一种基于视觉特征提取的刀具损伤检测方法与流程

本发明属刀具检测技术领域，特别是一种基于视觉特征提取的刀具损伤检测方法。

背景技术：

在切削加工过程中，刀具刀尖以及前后面与工件剧烈摩擦，接触区温度急剧增加，在切削力和切削热的共同侵蚀下，刀具势必发生损伤，进而影响加工精，严重情况下造成机床故障甚至人员伤亡，带来巨大经济损失。因此，亟需发展有效的刀具损伤检测技术。目前根据监测手段的不同，通常将刀具状态监测方法分为间接测量和直接测量。间接检测法是通过间接检测刀具磨破损时所产生的信号来判断刀具损伤状态，实时性强，可实现在线监测，主要有切削力监测法、振动监测法、声发射监测法以及功率/电流监测法等，然而通过信号映射的方法得到的刀具损伤量受加工工艺参数影响较大，易受干扰；机器视觉法是通过检测刀具表面状态来计算磨/破损量，属于直接检测法，具有直观无接触的优点。

中国专利公开号cn102501140a公开了一种球头铣刀定位集磨损监测方法，但该方法仅能测量刀具加工过程中磨损区域的宽度，未考虑刀具加工过程中微量破损部分的损伤量，所检测的刀具磨损量具有较大误差，易造成刀具失效误判，且不能无法适用于刀具破损检测；中国专利公开号cn108062072a公开了一种双摄像头图像采集装置及图像拼接的平底铣刀磨损在线检测方法，采用图像平均灰度作为阈值进行磨损特征提取，由于磨损区域像素所占整张图像比例较小，特征不明显，易被作为噪声处理，以灰度平均值作为阈值识别出磨损区域，具有较大误差，易把未磨损区域识别为磨损区域；中国专利公开号cn105203025a公开了一种基于机器视觉的圆锯片磨损量在线测量方法，但该方法只能检测刃口缺失，而无法检测刀刃磨损缺陷，检测精度还需进一步提高。综上可知，目前的刀具损伤视觉检测方法尚无法实现刀具损伤的高精检测，易造成刀具损伤误判，缺乏一套有效的刀具损伤视觉检测方法。

技术实现要素：

本发明的目的在于提供一种基于视觉特征提取的刀具损伤检测方法，通过同时测量磨损区域与破损区域作为刀具总损伤特征，提高刀具损伤监测精度，解决机械加工过程中基于机器视觉的刀具损伤高精检测难题。

实现本发明目的的技术解决方案为：

将刀具损伤区域分为磨损区域与破损区域，分别将两块区域作为目标，将其从图像背景以及刀具完好区域中提取出来，并以两区域之和的几何特征作为刀具损伤程度及损伤类型的判别标准；

所述刀具磨损区域为加工过程中刀具刀尖以及前、后刀面与工件剧烈摩擦形成的磨伤区域；该区域基于刀具损伤图像的目标融合及目标转移后，通过图像差分提取得到；

所述刀具破损区域为刀具加工过程中刀刃边缘及刀尖出现的细微崩刃及耗损缺失区域；该区域通过采集图像中完好的切削刃像素点，基于数据拟合重建刀具切削刃上下边界而提取得到。

方法包括以下步骤：

步骤1、视觉系统安装与标定：

安装调试视觉系统并对相机进行像素尺寸标定，获得像素当量值，进而控制视觉系统到达机床主轴位置附近，准备进行刀具图像采集；所述的像素尺寸标定采用的算法为：

长度像素当量：(1)

面积像素当量：(2)

式中，k1为长度像素当量；k2为面积像素当量；ln为标尺实际长度；an为标尺实际面积；n1为图像中表示标尺长度所用的像素个数；n2为图像中表示标尺面积所用的像素个数；所述标尺为一个已知尺寸的标准物体；

步骤2、图像采集与预处理：调节刀具与相机之间的相对距离，使相机视野中呈现清晰的刀具侧刃与底刃图像，进而采集完整的刀具侧刃与底刃图像，并对采集的图像进行预处理；

步骤3、刀具损伤区域提取：

步骤3.1、刀具磨损区域提取：通过目标融合，将刀具损伤图像中刀具磨损区域与刀具完好区域融合为一个区域，背景为一个区域；其次，通过目标转移将刀具损伤图像中刀具磨损区域转移到背景区域，与背景融合为一块区域；最后通过图像差分提取出刀具磨损区域；

