专利名称：：基于工件加工表面图像分析的刀具磨损状态评价方法
技术领域：
：本发明涉及一种基于图像识别的检测方法，具体是一种基于工件加工表面图像分析的刀具磨损状态评价方法，用于电子测量
技术领域：
。
背景技术：
：刀具磨损是切削加工过程中不可避免的现象，刀具一旦发生磨损或破损，不仅会使工件加工精度降低，表面粗糙度增大，而且会导致切削力加大，切削温度升高，甚至产生振动而中断正常的切削过程。在切削加工过程中，刀具磨损是一个渐进的过程，变化较为缓慢。操作者可以根据切削过程中的振动、噪声等来估计刀具的磨损程度，考虑是否换刀或刃磨。但由于刀具寿命具有随机性，而这种主观评价方法对刀具的寿命极限的估计往往过于保守，以致大部分刀具未能充分发挥其作用。随着现代科学技术的发展，生产自动化程度、加工精度越来越高，难加工材料和新材料越来越多，零件的形状越来越复杂，如何定量、定时地掌握刀具的工作状态，检测与诊断刀具磨损、破损等损伤故障，对于延长机床设备无故障运行，提高产品质量具有重要的意义。经对现有技术文献检索发现，中国专利申请号200410022253.5，
专利名称：为一种静态刀具图像的精密测量方法。根据该发明提供的测量方法可以看出，它是利用数字图像处理方法，定位出刀具图像边缘的精确坐标位置，计算出刀具的精确几何参数，就可以得到所要测量刀具边缘包络线，达到刀具精确测量的目的；但是，该方法只能实现刀具的静态离线测量，不能实现刀具的动态测量，亦不能得出刀具表面的磨损深度等信息。中国专利申请号200810200053.2，
专利名称：为一种基于混沌振子的刀具磨损状态检测装置及其检测方法。根据该发明提供的检测方法可以看出，它是利用混沌振子Duffing-Holmes系统检测微弱信号变化的特点，判别出刀具磨损状态。在进一步的检索中，目前尚未发现有关基于工件加工表面图像分析的刀具磨损、破损状态评价方法的文献报道
发明内容本发明的目的在于克服现有技术的不足，提出一种基于工件加工表面图像分析的刀具磨损状态评价方法。使其利用光学系统成像，采集工件加工表面的纹理图像；对加工表面图像进行多特征提取，结合相应的分类器形成分量分类器，采用基于投票系统的融合方法对多特征分类器进行融合，实现刀具磨损、破损状态的定性、定量识别。本发明是通过以下技术方案实现的，本发明具体步骤如下1、进行基于CCD的工件加工表面纹理图像的数据采集，步骤A，根据评价刀具磨损程度所需要设定的检测精度、工件加工表面的测量视野以及CCD摄像机分辨率，确定光学镜头的放大倍率，焦距以及工作距离等参数；步骤B，在工件加工表面投射照明光源，调节其光源亮度，使之在被测工件加工表面产生均匀柔和的光强，利用CCD摄像机获得的工件加工表面纹理图像；步骤C，通过计算机驱动图像采集卡，将步骤B获得的工件加工表面纹理图像传输至计算机；2、进行基于工件加工表面图像多特征融合的刀具磨损、破损状态分类，步骤D，多特征提取步骤，将获得的工件加工表面纹理图像，应用多特征提取方法提取图像特征X1，X2，…，Xn;步骤E，进行BP神经网络分类器的选择，将提取的图像特征X1，X2，…，Xn分别送入BP神经网络分类器C1，C2，…，Cn，构成多特征融合分类系统；步骤F，多特征融合分类步骤，每个BP神经网络分类器C1，C2，…，Cn根据融合算法做出相应的决策U1，U2，，Un，然后将相应的决策U1，U2，…，Un传送到融合中心，融合中心依据融合算法做出全局决策U，并最终得到刀具磨损、破损状态的定性、定量识别。本发明所述的多特征提取步骤提取图像特征X1，X2，，Xn，具体指基于灰度直方图的纹理描绘子、灰度共生矩阵的二次统计量、图像的奇异值特征、二值图像的联通区域标记及面积统计四个图像特征向量，用来表示加工表面图像的纹理、结构型式、范围大小、边界形状、色调及能量等信息。本发明所述的BP神经网络分类器选择步骤中，由多特征提取步骤中提取的四个输入特征向量构成工件加工表面图像分类的BP神经网络分类器，从而构成多特征融合分类系统。本发明所述BP神经网络是一个包含单层隐含层的三层BP网络隐含层的激励函数为Sigmoid型函数，网络的训练算法为Levenberg-MarquardtM算法。本发明所述融合算法采用投票表决算法来处理各BP神经网络分类器的本地决策，'首先，将每个BP神经网络分类器的输出各类别隶属度分别乘上由选通子系统给定的权系数，作为投票系统的输入；其次，投票系统将每个BP神经网络分类器对类别j的输入值相加得到系统总输出U，最终的判别结果是具有最大判别值Uj的那个类别。