光ファイバ種類の判別精度を更に高めることができる。
【0022】
上記の融着接続システムにおいて、モデル作成装置の機械学習に供されるサンプルデータには、第１の判別アルゴリズムにより一対の光ファイバそれぞれの種類を判別できたときのサンプルデータと、第１の判別アルゴリズムにより一対の光ファイバそれぞれの種類を判別できなかったとき及び誤判別したときのサンプルデータとの双方が含まれてもよい。この場合、第１の判別アルゴリズムが苦手とする光ファイバ種類をモデル作成装置の機械学習に含めることができ、総合的な光ファイバ種類の判別精度を高めることができる。
【0023】
上記の融着接続システムにおいて、モデル作成装置の機械学習に供されるサンプルデータには、第１の判別アルゴリズムにより一対の光ファイバそれぞれの種類を判別できたときのサンプルデータのみが含まれ、各融着接続機の判別部は、第１の判別アルゴリズムにより一対の光ファイバそれぞれの種類を判別できなかったとき及び誤判別したときの自らのサンプルデータを用いて機械学習を行って判別モデルを改良してもよい。この場合、各融着接続機の機械的及び構造的なばらつき、例えば撮像部の機械的及び構造的なばらつき等により第１の判別アルゴリズムでは判別できない光ファイバ種類に対して、第２の判別アルゴリズムの判別精度を融着接続機毎に高めることができる。
【0024】
上記の融着接続システムにおいて、モデル作成装置の機械学習に供されるサンプルデータには、第１の判別アルゴリズムにより一対の光ファイバそれぞれの種類を判別できたときのサンプルデータと、第１の判別アルゴリズムにより一対の光ファイバそれぞれの種類を判別できなかったとき及び誤判別したときのサンプルデータとが含まれてもよい。そして、各融着接続機の判別部は、第１の判別アルゴリズムにより一対の光ファイバそれぞれの種類を判別できなかったとき及び誤判別したときの自らのサンプルデータを用いて機械学習を行って判別モデルを改良してもよい。但し、モデル作成装置に提供したサンプルデータを除く。この場合、第１の判別アルゴリズムが苦手とする光ファイバ種類をモデル作成装置の機械学習に含めることができる。加えて、各融着接続機の機械的及び構造的なばらつき、例えば撮像部の機械的及び構造的なばらつき等により第１の判別アルゴリズムでは判別できない光ファイバ種類に対して、第２の判別アルゴリズムの判別精度を融着接続機毎に高めることができる。故に、総合的な光ファイバ種類の判別精度をより高めることができる。
【0025】
上記の融着接続する方法において、種類が既知である二以上の光ファイバを撮像して撮像データを生成し、その撮像データから得られる複数の特徴量に基づいて、第１及び第２の判別アルゴリズムにより二以上の光ファイバの種類を判別してもよい。そして、第１及び第２の判別アルゴリズムのうち判別精度が高い方を、上記の判別する工程において採用してもよい。これにより、光ファイバ種類の判別精度を更に高めることができる。
【0026】
［本開示の実施形態の詳細］
本開示の、融着接続機、融着接続システム、及び光ファイバを融着接続する方法の具体例を、以下に図面を参照しつつ説明する。なお、本発明はこれらの例示に限定されるものではなく、請求の範囲によって示され、請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。以下の説明では、図面の説明において同一の要素には同一の符号を付し、重複する説明を省略する。
本開示の、融着接続機、融着接続システム、及び光ファイバを融着接続する方法の具体例を、以下に図面を参照しつつ説明する。なお、本発明はこれらの例示に限定されるものではなく、請求の範囲によって示され、請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。以下の説明では、図面の説明において同一の要素には同一の符号を付し、重複する説明を省略する。
【0027】
図１は、本開示の一実施形態に係る融着接続システム１Ａの構成を概略的に示す図である。この融着接続システム１Ａは、複数の融着接続機１０と、モデル作成装置２０とを備える。融着接続機１０は、光ファイバの融着接続を行う装置である。モデル作成装置２０は、光ファイバの種類を判別するための判別モデルを作成する装置である。モデル作成装置２０は、情報通信網３０を介して複数の融着接続機１０と通信可能なコンピュータである。情報通信網３０は、例えばインターネットである。モデル作成装置２０の所在地域は、融着接続機１０の所在地域から離れている。
【0028】
図２及び図３は、融着接続機１０の外観を示す斜視図である。図２は風防カバーが閉じている状態の外観を示し、図３は風防カバーが開けられて融着接続機１０の内部構造が見える状態の外観を示す。図２及び図３に示すように、融着接続機１０は箱状の筐体２を備えている。この筐体２の上部には、光ファイバ同士を融着接続するための接続部３と、加熱器４とが設けられている。加熱器４は、接続部３において融着接続された光ファイバ同士の接続部分に被せられたファイバ補強スリーブを加熱収縮させる部分である。融着接続機１０は、筐体２の内部に配置された撮像部（後述）によって撮像された光ファイバ同士の融着接続状況を表示するモニタ５を備えている。さらに、融着接続機１０は、接続部３への風の進入を防止するための風防カバー６を備えている。
【0029】
接続部３は、一対の光ファイバホルダ３ａを載置可能なホルダ載置部と、一対のファイバ位置決め部３ｂと、一対の放電電極３ｃとを有している。融着対象の光ファイバそれぞれは光ファイバホルダ３ａに保持固定され、光ファイバホルダ３ａはそれぞれホルダ載置部に載置固定される。ファイバ位置決め部３ｂは、一対の光ファイバホルダ３ａの間に配置され、光ファイバホルダ３ａのそれぞれに保持された光ファイバの先端部を位置決めする。放電電極３ｃは、アーク放電によって光ファイバの先端同士を融着するための電極であって、一対のファイバ位置決め部３ｂの間に配置されている。
