claudeとchatgptで文章をキャッチボールして修正してみた
はじめに
ミニッツ用のモジュール0.5の8T(8歯)と41T(41歯)の歯車をPETGで自作しています。
現在の研究目的は、歯車の騒音と消費電流を減らすことです。そのため、歯車を噛み合わせた写真からバックラッシュ(歯と歯のすき間)を測定しています。
今回測定するのは、法線バックラッシュ(jn)です。これは向かい合う歯面の最短距離で、軸方向から撮影した写真から測定できます。測定には、歯面のすき間を測る基準となる作用線(ピッチ点を通り、噛み合い接点の移動方向を示す線)を使います。
これまではAIに写真を見せ、測定位置を判断させていました。しかし、毎回同じ手順で測定するのは難しく、時間もかかります。
そこで、AIと一緒に作ってきた測定手順をPythonのプログラム(gear_analyzer)に移しました。画像処理にはOpenCVを使っています。
今回は、同じ写真をAI、測定プログラム、CADで比較し、測定値が違う原因を調べました。
結論から言うと、プログラムはAIより速く、同じ写真なら同じ手順で測定できます。しかし、CADとの間には最大約0.03 mmの差があり、その主な原因は歯面の縁の取り方にあると考えています。
1. AIとプログラムは同じ場所を測っていた
今回使用したのは、橙色の8T歯車とピンク色の41T歯車を軸方向から撮影した写真です。
8Tの外径は4.87 mm、実際の軸間距離は12.34 mmです。
AI(Claude Sonnet 5.5)とプログラムの測定結果を比較しました。
| 項目 | AI | プログラム |
|---|---|---|
| 測定線の長さ | 36.5 px | 36.7 px |
| 8Tの中心 | (952,417) | (951.1,418.0) |
| 縮尺 | 115 px/mm | 118.28 px/mm |
| 法線バックラッシュjn | 約0.32 mm | 0.310 mm |
両者はほぼ同じ場所を測定していました。
AIは115 px/mm、プログラムは118.28 px/mmという縮尺を使っていたため、測定値に差が生じています。
AIは別の個体の寸法を参考に縮尺を決めていましたが、今回の写真に写っている歯車の実測外径を使えば、より適切な縮尺を設定できます。
ただし、ここで注意が必要です。AIとプログラムは、どちらも事例集No.39の測定方式を使っています。したがって、同じ帯を測定できたことは確認できましたが、両者が独立した方法で正しい値を測定したという証明にはなりません。CADやノギスとの照合とも別の問題です。
2. CADで測定すると、プログラムより大きくなった
次に、同じ写真をCADでも測定しました。
| 測定方法 | jn |
|---|---|
| プログラム(旧方式) | 0.310 mm |
| CAD・1回目 | 0.336 mm |
| CAD・測り直し | 0.326 mm |
| CAD・作用線に沿った測定 | 0.338 mm |
CADの測定値は0.326~0.338 mmです。
一方、プログラムは0.310 mmでした。最大で0.028 mmの差があります。
この差を説明できるか、軸間距離、縮尺、歯面の縁の取り方を順番に調べました。
まず軸間距離です。
| 軸間距離 | 作業圧力角 | jn |
|---|---|---|
| 12.33 mm | 21.00° | 0.312 mm |
| 12.34 mm | 21.12° | 0.310 mm |
軸間距離の違いによる測定値の変化は0.002 mmでした。
次に縮尺です。プログラムは118.28 px/mm、CADでは約116.6 px/mmです。同じ36.7 pxの線を使って計算すると、0.310 mmが0.315 mmになります。
縮尺の違いによる影響は約0.005 mmです。
どちらもCADとの差の大部分を説明できません。
3. 測定誤差の主な原因は歯面の縁だった
画像を拡大して調べると、左右の歯面で明るさの変化が違っていました。
左側の歯面は、暗い部分から明るい部分へ1~2画素で変化しています。
