一种基于数控机床视觉检测的刀具破损度检测方法与流程

本发明涉及数控机床检测方法领域，尤其涉及一种基于数控机床视觉检测的刀具破损度检测方法。

背景技术：

数控机床是一种装有程序控制系统的自动化机床，其数控装置经运算处理后，由数控装置发出各种控制信号，控制机床的动作，按图纸要求的形状和尺寸，自动地将零件加工出来。在上述加工的过程中，数控机床中所安装的刀具需要按照预设的程序，对零件进行切割，由于切割过程中，刀具本身也会发生破损，因此需要对刀具的破损程度进行监控，为保证零件切割加工的精确性，当刀具的破损程度超过了一定的程度，需要对刀具及时进行更换，因此需要一套高效的刀具破损度实时监测系统。

在现有技术中，随着视觉检测技术的成熟，通过ccd相机等方式对刀具破损度进行实时视觉检测的方式已经出现，但是于此同时，对刀具破损度的视觉检测需要增加额外的一套视觉检测系统，提升了设备成本的同时增加了设备的体积。

事实上，目前已有在加工前对待加工零件进行位置定位的视觉系统，使用同一套系统，对加工后的零件进行视觉检测，判断刀具加工的切割痕迹，即可间接地判断刀具的破损程度；现有技术中还未有依靠这个思路完成刀具破损度检测的方法。

因此，现有技术还有待发展。

技术实现要素：

鉴于上述现有技术的不足之处，本发明的目的在于提供一基于数控机床视觉检测的刀具破损度检测方法，旨在解决现有技术中数控机床刀具磨损程度检测需要依靠额外的视觉检测设备，提高了整体成本，占用更多空间，对生产造成不便的问题。

为了达到上述目的，本发明采取了以下技术方案：

一种基于数控机床视觉检测的刀具破损度检测方法，其中，具体包括以下步骤：

a：获取完成加工后零件的图像；

b：对所获得的图像进行滤波去噪处理后进行灰度变换，完成对图像的预处理，得到预处理图像；

c：根据预设的特征信息，在预处理图像中查找定位完成加工后零件，剪裁剩余部分，得到零件图片；

d：对零件图片中机头所加工的切割痕迹进行边缘检测并绘制边缘轮廓线；

e：通过边缘轮廓线计算刀具的边缘宽度大小；

f：将刀具实际宽度与预设的理论标准值比较后输出检测结果。

所述的基于数控机床视觉检测的刀具破损度检测方法，其中，所述步骤b具体包括：

b1：使用高斯平滑去噪对图像进行滤波以消除高斯噪声处理；

b2：使用灰度值拉伸方法提高图像对比度；

b3：使用形态学滤波进行图像预处理；

b4：输出预处理图像。

所述的基于数控机床视觉检测的刀具破损度检测方法，其中，步骤所述特征信息具体为灰度信息及边缘信息。

所述的基于数控机床视觉检测的刀具破损度检测方法，其中，所述步骤d具体包括：

d1：对零件图片中机头所加工的切割痕迹进行边缘检测并获取切割痕迹路径；

d2：使用亚像素边缘提取方法，在所获取的切割痕迹路径上提取若干像素点；

d3：连接所述像素点构成一条连线，并对所述连线进行拟合，得到边缘轮廓线。

所述的基于数控机床视觉检测的刀具破损度检测方法，其中，所述边缘检测使用的是canny边缘检测方法。

综上所述，本发明提供的一种基于数控机床视觉检测的刀具破损度检测方法，步骤包括：a：获取完成加工后零件的图像；b：对图像进行滤波去噪处理后进行灰度变换，得到预处理图像；c：根据预设的特征信息，在预处理图像中查找定位完成加工后零件剪裁剩余部分，得到零件图片；d：对切割痕迹进行边缘检测并绘制边缘轮廓线；e：通过边缘轮廓线计算刀具的边缘宽度大小；f：将刀具实际宽度与预设的理论标准值比较后输出检测结果。本发明只需要使用数控机床中原有的光学定位设备，对完成加工后零件进行拍摄之后使用本发明所提供的方法，即可实现对刀具破损度的间接检测。不需安装额外的光学检测设备，在现有设备的基础上执行此方法，即可实现刀具破损度检测。