【0030】
風防カバー６は、接続部３を開閉自在に覆うように筐体２に連結されている。風防カバー６の側面６ａのそれぞれには、接続部３へ、すなわち光ファイバホルダ３ａのそれぞれへ光ファイバを導入するための導入口６ｂが形成されている。
【0031】
図４は、融着接続機１０の機能的な構成を示すブロック図である。図５は、融着接続機１０のハードウェア構成を示すブロック図である。図４に示すように、融着接続機１０は、機能的には、接続部３、通信部１１、撮像部１２、特徴量抽出部１３、判別部１４、及び融着制御部１５を備える。撮像部１２は、撮像素子と、撮像対象物の拡大像を撮像素子に出力する観察用光学部とを含む。観察用光学部は、例えば一又は複数のレンズを含む。融着接続機１０は、図５に示すように、ＣＰＵ１０ａ、ＲＡＭ１０ｂ、ＲＯＭ１０ｃ、入力装置１０ｄ、補助記憶装置１０ｅ、及び出力装置１０ｆ等のハードウェアを備えるコンピュータを制御部として含む。これらの構成要素がプログラム等により動作することにより、融着接続機１０の各機能が実現される。制御部におけるこれらの要素は、前述した接続部３、モニタ５、通信部１１としての無線通信モジュール、及び撮像部１２と電気的に接続されている。入力装置１０ｄは、モニタ５に一体として設けられたタッチパネルを含んでもよい。
【0032】
通信部１１は、例えば、無線ＬＡＮモジュールにより構成される。通信部１１は、インターネット等の情報通信網３０を介して、モデル作成装置２０との間で各種データの送受信を行う。撮像部１２は、接続対象である一対の光ファイバを、その一対の光ファイバが互いに対向した状態で、観察用光学部（レンズ）を介して光ファイバの径方向から撮像し、撮像データを生成する。特徴量抽出部１３は、撮像部１２から得られる撮像データから、光ファイバの種類を特定するための複数の特徴量を抽出する。特徴量は、光ファイバの径方向における輝度情報を含む。光ファイバの径方向における輝度情報は、例えば、光ファイバの径方向における輝度分布、光ファイバの外径、コアの外径、コア外径と光ファイバの外径の比、光ファイバのコアとクラッドの面積の割合、光ファイバの輝度の総和、光ファイバの断面内における輝度分布の変曲点位置や数、光ファイバのコア部とクラッド部の輝度差、及び特定の輝度以上となるコア部の幅等のうち少なくとも一つを含む。また、特徴量の抽出に用いる撮像データには、接続対象である一対の光ファイバを互いに対向させた状態で放電しつつ取得したものが含まれてもよい。この場合、特徴量は、例えば、特定位置における光強度、及び特定位置における光強度の時間変化のうち少なくとも一つを含む。
【0033】
判別部１４は、特徴量抽出部１３から提供される複数の特徴量に基づいて、接続対象である一対の光ファイバそれぞれの種類を判別する。そのために、判別部１４は、光ファイバの種類を判別するための第１の判別アルゴリズム１４ａ及び第２の判別アルゴリズム１４ｂを記憶して保持している。第１の判別アルゴリズム１４ａは、複数の特徴量と光ファイバの種類との相関に基づいて、機械学習以外の方法により予め規定されたものである。例えば、第１の判別アルゴリズム１４ａは、光ファイバの種類に応じた典型的な特徴量の閾値を経験的に、或いは試験により定め、その特徴量と閾値との大小関係に基づいて光ファイバの種類を判別する。一例としては、シングルモードファイバとマルチモードファイバとを判別するために、特徴量としてコア外径を用いる。その場合、特徴量としてのコア外径が所定の閾値より小さい場合にはシングルモードファイバと判定し、コア外径が所定の閾値より大きい場合にはマルチモードファイバと判定する。
【0034】
第２の判別アルゴリズム１４ｂは、接続しようとする光ファイバの種類を前記接続しようとする光ファイバの撮像データに基づいて判別するための判別モデルＭｄを含む。判別モデルＭｄは、複数の特徴量と光ファイバの種類との対応関係を示すサンプルデータを用いた、モデル作成装置２０による機械学習によって作成されたものである。判別モデルＭｄは、特徴量抽出部１３から得られる特徴量の入力により、一対の光ファイバそれぞれの種類を判別する。これらの判別アルゴリズム１４ａ，１４ｂは、例えばＲＯＭ１０ｃ又は補助記憶装置１０ｅに記憶されている。判別部１４は、下記の方式Ａ，Ｂ，Ｃ，Ｄの何れかにより、判別アルゴリズム１４ａ，１４ｂのうち何れかによる判別結果を選択して採用する。
【0035】
（方式Ａ）
判別部１４は、第１の判別アルゴリズム１４ａによる誤判別のおそれが低い場合に第１の判別アルゴリズム１４ａの判別結果を採用し、第１の判別アルゴリズム１４ａによる誤判別のおそれが高い場合に第２の判別アルゴリズム１４ｂの判別結果を採用する。誤判別のおそれの高低は、例えば、複数の特徴量に含まれる所定の特徴量と閾値との大小により決定され得る。すなわち、複数の特徴量に含まれる所定の特徴量が所定の閾値よりも大きい場合に、判別アルゴリズム１４ａ，１４ｂのうち一方による判別結果を採用し、所定の特徴量が所定の閾値よりも小さい場合に、判別アルゴリズム１４ａ，１４ｂのうち他方による判別結果を採用する。言い換えると、所定の特徴量が所定の閾値よりも小さい（又は大きい）場合に第１の判別アルゴリズム１４ａを採用し、前記所定の特徴量が所定の閾値よりも大きい（又は小さい）場合に第２の判別アルゴリズム１４ｂを採用する。
判別部１４は、第１の判別アルゴリズム１４ａによる誤判別のおそれが低い場合に第１の判別アルゴリズム１４ａの判別結果を採用し、第１の判別アルゴリズム１４ａによる誤判別のおそれが高い場合に第２の判別アルゴリズム１４ｂの判別結果を採用する。誤判別のおそれの高低は、例えば、複数の特徴量に含まれる所定の特徴量と閾値との大小により決定され得る。すなわち、複数の特徴量に含まれる所定の特徴量が所定の閾値よりも大きい場合に、判別アルゴリズム１４ａ，１４ｂのうち一方による判別結果を採用し、所定の特徴量が所定の閾値よりも小さい場合に、判別アルゴリズム１４ａ，１４ｂのうち他方による判別結果を採用する。言い換えると、所定の特徴量が所定の閾値よりも小さい（又は大きい）場合に第１の判別アルゴリズム１４ａを採用し、前記所定の特徴量が所定の閾値よりも大きい（又は小さい）場合に第２の判別アルゴリズム１４ｂを採用する。