步骤3.2、刀具破损区域提取：采集完整切削刃边界的数据点，进而基于采集的数据点坐标，对刀具切削刃上边界与下边界进行重建，重建切削刃交点为刀尖，以重建切削刃为边界将刀具区域像素置为255，得到新刀图像，进而运用差分法，将重建后的新刀具图像减去损伤的刀具图像，即得到刀具缺失区域，

步骤4、刀具损伤几何特征测量：将提取的磨损区域与破损区域作为刀具加工过程中的总损伤特征，分别计算刀具总损伤的长度、宽度、面积等几何特征；

步骤5、刀具损伤判定：根据是否存在刀具损伤与擦伤区域判断刀具损伤程度、损伤类型及是否需要更换刀具

本发明与现有技术相比，其显著优点是：

（1）本发明充分分析刀具损伤区域特征，将刀具损伤区域分为磨损区域与破损区域，分别将两块区域作为目标，将其从图像背景以及刀具完好区域中提取出来，并以两区域之和的几何特征作为刀具损伤程度及损伤类型的判别标准，有效提高了刀具损伤检测精度，

（2）本发明通过目标融合，将刀具损伤图像中刀具磨损区域与刀具完好区域融合为一个区域，背景为一个区域；其次，通过目标转移将刀具损伤图像中刀具磨损区域转移到背景区域，与背景融合为一块区域；最后通过图像差分成功提取得到磨损区域，解决了因为磨损区域像素所占整张图像比例较小，特征不明显，易被作为噪声处理，难以识别，不易提取的难题；

（3）本发明通过采集完整切削刃边界的数据点，基于采集的数据点坐标，对刀具切削刃上边界与下边界进行重建，重建切削刃交点为刀尖，以重建切削刃为边界将刀具区域像素置为255，得到新刀图像，进而运用差分法，将重建后的新刀具图像减去损伤的刀具图像，成功提取得到刀具破损区域，解决了刀具破损区域提取困难的问题，无需采集新刀具图像，无需进行刀具形状匹配，且重建的刀具切削刃边界具有较好的精度。

附图说明

图1为损伤刀具图像示意图。

图2为预处理后的刀具损伤图像示意图。

图3为目标融合后的图象示意图。

图4为目标转移后的图象示意图。

图5为磨损区域提取示意图。

图6为二值化后的刀具损伤图像示意图。

图7为切削刃重建数据点采集示意图。

图8为切削刃重建后的刀具图像示意图。

图9为破损区域提取示意图。

图10为刀具总损伤区域提取示意图。

图11为本发明方法流程示意图。

具体实施方式

下面结合附图对本发明做进一步的介绍。

一种基于视觉特征提取的刀具损伤检测方法，是将刀具损伤区域分为磨损区域与破损区域，分别将两块区域作为目标，将其从图像背景以及刀具完好区域中提取出来，并以两区域之和的几何特征作为刀具损伤程度及损伤类型的判别标准；

所述刀具磨损区域为加工过程中刀具刀尖以及前后刀面与工件剧烈摩擦形成的磨伤区域；该区域基于刀具损伤图像的目标融合及目标转移后，通过图像差分提取得到；

所述刀具破损区域为刀具加工过程中刀刃边缘及刀尖出现的细微崩刃及耗损缺失区域；该区域通过采集图像中完好的切削刃像素点，基于数据拟合重建刀具切削刃上下边界而提取得到。

进一步的，所述刀具磨损区域与背景、刀具完好区域组成完好的刀具图像，其具有面积最小，特征不明显，易被作为噪声信号处理，存在难以识别的困难；所述刀具破损区域为崩刃缺失区域，被背景所覆盖。为保证刀具损伤特征提取的完整性以及诊断结果的准确性，分别提取刀具磨损区域与刀具破损区域作为刀具的总损伤特征。

进一步的，所述磨损区域提取包含目标融合、目标转移、图像差分三步。

所述目标融合是指将刀具损伤图像中刀具磨损区域与刀具完好区域融合为一个区域，背景为一个区域，即将刀具完好区域与刀具磨损区域像素置为255，背景区域像素置为0，该操作可通过最大类方法，均值迭代法等进行图像二值化操作实现；

所述目标转移是指将刀具损伤图像中刀具磨损区域转移到背景区域，与背景融合为一块区域，刀具完整部分为一块区域；可通过将刀具图像背景置为255，显示为白色，进而，将原始刀具图像乘以一个权重值，再与背景为白色的图像相加实现。所述权重值的确定可通过像素扫描获取原始图像中像素最大的值记为a,则权重值为255/a-1。