附图说明

图1为本发明中基于数控机床视觉检测的刀具破损度检测系统的立体图。

图2为本发明中基于数控机床视觉检测的刀具破损度检测系统的光学定位机构立体图。

图3为本发明中基于数控机床视觉检测的刀具破损度检测系统的机头组件加工零件时的工作状态示意图。

图4为本发明所述基于数控机床视觉检测的刀具破损度检测方法的流程图。

图5为本发明所述基于数控机床视觉检测的刀具破损度检测方法的步骤s2的流程图。

图6为本发明所述基于数控机床视觉检测的刀具破损度检测方法的步骤s4的流程图。

具体实施方式

本发明提供一种基于数控机床视觉检测的刀具破损度检测方法，为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

请同时参考图1至图3，图1为本发明中基于数控机床视觉检测的刀具破损度检测系统的立体图。图2为本发明中基于数控机床视觉检测的刀具破损度检测系统的光学定位机构立体图。图3为本发明中基于数控机床视觉检测的刀具破损度检测系统的机头组件加工零件时的工作状态示意图。

如图1至图3所示，本发明中基于数控机床视觉检测的刀具破损度检测系统包括用于检测加工后零件切割痕迹的光学定位机构10，以及用于对零件进行加工的机头组件20，所述机头组件20设置在所述光学定位机构10的后方并与之连接；所述光学定位机构10具体包括可开合的保护盒100，及设置在所述保护盒内部的光学定位设备111。

具体工作时，所述光学定位机构10运动到完成加工的部件的上方，获取完成加工的部件的切割痕迹，具体方法为通过光学定位设备111对完成加工的部件进行拍摄后通过视觉处理方法得到完成加工的部件的轮廓信息，之后将所获取的轮廓信息与预设的轮廓信息进行比对，从而判断刀具的磨损程度。

更进一步地，所述光学定位设备111为ccd相机。

进一步地，所述保护盒100具体包括：

保护盒本体110，所述保护盒本体110为中空的圆筒形结构，所述保护盒本体110的顶端设置有顶面，底端为中空的结构，所述光学定位设备111设置在所述顶面的内壁上；

用于保护光学定位设备111的保护盒盖120，所述保护盒盖120设置在所述保护盒本体110的底面上；

用于驱动所述保护盒盖120开闭的驱动机构130，所述驱动机构130设置在所述保护盒本体110的外壁上。

具体工作时，光学定位设备111设置在保护盒本体110的内部，当光学定位机构10运动到完成加工的部件的上方，光学定位设备111需要对完成加工的部件进行拍摄时，驱动机构130驱动保护盒盖120打开，光学定位设备111完成拍摄后，驱动机构130驱动保护盒盖120关闭；在数控机床对完成加工的部件进行加工时，切削的废渣及冷却液等物质会产生飞溅，因此，在保护盒本体110的底部设置保护盒盖120，在光学定位设备111不工作时，通过保护盒盖120将光学定位设备111封闭在保护盒100内，从而保护光学定位设备111不受切削加工的损坏。

进一步地，所述驱动机构130具体包括：

用于输出动力的马达131；

用于传递马达动力的传动轴132，所述传动轴132垂直于所述保护盒盖120并与保护盒盖120固定连接；

所述马达131与所述传动轴132之间设置有齿轮组（图中未标出），当所述马达131输出旋转扭力时，通过所述齿轮组的传动，所述传动轴132绕其轴心旋转。

具体工作时，所述传动轴132平行于所述保护盒本体110的轴线，当马达131通过齿轮组驱动传动轴132旋转时，传动轴132驱动保护盒盖120绕所述传动轴132旋转，从而完成保护盒盖120的开启，当需要关闭保护盒盖120时，马达131逆向旋转，从而以相同的原理驱动保护盒盖120回复到关闭的状态。该种侧向旋转的开盖方式，所占用的空间较小，不会在开合的过程中占用更大空间，从而可以精简设备体积，同时，侧向旋转的开盖方式相较于翻盖等方式，能够有效地防止数控机床加工过程中产生的废屑及润滑液飞溅到保护盒盖120的内侧，从而污染了光学定位设备111，影响光学定位的精度。