【0036】
所定の閾値は、所定の特徴量が変化したときの、第１の判別アルゴリズム１４ａによる判別精度と、第２の判別アルゴリズム１４ｂによる判別精度との比較に基づいて決定された値である。言い換えると、所定の閾値は、第１の判別アルゴリズム１４ａと第２の判別アルゴリズム１４ｂとの間で判別精度の高さが逆転するときの所定の特徴量の値である。したがって、所定の特徴量が所定の閾値よりも小さい範囲においては、第１の判別アルゴリズム１４ａによる判別精度は第２の判別アルゴリズム１４ｂによる判別精度よりも高い（又は低い）。所定の特徴量が所定の閾値よりも大きい範囲においては、第２の判別アルゴリズム１４ｂによる判別精度は第１の判別アルゴリズム１４ａによる判別精度よりも高い（又は低い）。そして、判別部１４は、所定の特徴量と所定の閾値との大小関係に基づき、判別アルゴリズム１４ａ，１４ｂのうち判別精度が高い方の判別結果を採用する。なお、融着接続機１０を稼働するにしたがい、判別アルゴリズム１４ａ，１４ｂの判別精度は経時的に変化する。上記の所定の閾値は、例えば、融着接続機１０の稼働中に判別アルゴリズム１４ａ，１４ｂの判別精度を逐次算出して決定される。
【0037】
（方式Ｂ）
判別部１４は、第１の判別アルゴリズム１４ａにより一対の光ファイバそれぞれの種類を判別できた場合にその判別結果を採用する。判別部１４は、第１の判別アルゴリズム１４ａにより一対の光ファイバそれぞれの種類を判別できなかった場合に、第２の判別アルゴリズム１４ｂによる判別結果を採用する。ここで、「光ファイバ種類を判別できる」とは、特徴量抽出部１３により抽出された複数の特徴量に対応する光ファイバ種類が第１の判別アルゴリズム１４ａにおいて存在することを意味する。「光ファイバ種類を判別できない」とは、特徴量抽出部１３により抽出された複数の特徴量に対応する光ファイバ種類が第１の判別アルゴリズム１４ａにおいて存在しないことを意味する。この方式Ｂにおいて、判別部１４は、先ず第１の判別アルゴリズム１４ａを実行し、第１の判別アルゴリズム１４ａにより一対の光ファイバそれぞれの種類を判別できなかった場合に、第２の判別アルゴリズム１４ｂを実行してもよい。或いは、判別部１４は、第１の判別アルゴリズム１４ａと、第２の判別アルゴリズム１４ｂとを並行して実行してもよい。
判別部１４は、第１の判別アルゴリズム１４ａにより一対の光ファイバそれぞれの種類を判別できた場合にその判別結果を採用する。判別部１４は、第１の判別アルゴリズム１４ａにより一対の光ファイバそれぞれの種類を判別できなかった場合に、第２の判別アルゴリズム１４ｂによる判別結果を採用する。ここで、「光ファイバ種類を判別できる」とは、特徴量抽出部１３により抽出された複数の特徴量に対応する光ファイバ種類が第１の判別アルゴリズム１４ａにおいて存在することを意味する。「光ファイバ種類を判別できない」とは、特徴量抽出部１３により抽出された複数の特徴量に対応する光ファイバ種類が第１の判別アルゴリズム１４ａにおいて存在しないことを意味する。この方式Ｂにおいて、判別部１４は、先ず第１の判別アルゴリズム１４ａを実行し、第１の判別アルゴリズム１４ａにより一対の光ファイバそれぞれの種類を判別できなかった場合に、第２の判別アルゴリズム１４ｂを実行してもよい。或いは、判別部１４は、第１の判別アルゴリズム１４ａと、第２の判別アルゴリズム１４ｂとを並行して実行してもよい。
【0038】
（方式Ｃ）
この方式では、まず、撮像部１２が、一対の光ファイバＦ１，Ｆ２を少なくとも２回撮像して、少なくとも２回分の撮像データＰＸ，ＰＹを生成する。特徴量抽出部１３は、少なくとも２回分の撮像データＰＸ，ＰＹから、複数の特徴量からなる少なくとも２つの特徴量群を抽出する。判別部１４は、少なくとも２つの特徴量群間における所定の特徴量のばらつきが閾値よりも大きい場合に、判別アルゴリズム１４ａ，１４ｂのうち一方、すなわち所定の特徴量のばらつきに起因する判別精度の低下が小さい方のアルゴリズムによる判別結果を採用する。判別部１４は、所定の特徴量のばらつきが閾値よりも小さい場合には、判別アルゴリズム１４ａ，１４ｂのうちいずれかによる判別結果を採用する。所定の特徴量は、例えばコアの外径である。この方式において、一対の光ファイバＦ１，Ｆ２の光軸方向における、少なくとも２回分の撮像データＰＸ，ＰＹの撮像位置は、互いに同じであってもよく、又は互いに異なってもよい。撮像位置が互いに異なる撮像データＰＸ，ＰＹは、例えば撮像部１２を撮像毎に一対の光ファイバＦ１，Ｆ２の光軸方向に移動することによって得られる。
この方式では、まず、撮像部１２が、一対の光ファイバＦ１，Ｆ２を少なくとも２回撮像して、少なくとも２回分の撮像データＰＸ，ＰＹを生成する。特徴量抽出部１３は、少なくとも２回分の撮像データＰＸ，ＰＹから、複数の特徴量からなる少なくとも２つの特徴量群を抽出する。判別部１４は、少なくとも２つの特徴量群間における所定の特徴量のばらつきが閾値よりも大きい場合に、判別アルゴリズム１４ａ，１４ｂのうち一方、すなわち所定の特徴量のばらつきに起因する判別精度の低下が小さい方のアルゴリズムによる判別結果を採用する。判別部１４は、所定の特徴量のばらつきが閾値よりも小さい場合には、判別アルゴリズム１４ａ，１４ｂのうちいずれかによる判別結果を採用する。所定の特徴量は、例えばコアの外径である。この方式において、一対の光ファイバＦ１，Ｆ２の光軸方向における、少なくとも２回分の撮像データＰＸ，ＰＹの撮像位置は、互いに同じであってもよく、又は互いに異なってもよい。撮像位置が互いに異なる撮像データＰＸ，ＰＹは、例えば撮像部１２を撮像毎に一対の光ファイバＦ１，Ｆ２の光軸方向に移動することによって得られる。
【0039】
（方式Ｄ）