ところが右側は、暗い部分のすぐ外側に灰色の領域があり、その後に明るさが急激に上昇します。
この灰色の部分を歯面の一部と判断するか、すき間に含めるかで測定値が変わります。
実際に、右端の明るさの判定基準を変えてみました。
| 判定水準 | 測定長さ | jn |
|---|---|---|
| 25 | 35.2 px | 0.298 mm |
| 50 | 37.3 px | 0.315 mm |
| 80 | 37.8 px | 0.320 mm |
| 110 | 38.4 px | 0.324 mm |
| 150 | 39.3 px | 0.333 mm |
判定水準を25から150へ変えるだけで、測定長さは4.1 px、バックラッシュは約0.035 mm変わります。
CADの作用線上で測った0.338 mmは、判定水準150付近に相当します。
つまり、CADとの差の主な原因は、画像上の歯面の縁をどこに設定するかという問題だと考えられます。
ただし、灰色の部分が実際の歯面なのか、撮影時のにじみなのかは、まだ分かっていません。したがって、CADの測定値が正しい基準値だとも断定できません。
4. プログラムを改良した
原因が分かってきたので、測定プログラムを改良しました。
主な変更は3つです。
① 写真に写り込んだ白い円と線を除去する
元の写真には、以前の解析で描いた白い円や線が画像の一部として残っていました。
これが測定線に重なり、歯面の縁を正しく認識できなくなることがありました。
そこで、細く明るい線を検出して周囲の色で埋める処理を追加しました。
② 歯面の縁を割合で判定する
従来は固定した明るさの値で縁を判定していました。
改良後は、暗い部分と明るい部分の明るさの差に対して、一定の割合で縁を決める方式にしました。
既定値は0.25です。
③ 作用線に平行な15本で測定する
1本の線だけで測ると、たまたま選んだ位置の影響を受けます。
そこで、作用線に平行な15本の線を使い、測定値の平均を求める方式にしました。
その結果は次のとおりです。
| 測定方式 | jn | 線ごとの標準偏差 |
|---|---|---|
| 旧方式 | 0.310 mm | ― |
| 改良版・割合0.25 | 0.329 mm | 0.010 mm |
| 改良版・割合0.5 | 0.357 mm | ― |
改良版ではCADの測定値に近づきました。
ただし、割合0.25が正しいと確認できたわけではありません。この値を決めたのはCADとの比較後だからです。
また、標準偏差0.010 mmは、同じ写真の中で測定線の位置を変えたときのばらつきです。同じ歯車を撮り直したときの再現性を示すものではありません。
5. 測定誤差は騒音や消費電流に影響するのか
今回の研究では、測定値の正確さだけでなく、その誤差が実際の歯車性能の評価にどの程度影響するかも重要です。
ベンチ試験での繰り返しばらつきは、電流の標準偏差が6.1 mA、騒音が0.17~0.3 dBでした。
また、軸間距離を12.31 mmから12.34 mmに変えると、4000 rpm付近で電流が約10 mA、騒音が約0.4 dB変化しました。
この結果を基に、バックラッシュの測定誤差が性能評価に与える影響を概算しました。
| 測定値の差 | 電流への影響目安 | 騒音への影響目安 |
|---|---|---|
| 0.028 mm | 約10 mA | 約0.5 dB |
| 0.025 mm | 約9 mA | 約0.4 dB |
| 0.012 mm | 約4 mA | 約0.2 dB |
CADとプログラムの最大差0.028 mmでは、電流・騒音ともに繰り返しばらつきの範囲を超える可能性があります。
一方、CADでの3回の測定幅0.012 mmなら、ばらつきの範囲内に収まると見積もられます。
ただし、この計算には仮定があります。軸間距離を変えたときの電流・騒音の感度が、バックラッシュを変えたときにも同じように働くとは、まだ確認できていません。