更进一步地，所述齿轮组具体包括：

第一齿轮，所述第一齿轮环绕设置在所述传动轴132上；

第二齿轮，所述第二齿轮环绕设置在所述马达131的动力输出轴上；

所述马达131的动力输出轴与传动轴132垂直，所述第一齿轮与所述第二齿轮互相咬合。

具体工作时，由于第一齿轮与第二齿轮互相咬合，因此当马达131输出动力驱动第二齿轮旋转时，所述第二齿轮驱动与之咬合的第一齿轮旋转，从而驱动力传动轴132的转动从而实现了保护盒盖120的开闭；所述第一齿轮与第二齿轮的咬合方式，使得马达131输出的动力由轴线平行于地面的旋转转换为轴线垂直于地面的旋转，完成了扭力传递方向的转换；实验结果表明，该种方式动力传递方式简单，使用寿命更长，在数控机床自动化加工零件的过程中，每个零件的加工完成后都需要进行一次光学定位设备111的拍摄检测，这也就意味着每个零件的加工都需要进行一次保护盒盖120的开闭，因此，简单、高效、使用寿命更长的传动方式是自动化高效长时间加工的一个根本保证。

进一步地，所述保护盒盖120的内壁上设置有斜面部，所述保护盒本体110底部的边缘设置有与所述斜面部相适配的倾斜部。

在具体工作时，虽然保护盒盖120侧向旋转的开盖方式能够在一定程度上防止切削废屑及润滑液的飞溅，但仍然可能有部分的润滑液飞溅到保护盒盖120的内壁上，润滑液受热蒸发后凝结在光学定位设备111的镜头表面，就会影响光学定位设备111的定位精度，因此，在保护盒盖120的内壁上设置斜面部，使得飞溅到保护盒盖120内壁上的液体或碎屑可以顺着斜面部掉落下来，同时，在保护盒盖120关闭的过程中，所述倾斜部与所述斜面部发生摩擦，通过这种方式也可以挤出残留在保护盒盖120内壁上的液体及残渣。

进一步地，所述机头组件20具体包括：

用于输出动力的机头21；

用于对零件进行切削加工的刀具22，所述刀具22设置在所述机头21的主轴上；

用于调节所述机头组件位置的调节机构（图中未标出），所述调节机构与所述光学定位机构10信号连接。

更进一步地，所述调节机构具体包括：

用于驱动机头组件20横向运动的x轴导轨，所述x轴导轨与机头组件20连接；

用于驱动机头组件20纵向运动的y轴导轨，所述y轴导轨包含有两条，分别记为第一y轴导轨与第二y轴导轨，所述y轴导轨设置在所述x轴导轨的上方，所述y轴导轨的一侧与x轴导轨连接，另一侧与数控机床顶部的内壁连接，具体地，所述x轴导轨的一端与所述第一y轴导轨连接，x轴导轨的另一端与所述第二y轴导轨连接；

所述x轴导轨可沿第一y轴导轨与第二y轴导轨来回滑动，第一y轴导轨及第二y轴导可沿x轴来回滑动。

上述运动方式使得调节机构可驱动机头组件20运动到xy空间平面内的任意一点，从而驱动机头组件20的精确加工。

具体工作时，调节机构驱动x轴及y轴的相对运动，将完成加工任务机头组件20运送加工前的初试位置，之后光学定位机构10对完成加工的部件进行刀具磨损程度的间接检测。

请同时参考图4至图6，图4为本发明所述基于数控机床视觉检测的刀具破损度检测方法的流程图。图5为本发明所述基于数控机床视觉检测的刀具破损度检测方法的步骤s2的流程图。图6为本发明所述基于数控机床视觉检测的刀具破损度检测方法的步骤s4的流程图。