この方式においても、まず、撮像部１２が、一対の光ファイバＦ１，Ｆ２を少なくとも２回撮像して、少なくとも２回分の撮像データＰＸ，ＰＹを生成する。特徴量抽出部１３は、少なくとも２回分の撮像データＰＸ，ＰＹから、複数の特徴量からなる少なくとも２つの特徴量群を抽出する。判別部１４は、少なくとも２つの特徴量群に基づいて、判別アルゴリズム１４ａ，１４ｂの双方を実行する。判別部１４は、第１の判別アルゴリズム１４ａによって得られる少なくとも２つの判別結果と、第２の判別アルゴリズム１４ｂによって得られる少なくとも２つの判別結果とのうち、判別結果のばらつきが小さい方を採用する。この方式においても、一対の光ファイバＦ１，Ｆ２の光軸方向における、少なくとも２回分の撮像データＰＸ，ＰＹの撮像位置は、互いに同じであってもよく、又は互いに異なってもよい。
この方式においても、まず、撮像部１２が、一対の光ファイバＦ１，Ｆ２を少なくとも２回撮像して、少なくとも２回分の撮像データＰＸ，ＰＹを生成する。特徴量抽出部１３は、少なくとも２回分の撮像データＰＸ，ＰＹから、複数の特徴量からなる少なくとも２つの特徴量群を抽出する。判別部１４は、少なくとも２つの特徴量群に基づいて、判別アルゴリズム１４ａ，１４ｂの双方を実行する。判別部１４は、第１の判別アルゴリズム１４ａによって得られる少なくとも２つの判別結果と、第２の判別アルゴリズム１４ｂによって得られる少なくとも２つの判別結果とのうち、判別結果のばらつきが小さい方を採用する。この方式においても、一対の光ファイバＦ１，Ｆ２の光軸方向における、少なくとも２回分の撮像データＰＸ，ＰＹの撮像位置は、互いに同じであってもよく、又は互いに異なってもよい。
【0040】
判別部１４により採用された判別結果は、モニタ５に表示される。使用者は、モニタ５に表示された一対の光ファイバそれぞれの種類が誤りである場合、正しい種類を入力装置１０ｄを介して入力し、判別結果を訂正する。この場合、判別部１４は誤判別をしたこととなり、この訂正は、前述した各判別アルゴリズム１４ａ，１４ｂの判別精度にフィードバックされる。或いは、使用者は、判別部１４による判別結果に関わりなく、一対の光ファイバそれぞれの種類を入力装置１０ｄを介して入力してもよい。その場合、使用者による入力が優先して採用され、一対の光ファイバそれぞれの種類が特定される。或いは、光ファイバの種類ごとに予め設定された製造条件の一を選択することで、対応する光ファイバの種類そのものの入力に代えても良い。この場合においても、各判別アルゴリズム１４ａ，１４ｂの判別結果の正誤が判別精度にフィードバックされる。
【0041】
融着制御部１５は、接続部３の動作を制御する。すなわち、融着制御部１５は、使用者によるスイッチの操作を受けて、接続部３における一対の光ファイバの先端同士の当接動作およびアーク放電を制御する。一対の光ファイバの先端同士の当接動作には、ファイバ位置決め部３ｂによる光ファイバの位置決め処理、すなわち各光ファイバの先端位置の制御が含まれる。アーク放電の制御には、放電パワー、放電開始タイミング及び放電終了タイミングの制御が含まれる。光ファイバの先端位置及び放電パワーといった各種の接続条件は、一対の光ファイバの種類の組み合わせ毎に予め設定されており、例えばＲＯＭ１０ｃに格納されている。融着制御部１５は、判別部１４によって判別された、又は使用者によって入力された一対の光ファイバの種類の組み合わせに応じて、接続条件を選択する。すなわち、接続部３は、判別部１４における判別結果又は使用者による入力結果に基づいて、一対の光ファイバの種類の組み合わせを認識し、その組み合わせに応じた接続条件にて、一対の光ファイバを相互に融着接続する。
【0042】
接続部３の動作は次のとおりである。まず、図６に示されるように、使用者が、接続対象である一対の光ファイバＦ１及びＦ２を、それぞれ光ファイバホルダ３ａに保持させる。このとき、光ファイバＦ１の端面Ｆ１ａと、光ファイバＦ２の端面Ｆ２ａとが、互いに対向して配置される。次に、使用者が、融着接続機１０に融着接続の開始を指示する。この指示は、例えばスイッチ入力を介して行われる。この指示を受けて、図７に示すように、融着制御部１５が、接続条件として設定された端面Ｆ１ａ，Ｆ２ａの位置に基づいて、光ファイバＦ１，Ｆ２の位置決めを行う。その後、図８に示すように、融着制御部１５が、一対の放電電極３ｃ間のアーク放電を開始する。
【0043】
アーク放電の開始直後は、端面Ｆ１ａ，Ｆ２ａが互いに離れている。そのアーク放電は、端面Ｆ１ａ，Ｆ２ａを融着前に予め軟化させるための予備放電に相当する。アーク放電が開始されると、融着制御部１５は、ファイバ位置決め部３ｂの位置を制御することにより、端面Ｆ１ａ，Ｆ２ａを互いに近づけ、互いに当接させる。そして、融着制御部１５は、アーク放電を継続することにより本放電を行う。これにより、端面Ｆ１ａ，Ｆ２ａが更に軟化し、互いに融着する。
【0044】
本実施形態において、接続条件には、放電開始前における端面Ｆ１ａ，Ｆ２ａの位置、放電開始前における各端面Ｆ１ａ，Ｆ２ａ同士の間隔、予備放電時間、本放電時間、端面Ｆ１ａ，Ｆ２ａ同士が接した後の押し込み量、端面Ｆ１ａ，Ｆ２ａ同士を押し込んだ後の引き戻し量、予備放電パワー、本放電パワー、及び引戻し時の放電パワーのうち少なくとも一つが含まれる。
【0045】