また、すべての写真を同じ縁の判定規則で測れば、共通する絶対値の偏りは写真間の比較では相殺される可能性があります。実際に問題になるのは、同じ規則で測った場合の写真ごとのばらつきです。これも今後の検証が必要です。
6. まだ残っている問題
今回の改良で測定値は安定しましたが、別の問題も見つかりました。
写真の明るさをわずかに変えただけで、測定できなくなることがあります。
| 変更条件 | 結果 |
|---|---|
| 明るさを0.93~1.07倍 | 4回すべて測定失敗 |
| ノイズ標準偏差1 | 中心位置が変化 |
| ノイズ標準偏差2、3 | 測定できない場合がある |
| 明るさとノイズを同時に変更 | 8回中3回失敗、1回は外れ値 |
現在のところ、問題は歯面の縁の認識だけではありません。
8Tの中心位置を決める処理と、相手の歯車の形を画像から切り出す処理にも改善の余地があります。
また、今回の改良版のGUIやCSV保存についても、実際の画面での動作確認は完了していません。
7. AIとプログラムのどちらが優れているのか
今回の作業では、プログラムのほうが測定時間は短く、同じ写真に対して同じ手順で測定できました。
一方、AIには、初めて見る写真の問題点を探したり、プログラムのコードを読んで不具合を発見したりする役割があります。
今回も、コードをAIに読ませたことで、次の問題が見つかりました。
- CSV保存時に存在しない項目を参照する問題
- 相手の歯数が41に固定されていた問題
- 複数写真に同じ寸法を使ってしまう問題
- 歯底円半径などの入力項目がGUIから渡せない問題
ただし、今回の結果だけで、プログラムがAIより優れている理由を特定することはできません。
考えられる理由は、測定手順をコード化したこと、縮尺を実測値で入力できること、手順が固定されていることの3つです。
今回、AIが外したのは主に縮尺でした。したがって、この写真では入力方法の違いが大きく影響した可能性があります。しかし、事例集の手順をコードにした効果と、縮尺を入力する効果は分離できていません。
この点を確かめるには、事例集を読ませずに縮尺だけを正しく与えたAIにも同じ写真を測定させる必要があります。
現段階では、手順が決まった繰り返し測定をプログラムに任せ、未知の問題の発見やプログラムの検証にAIを使うという分担が有効そうだ、というところまでです。
8. 今後の検証
次に確認したいことは次のとおりです。
- 別の写真で、CADを見る前に縁の割合0.25を適用する。
- 同じ歯車を何度か撮影し、撮影ごとの測定ばらつきを調べる。
- 明るさが変わっても測定できるように、中心位置と歯車形状の検出方法を改良する。
- 41Tという歯数の仮定を実際の歯数で確認する。
- バックラッシュを変えた同じ歯車で、電流と騒音の変化を測定する。
- 事例集を使わないAIに正しい縮尺を与え、手順のコード化と入力方法の効果を分離する。
まとめ
今回の作業では、AIが写真から判断していた歯車のバックラッシュ測定を、Pythonのプログラムに移しました。
プログラム化によって、測定時間は数秒になり、同じ写真なら同じ手順で測定できるようになりました。
一方、CADとの測定値には最大0.028 mmの差がありました。
軸間距離による影響は0.002 mm、縮尺による影響は約0.005 mmでした。差の主な原因は、画像上の歯面の縁をどこに設定するかという問題だと考えています。
プログラムを改良すると平均0.329 mmになりましたが、これが正しい値であるかは、まだ検証が必要です。
今回の結果から、手順が決まった測定をプログラム化すると、速さと再現性を得られることは確認できました。ただし、その効果が事例集の手順をコード化したためなのか、縮尺を入力できるためなのかは、まだ分かっていません。
AIとプログラムの役割分担についても、今回の1枚の写真だけで一般化することはできません。
今回の成果は、測定の自動化だけではなく、測定値の違いを画像上の歯面の縁にまで絞り込み、まだ解決していない問題を具体的に見つけられたことです。
修正するときに、キャッチボールは2から3回が良いと思う。
キャッチボールが多くなると、没個性の文章になっていくと思う。