如图4至图6所示，本发明所提供的基于数控机床视觉检测的刀具破损度检测方法，具体包括以下步骤：

s1：获取完成加工后零件的图像；

s2：对所获得的图像进行滤波去噪处理后进行灰度变换，完成对图像的预处理，得到预处理图像；

s3：根据预设的特征信息，在预处理图像中查找定位完成加工后零件，剪裁剩余部分，得到零件图片；

s4：对零件图片中机头所加工的切割痕迹进行边缘检测并绘制边缘轮廓线；

s5：通过边缘轮廓线计算刀具的边缘宽度大小；

s6：将刀具实际宽度与预设的理论标准值比较后输出检测结果。

具体工作时，首先执行步骤s1，拍摄完成加工后零件的图像；之后执行步骤s2，对所述图像进行预处理，主要是滤波去噪以提高图片的清晰度，提高后续步骤检测的精确性；之后执行步骤s3，由于图像是直接在机床的加工台上拍摄的，图像中除了完成加工后零件外还含有机床的加工台作为背景，因此需要在图像中查找并提取完成加工后零件，在执行步骤s3时，根据预设好的特征信息，在图像中匹配定位，搜索到完成加工后零件在图像中的位置，框选完成加工后零件轮廓后进行剪裁，去除背景部分，得到零件图片；之后执行步骤s4对零件图片进行检测，检测出机床刀具在零件上切割的轨迹，并绘制边缘轮廓线；之后执行步骤s5，通过所述边缘轮廓线计算刀具边缘宽度大小；在步骤s6中将所测得的刀具边缘宽度大小与理论值相比较，输出结果即可得到机床刀具破损度的检测结果。

在本发明中，对完成加工后零件进行拍摄和检测的光学定位设备，原本是在零件加工之前，为了保证机床刀具对零件的切割精度，对待加工零件进行位置定位的设备；通过本发明所提供的技术方案，使用原有的光学定位设备，执行上述方法，拍摄完成加工后零件，通过检测完成加工后零件的切割轨迹，实现对机床刀具破损度的间距检测。在不增加机床硬件设备的基础上，实现了刀具破损度实时检测的新功能。简化了刀具破损度的检测流程，提高了整个流程加工效率的同时，确保了对刀具破损度的准确实时检测，经济高效。

进一步地，所述步骤s2具体包括：

s210：使用高斯平滑去噪对图像进行滤波以消除高斯噪声处理；

s220：使用灰度值拉伸方法提高图像对比度；

s230：使用形态学滤波进行图像预处理；

s240：输出预处理图像。

具体工作时，步骤s210中所述的高斯平滑去噪即高斯滤波，是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作是：用一个模板（或称卷积、掩模）扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。步骤s220中所述的灰度拉伸又叫对比度拉伸，它是最基本的一种灰度变换，使用的是最简单的分段线性变换函数，它的主要思想是提高图像处理时灰度级的动态范围。步骤s230所述的形态学滤波，所使用的原理为数学形态学，被定义为一种分析空间结构的理论，之所以称为形态学是因为其目的在于分析目标的形状和结构，形态学滤波的主要思路在于有选择的抑制图像的结构，判断哪些结构可以是噪声，或者是不相关的图像目标，以进行滤除。最后通过步骤s240输出预处理图像。通过上述步骤能够提高图像的清晰度，为后续提取准确检测刀具切割痕迹打下基础。

进一步地，所述特征信息具体为灰度信息及边缘信息。

步骤s3中所述的特征信息具体为灰度信息及边缘信息，灰度信息及边缘信息为识别完成加工后零件的主要信息，通过灰度信息与边缘信息的匹配，能够高效地在图片中搜索到完成加工后零件所在的位置。

进一步地，所述步骤s4具体包括：

s410：对零件图片中机头所加工的切割痕迹进行边缘检测并获取切割痕迹路径；

s420：使用亚像素边缘提取方法，在所获取的切割痕迹路径上提取若干像素点；

s430：连接所述像素点构成一条连线，并对所述连线进行拟合，得到边缘轮廓线。

具体工作时，步骤s410中使用边缘检测方法对完成加工后零件的切割痕迹进行边缘检测，并获取边缘信息；根据所获得的边缘信息，步骤s420在边缘上描点，采用亚像素边缘提取方法，能够使得每个描点的面积小于一个像素，有利于更精确地描绘切割痕迹的边缘；之后执行步骤s430，将上述边缘上的描点逐一连成一条连线，并对连线进行拟合，得到平滑连续的边缘轮廓线，所述边缘轮廓线既是刀具在完成加工后零件上的切割痕迹。