放電開始前における各端面Ｆ１ａ，Ｆ２ａの位置とは、図７に示された状態、すなわち予備放電の開始時点における、一対の放電電極３ｃの中心軸を結ぶ線すなわち放電中心軸を基準とした各端面Ｆ１ａ，Ｆ２ａの位置をいう。これらの端面位置に応じて、放電中心軸と各端面Ｆ１ａ，Ｆ２ａとの距離が変わる。これにより加熱量すなわち溶融量が増減する。加えて、また端面Ｆ１ａ，Ｆ２ａ同士が当接するまでの移動に要する時間が変化する。放電開始前における各端面Ｆ１ａ，Ｆ２ａ同士の間隔とは、図７に示された状態、すなわち予備放電の開始時点における端面Ｆ１ａ，Ｆ２ａ同士の間隔をいう。この間隔に応じて、端面Ｆ１ａ，Ｆ２ａ同士が当接するまでの移動に要する時間が変化する。予備放電時間とは、図７に示された状態でアーク放電を開始してから、端面Ｆ１ａ，Ｆ２ａ同士を当接させるために光ファイバＦ１，Ｆ２の相対的な移動を開始するまでの時間をいう。本放電時間とは、端面Ｆ１ａ，Ｆ２ａ同士が当接してから、アーク放電を終了するまでの時間、言い換えると、一対の放電電極３ｃへの電圧の印加を停止するまでの時間をいう。予備放電と本放電とは、時間的に連続して行われる。端面Ｆ１ａ，Ｆ２ａ同士が接した後の押し込み量とは、光ファイバＦ１，Ｆ２を相対的に移動させて端面Ｆ１ａ，Ｆ２ａ同士を当接させてから、放電中において更に同じ向きに光ファイバＦ１，Ｆ２を相対的に移動させる際の光ファイバホルダ３ａの移動距離をいう。端面Ｆ１ａ，Ｆ２ａ同士を押し込んだ後の引き戻し量とは、端面Ｆ１ａ，Ｆ２ａ同士を当接させた後、更に端面Ｆ１ａ，Ｆ２ａを押し込んでから、放電中において逆向き、すなわち端面Ｆ１ａ，Ｆ２ａ同士が離れる向きに光ファイバＦ１，Ｆ２を相対的に移動させる際の各光ファイバホルダ３ａの移動距離をいう。予備放電パワーとは、図７に示された状態でアーク放電を開始してから、端面Ｆ１ａ，Ｆ２ａ同士を当接させるために光ファイバＦ１，Ｆ２の相対的な移動を開始するまでの期間におけるアーク放電パワーをいう。
【0046】
ここで、図９は、一方の光ファイバＦ２の端面Ｆ２ａを正面すなわち光軸方向から見た図である。図中の矢印ＭＳＸ及びＭＳＹは、撮像部１２による撮像方向を示している。すなわち、この例では撮像部１２が少なくとも２個設置され、２つの撮像部１２が、光ファイバＦ１，Ｆ２の径方向であって互いに直交する方向から端面Ｆ１ａ，Ｆ２ａをそれぞれ撮像する。光ファイバＦ１，Ｆ２を挟んで撮像部１２と対向する位置には、光ファイバＦ１，Ｆ２を照明するための光源が配置される。光源は例えば発光ダイオードである。
【0047】
図１０は、方向ＭＳＸから撮像する撮像部１２において得られる撮像データＰＸと、方向ＭＳＹから撮像する撮像部１２において得られる撮像データＰＹとを模式的に示す図である。図１０に示されるように、これらの撮像データＰＸ，ＰＹにおいて、光ファイバＦ１，Ｆ２の位置及び形状は、コアＣＲ及びクラッドＣＬの輪郭により確認される。コアＣＲは、光源からの照明光によって明るくなる。クラッドＣＬは、光源からの照明光の屈折により暗くなる。
【0048】
図１１は、モデル作成装置２０の機能的な構成を示すブロック図である。図１２は、モデル作成装置２０のハードウェア構成を示すブロック図である。図１１に示すように、モデル作成装置２０は、機能的には、通信部２１及び判別モデル作成部２２を備える。モデル作成装置２０は、図１２に示されるように、ＣＰＵ２０ａ、ＲＡＭ２０ｂ、ＲＯＭ２０ｃ、入力装置２０ｄ、通信モジュール２０ｅ、補助記憶装置２０ｆ、及び出力装置２０ｇ等のハードウェアを備えるコンピュータを含む。これらの構成要素がプログラム等により動作することによって、モデル作成装置２０の各機能が実現される。
【0049】
図１１に示される通信部２１は、インターネット等の情報通信網３０（図１を参照）を介して複数の融着接続機１０との間で通信を行う。通信部２１は、情報通信網３０を介して、複数の融着接続機１０から、撮像データＰＸ，ＰＹから抽出された特徴量、及び光ファイバＦ１，Ｆ２の種類に関する情報を受信する。通信部２１は、撮像データＰＸ，ＰＹから抽出された特徴量に代えて、撮像データＰＸ，ＰＹそのものを受信してもよい。その場合、モデル作成装置２０が撮像データＰＸ，ＰＹから特徴量を抽出する。光ファイバＦ１，Ｆ２の種類に関する情報は、使用者によって入力された情報のみであってもよい。言い換えると、通信部２１は、使用者によって入力された光ファイバＦ１，Ｆ２の種類に関する情報と、光ファイバＦ１，Ｆ２の撮像データＰＸ，ＰＹから抽出された特徴量又は撮像データそのものを、各融着接続機１０から受信する。使用者によって入力された光ファイバＦ１，Ｆ２の種類に関する情報は、光ファイバＦ１，Ｆ２の種類そのものの入力に代えて、光ファイバＦ１，Ｆ２の種類ごとに予め設定された製造条件の一を選択する場合を含む。通信部２１は、受信したこれらの情報を、光ファイバＦ１，Ｆ２の撮像データＰＸ，ＰＹから得られる特徴量と、光ファイバＦ１，Ｆ２の種類との対応関係を示すサンプルデータＤａとして、判別モデル作成部２２に提供する。
【0050】
判別モデル作成部２２は、通信部２１から提供されたサンプルデータＤａを用いて機械学習を行う。そして、判別モデル作成部２２は、撮像データＰＸ，ＰＹに基づいて光ファイバＦ１，Ｆ２の種類を判別するための判別モデルＭｄを作成する。機械学習は、好ましくは深層学習（ディープラーニング）である。機械学習の技法としては、例えばニューラルネットワーク、サポートベクターマシン等、いわゆる教師あり学習に含まれる様々な技法を適用できる。判別モデル作成部２２は、稼働中である多数の融着接続機１０から得られる膨大なサンプルデータＤａを用いて機械学習を継続的に行い、判別モデルＭｄの精度を高める。本実施形態の判別モデル作成部２２は、複数の融着接続機１０を、撮像データＰＸ，ＰＹの傾向が類似していると推定される二以上のグループに分類する。そして、判別モデル作成部２２は、グループ毎にサンプルデータＤａを集めて、判別モデルＭｄをグループ毎に作成する。判別モデルＭｄをグループ毎に作成するとは、或るグループに属する複数の融着接続機１０から得られるサンプルデータＤａのみを用いて機械学習を行い、作成された判別モデルＭｄを、そのグループに属する融着接続機１０のみに提供することを意味する。
【0051】