所述图像差分是目标转移后的图像融合后的背景像素值置为0，刀具完整部分像素置为255，进而减去目标融合后的刀具图像，提取出刀具磨损区域。

进一步的，所述破损区域提取包含数据点采集、边界拟合重建、区域提取三步。

所述数据点采集是指对刀具损伤图像进行canny边缘检测，鼠标截取canny图像中刀具未损伤的上边界区域与下边界区域，对截取的上边界、下边界区域进行像素点扫描，将像素值为255像素点坐标进行保存。

所述边界拟合重建是指对刀具图像进行正二值化，即将刀具区域像素置为255，背景区域像素置为0，并基于采集到的完整切削刃坐标数据，在二值化图像上对刀具切削刃上边界与下边界进行拟合重建，重建边界交点即为刀尖。

所述区域提取是指以重建切削刃为边界，将图像中刀具区域的像素置为255，显示为白色，至此基于损伤的刀具图像完成了刀具重建，得到新刀图像，进而基于差分法，利用重建后的新刀图像减去已损伤的二值化刀具图像即得到破损区域。

进一步的，为保证检测刀具损伤检测结果的准确性，在进行损伤区域提取前需对图像进行背景去除、灰度化、滤波降噪、图像增强等预处理。

进一步的，所述背景去除是利用差分法，将刀具图像与背景图像做差，以此去除背景中的非刀具区域。

进一步的，本发明检测方法可针对刀具后刀面磨损以及刀具崩刃等损伤类型进行高可靠度诊断。

进一步的，本发明方法包括以下步骤：

步骤1、视觉系统安装与标定：

安装调试视觉系统并对相机进行像素尺寸标定，获得像素当量值，进而控制视觉系统到达机床主轴位置附近，准备进行刀具图像采集；所述的像素尺寸标定采用的算法为：

长度像素当量：(1)

面积像素当量：(2)

式中，k1为长度像素当量；k2为面积像素当量；ln为标尺实际长度；an为标尺实际面积；n1为图像中表示标尺长度所用的像素个数；n2为图像中表示标尺面积所用的像素个数；所述标尺为一个已知尺寸的标准物体。

步骤2、图像采集与预处理：调节刀具与相机之间的相对距离，使相机视野中呈现清晰的刀具侧刃与底刃图像，进而采集完整的刀具侧刃与底刃图像，并对采集的图像进行预处理。

步骤3、刀具损伤区域提取：

步骤3.1、刀具磨损区域提取：通过目标融合，将刀具损伤图像中刀具磨损区域与刀具完好区域融合为一个区域，背景为一个区域；其次，通过目标转移将刀具损伤图像中刀具磨损区域转移到背景区域，与背景融合为一块区域；最后通过图像差分提取出刀具磨损区域。

步骤3.2、刀具破损区域提取：采集完整切削刃边界的数据点，进而基于采集的数据点坐标，对刀具切削刃上边界与下边界进行重建，重建切削刃交点为刀尖，以重建切削刃为边界将刀具区域像素置为255，得到新刀图像，进而运用差分法，将重建后的新刀具图像减去损伤的刀具图像，即得到刀具缺失区域。

步骤4、刀具损伤几何特征测量：将提取的磨损区域与破损区域作为刀具加工过程中的总损伤特征，分别计算刀具总损伤的长度、宽度、面积等几何特征。

步骤5、刀具损伤判定：根据是否存在刀具损伤与擦伤区域判断刀具损伤程度、损伤类型及是否需要更换刀具。

进一步的，所述刀具损伤几何特征按式（4）-（6）计算；方法为绘制刀具损伤区域最小外接矩形，计算最小外接矩形的长与宽，所得长、宽乘上像素长度当量即得到刀具损伤区域的实际长度与宽度，对刀具损伤区域进行像素扫描，统计刀具磨损区域像素个数，并乘上像素面积当量即得到刀具磨损区域实际面积；

损伤长度：(3)

损伤宽度：(4)

损伤面积：(5)

式中，k1为长度像素当量；k2为面积像素当量；l为刀具损伤实际长度；w为刀具损伤实际面积；a为刀具损伤实际面积；nl为图像中表示刀具损伤长度所用的像素个数；nw为图像中表示刀具损伤宽度所用的像素个数；na为图像中表示刀具损伤面积所用的像素个数。

进一步的，刀具损伤判定方法如下：若不存在磨损区域，仅存在破损区域，则判定刀具为崩刃破损；若仅存在磨损区域、不存在破损区域则判定刀具为轻微磨损损伤，若即存在磨损区域，又存在破损区域，则判定刀具为严重磨损损伤，若磨损区域与破损区域均不存在，则刀具未损伤；同时根据刀具损伤几何特征大小是否达到设定阈值，确定是否需要更换刀具。