进一步地，所述边缘检测使用的是canny边缘检测方法。

所述步骤s410中使用的检测方法为使用canny边缘检测方法，canny边缘检测是目前常用的边缘检测方法，具有较高的检测精度。

更进一步地，所述步骤s410具体包括：

s411：寻找零件图片中的亮度阶梯；

s412：通过亮度阶梯信息在零件图片中跟踪边缘，得到切割痕迹路径。

具体工作时，首先执行步骤s411，图像中的切割痕迹的边缘可能会指向不同的方向，所以canny边缘检测方法使用4个mask检测水平、垂直以及对角线方向的边缘。原始图像与每个mask所作的卷积都存储起来，对于每个点都标识在这个点上的最大值以及生成的边缘的方向，这样就从原始图像生成了图像中每个点亮度梯度图以及亮度梯度的方向；之后执行步骤s412，在前一步骤中，较高的亮度梯度比较有可能是边缘，但是没有一个确切的值来限定多大的亮度梯度是边缘多大，所以canny边缘检测方法使用了滞后阈值。滞后阈值需要两个阈值——高阈值与低阈值。假设图像中的重要边缘都是连续的曲线，这样我们就可以跟踪给定曲线中模糊的部分，并且避免将没有组成曲线的噪声像素当成边缘。所以从一个较大的阈值开始，这将标识出比较确信的真实边缘，使用步骤s411中导出的方向信息，从这些真正的边缘开始在图像中跟踪整个的边缘。在跟踪的时候，我们使用一个较小的阈值，这样就可以跟踪曲线的模糊部分直到我们回到起点。一旦这个过程完成，我们就得到了一个二值图像，每点表示是否是一个边缘点，所有上述点的集合即是切割痕迹路径。

具体工作时，本发明所提供的一种基于数控机床视觉检测的刀具破损度检测方法，具体工作时可分为调试步骤，图像采集步骤和图像处理步骤三个步骤：

调试步骤，调试步骤包括硬件部分的调试以及软件部分的调试，硬件部分，调试好光学定位设备，确保调节机构运行正常，即可完成硬件部分的调试步骤；软件部分需要预设完成加工后零件图像的特征信息，包括灰度信息及边缘信息，即可完成软件部分的调试步骤。

图像采集步骤，机头组件完成对零件的加工后，光学定位机构运动到所述零件的正上方，驱动机构驱动保护盒盖打开，光学定位设备对完成加工的零件进行拍摄并获得图像，之后驱动机构驱动保护盒盖关闭，即可完成图像的采集步骤。

图像处理步骤，对所采集的图像进行预处理，先后使用高斯噪声处理、灰度值拉伸方法以及形态学滤波法，实现滤波去噪以提高图片的清晰度，提高后续步骤检测的精确性；之在图像中查找并提取完成加工后零件，根据预设好的特征信息，在图像中匹配定位，搜索到完成加工后零件在图像中的位置，框选完成加工后零件轮廓后进行剪裁，去除背景部分，得到零件图片；之后使用canny边缘检测方法对零件图片进行检测，检测出机床刀具在零件上切割的轨迹，并绘制边缘轮廓线；通过所述边缘轮廓线计算刀具边缘宽度大小；将所测得的刀具边缘宽度大小与理论值相比较，输出结果即可得到机床刀具破损度的检测结果。

综上所述，本发明提供了一种基于数控机床视觉检测的刀具破损度检测方法，步骤包括：a：获取完成加工后零件的图像；b：对图像进行滤波去噪处理后进行灰度变换，得到预处理图像；c：根据预设的特征信息，在预处理图像中查找定位完成加工后零件剪裁剩余部分，得到零件图片；d：对切割痕迹进行边缘检测并绘制边缘轮廓线；e：通过边缘轮廓线计算刀具的边缘宽度大小；f：将刀具实际宽度与预设的理论标准值比较后输出检测结果。本发明只需要使用数控机床中原有的光学定位设备，对完成加工后零件进行拍摄之后使用本发明所提供的方法，即可实现对刀具破损度的间接检测。不需安装额外的光学检测设备，在现有设备的基础上执行此方法，即可实现刀具破损度检测。

可以理解的是，对本领域普通技术人员来说，可以根据本发明的技术方案及本发明构思加以等同替换或改变，而所有这些改变或替换都应属于本发明所附的权利要求的保护范围。