撮像データＰＸ，ＰＹの傾向が類似していると推定される二以上のグループは、例えば、融着接続機１０の検査結果の類似性、融着接続機１０の検査条件の類似性、融着接続機１０の製造者及び製造日時の類似性、撮像部１２の製造者及び製造日時の類似性、融着接続機１０の使用場所における環境条件の類似性、融着接続機１０の劣化状態の類似性、及び、接続対象光ファイバの種類の類似性、などに基づいて分類される。融着接続機１０の検査結果の類似性は、例えば撮像データＰＸ，ＰＹにおける輝度分布等の類似性である。融着接続機１０の検査条件の類似性は、融着接続機１０の検査の際に基準となる光ファイバを撮像した際の環境条件の類似性であって、例えば、基準となる光ファイバを撮像した際の温度（気温）、湿度、及び気圧のうち少なくとも１つの類似性である。融着接続機１０の使用場所における環境条件の類似性は、例えば、融着接続機１０の使用場所における温度、湿度、及び気圧のうち少なくとも１つの類似性である。融着接続機１０の劣化状態の類似性は、例えば、融着接続機１０の放電回数、接続頻度、放電電極３ｃの汚れ具合、撮像部１２の反対側から光ファイバを照明する光源の調光状態、撮像部１２の観察用光学部の汚れ具合、及び機器診断結果のうち少なくとも１つの類似性である。
【0052】
こうしてグループ毎にサンプルデータＤａを集めて作成された判別モデルＭｄは、通信部２１を介して、それぞれ対応するグループに属する融着接続機１０に送信されて提供される。各融着接続機１０の判別部１４の第２の判別アルゴリズム１４ｂは、その各融着接続機１０が属するグループに対応する判別モデルＭｄをモデル作成装置２０から得て、一対の光ファイバＦ１，Ｆ２それぞれの種類を判別する。
【0053】
判別モデル作成部２２の機械学習に供されるサンプルデータＤａには、第１の判別アルゴリズム１４ａにより一対の光ファイバＦ１，Ｆ２それぞれの種類を判別できたときのサンプルデータと、第１の判別アルゴリズム１４ａにより一対の光ファイバＦ１，Ｆ２それぞれの種類を判別できなかったとき及び誤判別したときのサンプルデータとの双方が含まれる。或いは、判別モデル作成部２２の機械学習に供されるサンプルデータＤａには、第１の判別アルゴリズム１４ａにより一対の光ファイバＦ１，Ｆ２それぞれの種類を判別できたときのサンプルデータのみが含まれてもよい。その場合、各融着接続機１０の判別部１４は、第１の判別アルゴリズム１４ａにより一対の光ファイバＦ１，Ｆ２それぞれの種類を判別できなかったとき及び誤判別したときの自らのサンプルデータを用いて追加の機械学習を行い、自らが保有する判別モデルＭｄを改良する。
【0054】
判別モデル作成部２２の機械学習に供されるサンプルデータＤａには、第１の判別アルゴリズム１４ａにより一対の光ファイバＦ１，Ｆ２それぞれの種類を判別できたときのサンプルデータと、第１の判別アルゴリズム１４ａにより一対の光ファイバＦ１，Ｆ２それぞれの種類を判別できなかったとき及び誤判別したときのサンプルデータとの双方が含まれてもよい。その場合、各融着接続機１０の判別部１４は、第１の判別アルゴリズム１４ａにより一対の光ファイバＦ１，Ｆ２それぞれの種類を判別できなかったとき及び誤判別したときの自らのサンプルデータを用いて追加の機械学習を行い、自らが保有する判別モデルＭｄを改良してもよい。但し、追加の機械学習に用いるサンプルデータには、モデル作成装置２０に提供したサンプルデータＤａは含まれない。この場合、融着接続機１０の出荷から或る期間又は個数までの、判別できなかった及び誤判別したサンプルデータについては判別モデル作成部２２の機械学習に供してもよい。そして、それ以後の判別できなかった及び誤判別したサンプルデータについては、各融着接続機１０の判別部１４における追加の機械学習に供してもよい。
【0055】
図１３は、本実施形態に係る、光ファイバを融着接続する方法を示すフローチャートである。この方法は、上述した融着接続システム１Ａを用いて好適に実現され得る。まず、モデル作成工程ＳＴ１として、光ファイバの撮像データから得られる複数の特徴量とその光ファイバの種類との対応関係を示すサンプルデータＤａを用いて機械学習を行う。そして、接続しようとする光ファイバＦ１，Ｆ２の種類を光ファイバＦ１，Ｆ２の撮像データＰＸ，ＰＹに基づいて判別するための判別モデルＭｄを作成する。このモデル作成工程ＳＴ１では、複数の融着接続機１０を、撮像データＰＸ，ＰＹの傾向が類似していると推定される二以上のグループに分類する。そして、グループ毎にサンプルデータＤａを集めて判別モデルＭｄを作成する。
【0056】
次に、撮像工程ＳＴ２として、一対の光ファイバＦ１，Ｆ２を撮像して撮像データＰＸ，ＰＹを生成する。続いて、判別工程ＳＴ３として、撮像工程ＳＴ２において生成された撮像データＰＸ，ＰＹから得られる複数の特徴量に基づいて、一対の光ファイバＦ１，Ｆ２それぞれの種類を判別する。この判別工程ＳＴ３では、光ファイバＦ１，Ｆ２の種類を判別するための判別アルゴリズム１４ａ，１４ｂのいずれかによる判別結果を採用する。前述したように、第１の判別アルゴリズム１４ａは、光ファイバＦ１，Ｆ２の撮像データＰＸ，ＰＹから得られる複数の特徴量と光ファイバＦ１，Ｆ２の種類との相関に基づいて、機械学習以外の方法により予め規定されたものである。第２の判別アルゴリズム１４ｂは、モデル作成工程ＳＴ１において作成された判別モデルＭｄを含む。判別モデルＭｄは、その判別工程ＳＴ３を行う融着接続機１０が属するグループに対応するものである。続いて、接続工程ＳＴ４として、判別工程ＳＴ３における判別結果に基づいて、一対の光ファイバＦ１，Ｆ２の種類の組み合わせに応じた接続条件にて一対の光ファイバＦ１，Ｆ２を相互に融着接続する。
【0057】
図１４に示すように、上記の方法において、工程ＳＴ５を追加してもよい。工程ＳＴ５では、判別アルゴリズム１４ａ，１４ｂ毎に判別精度を測定する。この工程ＳＴ５は、撮像工程ＳＴ２又は判別工程ＳＴ３の前に実施される。具体的には、まず、種類が既知である二以上の光ファイバを撮像部１２により撮像して、撮像データＰＸ，ＰＹを生成する。次に、特徴量抽出部１３において、その撮像データＰＸ，ＰＹから複数の特徴量を抽出する。そして、複数の特徴量に基づいて、判別部１４において判別アルゴリズム１４ａ，１４ｂの双方により上記二以上の光ファイバの種類を判別し、判別結果を既知の種類と照合して、判別アルゴリズム１４ａ，１４ｂそれぞれの判別精度を求める。判別工程ＳＴ３では、判別アルゴリズム１４ａ，１４ｂのうち、工程ＳＴ５における判別精度が高い方を採用する。
