一种基于视觉特征提取的刀具损伤检测方法与流程

文档序号:20682836发布日期:2020-05-08 18:33阅读:来源:国知局

技术特征:

1.一种基于视觉特征提取的刀具损伤检测方法,其特征在于,将刀具损伤区域分为刀具磨损区域与刀具破损区域,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。

2.根据权利要求1所述的基于视觉特征提取的刀具损伤检测方法,其特征在于,所述刀具磨损区域的提取包含目标融合、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,该步骤通过最大类方法或/和均值迭代法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,刀具完好部分为一块区域;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。

3.根据权利要求1所述的基于视觉特征提取的刀具损伤检测方法,其特征在于,所述刀具破损区域的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,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损伤图像进行二值化,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。

4.根据权利要求1所述的基于视觉特征提取的刀具损伤检测方法,其特征在于,在进行刀具损伤区域提取前对图像进行背景去除、灰度化、滤波降噪及图像增强等预处理。

5.根据权利要求4所述的基于视觉特征提取的刀具损伤检测方法,其特征在于,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。

6.根据权利要求1所述的基于视觉特征提取的刀具损伤检测方法,其特征在于,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。

7.根据权利要求6所述的基于视觉特征提取的刀具损伤检测方法,其特征在于,所述刀具损伤几何特征按式(3)、(4)、(5)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。

8.根据权利要求6所述的基于视觉特征提取的刀具损伤检测方法,其特征在于,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,若既存在磨损区域,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。


技术总结
本发明公开了一种基于视觉特征提取的刀具损伤检测方法,通过将刀具损伤区域分为磨损区域与破损区域,对两块区域分别进行提取后,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;其中,磨损区域是通过目标融合,将图像中磨损区域与刀具完好区域融合为一个区域,再通过目标转移将刀具磨损区域转移到背景区域,与背景融合为一块区域,而基于图像差分提取得到;破损区域是通过采集图像中完好切削刃像素点,基于数据拟合重建刀具切削刃上下边界,进而通过差分法提取得到。本发明提供了有效的刀具损伤视觉检测方法,可针对刀具前、后刀面磨损以及刀具崩刃等损伤类型进行高可靠度诊断。

技术研发人员:王禹林;叶祖坤;刘峰;查文彬;蔡志娟;李霏
受保护的技术使用者:南京理工大学;南京禹其源智能装备科技有限公司;北京电子工程总体研究所
技术研发日:2020.01.19
技术公布日:2020.05.08
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1