【0058】
以上に説明した本実施形態の融着接続システム１Ａ、融着接続機１０、及び融着接続する方法によって得られる効果について説明する。本実施形態では、判別アルゴリズム１４ａ及び１４ｂを用いて光ファイバＦ１，Ｆ２の種類を判別する。このうち第１の判別アルゴリズム１４ａは、光ファイバＦ１，Ｆ２の撮像データから得られる複数の特徴量と前記光ファイバＦ１，Ｆ２の種類との相関に基づいて機械学習以外の方法により予め規定されたものであり、従来と同等の判別精度を期待できる。第２の判別アルゴリズム１４ｂは、複数の特徴量と光ファイバＦ１，Ｆ２の種類との対応関係を示すサンプルデータＤａを用いた機械学習により作成された判別モデルＭｄを含む。したがって、第１の判別アルゴリズム１４ａにて判別不能又は誤判別をしがちな光ファイバＦ１，Ｆ２の種類に対して、機械学習に基づく高精度な判別を期待できる。故に、本実施形態によれば、判別アルゴリズム１４ａ及び１４ｂのいずれかによる判別結果を採用することによって、従来と比較して光ファイバＦ１，Ｆ２の種類の判別精度を高めることができる。
【0059】
前述したように、機械学習は深層学習であってもよい。この場合、光ファイバＦ１，Ｆ２の種類の判別精度を更に高めることができる。
【0060】
前述したように、判別部１４は（判別工程ＳＴ３では）、複数の特徴量に含まれる所定の特徴量が閾値よりも大きい場合に判別アルゴリズム１４ａ及び１４ｂのうち一方による判別結果を採用し、所定の特徴量が閾値よりも小さい場合に判別アルゴリズム１４ａ及び１４ｂのうち他方による判別結果を採用してもよい。例えばこのような方式によって、判別アルゴリズム１４ａ及び１４ｂのうちいずれの判別結果を採用するかを容易に選択することができる。この場合、閾値は、所定の特徴量が変化したときの、第１の判別アルゴリズム１４ａによる判別精度と第２の判別アルゴリズム１４ｂによる判別精度との比較に基づいて決定された値であってもよい。これにより、光ファイバＦ１，Ｆ２の種類の判別精度を更に高めることができる。
【0061】
前述したように、判別部１４は（判別工程ＳＴ３では）、第１の判別アルゴリズム１４ａにより光ファイバＦ１，Ｆ２それぞれの種類を判別できた場合にその判別結果を採用し、第１の判別アルゴリズム１４ａにより光ファイバＦ１，Ｆ２それぞれの種類を判別できなかった場合に第２の判別アルゴリズム１４ｂによる判別結果を採用してもよい。例えばこのような方式によって、光ファイバＦ１，Ｆ２の種類の判別精度を高めることができる。この場合、判別部１４は（判別工程ＳＴ３では）、先ず第１の判別アルゴリズム１４ａを実行し、第１の判別アルゴリズム１４ａにより光ファイバＦ１，Ｆ２それぞれの種類を判別できなかった場合に第２の判別アルゴリズム１４ｂを実行してもよい。これにより、判別部１４の（判別工程ＳＴ３における）演算量を低減することができる。或いは、判別部１４は（判別工程ＳＴ３では）、第１の判別アルゴリズム１４ａと、第２の判別アルゴリズム１４ｂとを並行して実行してもよい。これにより、最終的な判別結果を得るまでの所要時間を短縮することができる。
【0062】
前述したように、撮像部１２は（撮像工程ＳＴ２では）、一対の光ファイバＦ１，Ｆ２を少なくとも２回撮像して少なくとも２回分の撮像データＰＸ，ＰＹを生成してもよい。そして、判別部１４は（判別工程ＳＴ３では）、少なくとも２回分の撮像データＰＸ，ＰＹから得られる、複数の特徴量からなる少なくとも２つの特徴量群間における所定の特徴量のばらつきが閾値よりも大きい場合に、判別アルゴリズム１４ａ，１４ｂのうち一方による判別結果を採用してもよい。判別部１４は（判別工程ＳＴ３では）、所定の特徴量のばらつきが閾値よりも小さい場合に、判別アルゴリズム１４ａ，１４ｂのうちいずれかによる判別結果を採用してもよい。これにより、光ファイバＦ１，Ｆ２の種類の判別精度を更に高めることができる。
【0063】
前述したように、撮像部は（撮像工程ＳＴ２では）、一対の光ファイバＦ１，Ｆ２を少なくとも２回撮像して少なくとも２回分の撮像データＰＸ，ＰＹを生成してもよい。そして、判別部１４は（判別工程ＳＴ３では）、少なくとも２回分の撮像データＰＸ，ＰＹから得られる、複数の特徴量からなる少なくとも２つの特徴量群に基づいて判別アルゴリズム１４ａ，１４ｂを実行してもよい。判別部１４は（判別工程ＳＴ３では）、第１の判別アルゴリズム１４ａによる少なくとも２つの判別結果と、第２の判別アルゴリズム１４ｂによる少なくとも２つの判別結果とのうち、判別結果のばらつきが小さい方を採用してもよい。これにより、光ファイバＦ１，Ｆ２の種類の判別精度を更に高めることができる。
【0064】
前述したように、モデル作成装置２０は、複数の融着接続機１０を撮像データＰＸ，ＰＹの傾向が類似していると推定される二以上のグループに分類してグループ毎に判別モデルＭｄを作成してもよい。そして、各融着接続機１０の判別部１４の第２の判別アルゴリズム１４ｂは、前記各融着接続機１０が属するグループに対応する判別モデルＭｄをモデル作成装置２０から得てもよい。これにより、撮像データＰＸ，ＰＹの傾向が類似しているグループ内、例えば、各融着接続機１０の機械的及び構造的なばらつきが少ないグループ内、又は撮像部１２の機械的及び構造的なばらつきが少ないグループ内に限定して機械学習を行うことができる。故に、第２の判別アルゴリズム１４ｂによる光ファイバＦ１，Ｆ２の種類の判別精度を更に高めることができる。
【0065】
前述したように、モデル作成装置２０の機械学習に供されるサンプルデータＤａには、第１の判別アルゴリズム１４ａにより光ファイバＦ１，Ｆ２それぞれの種類を判別できたときのサンプルデータと、第１の判別アルゴリズム１４ａにより光ファイバＦ１，Ｆ２それぞれの種類を判別できなかったとき及び誤判別したときのサンプルデータとの双方が含まれてもよい。この場合、第１の判別アルゴリズム１４ａが苦手とする光ファイバＦ１，Ｆ２の種類をモデル作成装置２０の機械学習に含めることができ、総合的な光ファイバＦ１，Ｆ２の種類の判別精度を高めることができる。
【0066】
前述したように、モデル作成装置２０の機械学習に供されるサンプルデータＤａには、第１の判別アルゴリズム１４ａにより光ファイバＦ１，Ｆ２それぞれの種類を判別できたときのサンプルデータのみが含まれ、各融着接続機１０の判別部１４は、第１の判別アルゴリズム１４ａにより光ファイバＦ１，Ｆ２それぞれの種類を判別できなかったとき及び誤判別したときの自らのサンプルデータを用いて機械学習を行い、判別モデルＭｄを改良してもよい。この場合、各融着接続機１０の機械的及び構造的なばらつき、例えば撮像部１２の機械的及び構造的なばらつき等により第１の判別アルゴリズム１４ａでは判別できない光ファイバＦ１，Ｆ２の種類に対して、第２の判別アルゴリズム１４ｂの判別精度を融着接続機１０毎に高めることができる。
【0067】
前述したように、モデル作成装置２０の機械学習に供されるサンプルデータＤａには、第１の判別アルゴリズム１４ａにより光ファイバＦ１，Ｆ２それぞれの種類を判別できたときのサンプルデータと、第１の判別アルゴリズム１４ａにより光ファイバＦ１，Ｆ２それぞれの種類を判別できなかったとき及び誤判別したときのサンプルデータとが含まれてもよい。そして、各融着接続機１０の判別部１４は、第１の判別アルゴリズム１４ａにより光ファイバＦ１，Ｆ２それぞれの種類を判別できなかったとき及び誤判別したときの自らのサンプルデータを用いて機械学習を行い、判別モデルＭｄを改良してもよい。但し、モデル作成装置２０に提供したサンプルデータを除く。この場合、第１の判別アルゴリズム１４ａが苦手とする光ファイバＦ１，Ｆ２の種類をモデル作成装置２０の機械学習に含めることができる。加えて、各融着接続機１０の機械的及び構造的なばらつき、例えば撮像部１２の機械的及び構造的なばらつき等により第１の判別アルゴリズム１４ａでは判別できない光ファイバＦ１，Ｆ２の種類に対して、第２の判別アルゴリズム１４ｂの判別精度を融着接続機１０毎に高めることができる。故に、総合的な光ファイバＦ１，Ｆ２の種類の判別精度をより高めることができる。
【0068】
前述したように、種類が既知である二以上の光ファイバを撮像して撮像データＰＸ，ＰＹを生成し、その撮像データＰＸ，ＰＹから得られる複数の特徴量に基づいて、判別アルゴリズム１４ａ，１４ｂにより二以上の光ファイバの種類を判別してもよい。そして、判別アルゴリズム１４ａ，１４ｂのうち判別精度が高い方を、判別工程ＳＴ３において採用してもよい。これにより、光ファイバＦ１，Ｆ２の種類の判別精度を更に高めることができる。
【0069】
本開示による融着接続機、融着接続システム、及び光ファイバを融着接続する方法は、上述した実施形態に限られるものではなく、他に様々な変形が可能である。例えば、上記実施形態の融着接続機１０では、第２の判別アルゴリズム１４ｂの判別結果を採用する基準として、第１の判別アルゴリズム１４ａにより判別できなかった場合、及び第１の判別アルゴリズム１４ａによる判別結果が誤りであるおそれが高い場合を例示した。総合的な判別精度を高め得るのであれば他の基準を用いてもよい。
【0070】
上記実施形態の融着接続機１０では、一対の光ファイバの種類の組み合わせに応じた接続条件にて一対の光ファイバを相互に融着接続するために判別アルゴリズム１４ａ，１４ｂのいずれかを用いているが、加えて、一対の光ファイバの種類を判別した後に一対の光ファイバを調心する際に、例えばコアの位置を認識するために、判別アルゴリズム１４ａ，１４ｂのいずれかを用いてもよい。
【符号の説明】
【0071】
１Ａ…融着接続システム
２…筐体
３…接続部
３ａ…光ファイバホルダ
３ｂ…ファイバ位置決め部
３ｃ…放電電極
４…加熱器
５…モニタ
６…風防カバー
６ａ…側面
６ｂ…導入口
１０…融着接続機
１０ａ…ＣＰＵ
１０ｂ…ＲＡＭ
１０ｃ…ＲＯＭ
１０ｄ…入力装置
１０ｅ…補助記憶装置
１０ｆ…出力装置
１１…通信部
１２…撮像部
１３…特徴量抽出部
１４…判別部
１４ａ…第１の判別アルゴリズム
１４ｂ…第２の判別アルゴリズム
１５…融着制御部
２０…モデル作成装置
２０ａ…ＣＰＵ
２０ｂ…ＲＡＭ
２０ｃ…ＲＯＭ
２０ｄ…入力装置
２０ｅ…通信モジュール
２０ｆ…補助記憶装置
２０ｇ…出力装置
２１…通信部
２２…判別モデル作成部
３０…情報通信網
ＣＬ…クラッド
ＣＲ…コア
Ｄａ…サンプルデータ
Ｆ１，Ｆ２…光ファイバ
Ｆ１ａ，Ｆ２ａ…端面
Ｍｄ…判別モデル
ＭＳＸ，ＭＳＹ…方向
ＰＸ，ＰＹ…撮像データ
ＳＴ１…モデル作成工程
ＳＴ２…撮像工程
ＳＴ３…判別工程
ＳＴ４…接続工程
２…筐体
３…接続部
３ａ…光ファイバホルダ
３ｂ…ファイバ位置決め部
３ｃ…放電電極
４…加熱器
５…モニタ
６…風防カバー
６ａ…側面
６ｂ…導入口
１０…融着接続機
１０ａ…ＣＰＵ
１０ｂ…ＲＡＭ
１０ｃ…ＲＯＭ
１０ｄ…入力装置
１０ｅ…補助記憶装置
１０ｆ…出力装置
１１…通信部
１２…撮像部
１３…特徴量抽出部
１４…判別部
１４ａ…第１の判別アルゴリズム
１４ｂ…第２の判別アルゴリズム
１５…融着制御部
２０…モデル作成装置
２０ａ…ＣＰＵ
２０ｂ…ＲＡＭ
２０ｃ…ＲＯＭ
２０ｄ…入力装置
２０ｅ…通信モジュール
２０ｆ…補助記憶装置
２０ｇ…出力装置
２１…通信部
２２…判別モデル作成部
３０…情報通信網
ＣＬ…クラッド
ＣＲ…コア
Ｄａ…サンプルデータ
Ｆ１，Ｆ２…光ファイバ
Ｆ１ａ，Ｆ２ａ…端面
Ｍｄ…判別モデル
ＭＳＸ，ＭＳＹ…方向
ＰＸ，ＰＹ…撮像データ
ＳＴ１…モデル作成工程
ＳＴ２…撮像工程
ＳＴ３…判別工程
ＳＴ４…接続工程
【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】