有益效果在切削加工过程中，由于受到切屑、火花以及切削液等因素的影响，很难对刀具切削点处进行在线图像采集，本发明通过CCD摄像机对工件加工表面进行图像采集，对工件加工表面图像进行多特征提取及融合分类，从而间接实现刀具磨损、破损状态的定性、定量识别，揭示了加工表面图像纹理与刀具磨损、破损状态之间的关系，较好的克服了现有刀具监测存在的缺陷，实现了信息技术与现代制造技术的有机结合。图l工件加工表面图像釆集系统的基本结构示意图。图2刀具状态检测过程流程图。具体实施例方式下面结合附图举例对本发明的技术方案做进一步的详细说明。如图1所示，本实施例在普通车床CS6140上进行，被加工工件为一直径O180mm的轴，相关参数为45钢，调质处理，硬度225HBW;切削刀具为硬质合金车刀；加工过程为普通外圆车削。图像测量系统的硬件配置如表1所示，基本结构示意图如图1所示，主要包括:CS6140车床、CCD摄像机、光源、调焦显微镜头、图像采集卡及计算机等。<table>tableseeoriginaldocumentpage6</column></row><table>如图2所示，结合本发明的刀具磨损状态评价过程，具体步骤如下工件作旋转运动，车刀沿工件轴线方向作进给运动，从而实现外圆车削。切削用量为切削速度180r/min，进给速度0.6mm/r，切削深度l.Omm。在进行图像采集之前，首先，切削用量和纹理特征提取的要求，设定待评价刀具磨损状态的检测精度为2um，工件加工表面的测量视野为2mmX3mm，CCD摄像机分辨率如表1所示，根据光学系统成像的基本原理，确定光学镜头的放大倍数为60，工作距离100mm。其次，要调节好光源的强度，以获得良好的被测物的图像；最后，计算机驱动采集卡进行工件加工表面的图像采集，将拍摄到的图像通过数据线传送到计算机中保存。通过以上方法采集到的工件加工表面图像，首先进行多特征提取，将获得的工件加工表面纹理图像，应用多特征提取方法提取基于灰度直方图的纹理描绘子、灰度共生矩阵的二次统计量、图像的奇异值特征、二值图像的联通区域标记及面积统计等作为分类的四个输入特征向量X1，X2，X3，X4;其次，由上述四个特征向量X1，X2，X3，X4构成面向加工表面图像分类的BP神经网络分类器C1，C2，C3，C4，从而构成多特征融合分类系统；然后，每个BP神经网络分类器根据投票表决算法做出相应的决策Ul，U2，…，Un，然后传送到融合中心FC，融合中心依据投票表决算法做出全局决策U，并最终定性的描述刀具磨损、破损状态，并定量地给出磨损、破损的程度。通过对切削加工后的同一把刀具进行光学测量，发现检测结果和本发明的分类识别的结构非常吻合。这表明基于工件加工表面图像分析的刀具磨损状态评价方法具有较高的识别检测精度，满足刀具状态识别的要求。权利要求1、一种基于工件加工表面图像分析的刀具磨损状态评价方法，其特征在于包括步骤如下首先，进行基于CCD的工件加工表面纹理图像的数据采集，步骤A，根据评价刀具磨损程度所需要设定的检测精度、工件加工表面的测量视野以及CCD摄像机分辨率，确定光学镜头的放大倍率，焦距以及工作距离等参数；步骤B，在工件加工表面投射照明光源，调节其光源亮度，使之在被测工件加工表面产生均匀柔和的光强，利用CCD摄像机获得的工件加工表面纹理图像；步骤C，通过计算机驱动图像采集卡，将步骤B获得的工件加工表面纹理图像传输至计算机；其次，进行基于工件加工表面图像多特征融合的刀具磨损、破损状态分类，步骤D，多特征提取步骤，将获得的工件加工表面纹理图像，应用多特征提取方法提取图像特征X1，X2，…，Xn；步骤E，进行BP神经网络分类器的选择，将提取的图像特征X1，X2，…，Xn分别送入BP神经网络分类器C1，C2，…，Cn，构成多特征融合分类系统；步骤F，多特征融合分类步骤，每个BP神经网络分类器C1，C2，…，Cn根据融合算法做出相应的决策U1，U2，…，Un，然后将相应的决策U1，U2，…，Un传送到融合中心，融合中心依据融合算法做出全局决策U，并最终得到刀具磨损、破损状态的定性、定量识别。2、根据权利要求1所述的基于工件加工表面图像分析的刀具磨损状态评价方法，其特征在于所述的多特征提取步骤提取图像特征XI，X2，…，Xn，具体指基于灰度直方图的纹理描绘子、灰度共生矩阵的二次统计量、图像的奇异值特征、二值图像的联通区域标记及面积统计四个图像特征向量，用来表示加工表面图像的纹理、结构型式、范围大小、边界形状、色调及能量等信息。3、根据权利要求2所述的基于工件加工表面图像分析的刀具磨损状态评价方法，其特征在于所述的BP神经网络分类器选择步骤中，由多特征提取步骤中提取的四个输入特征向量构成工件加工表面图像分类的BP神经网络分类器，从而构成多特征融合分类系统。4、根据权利要求3所述的基于工件加工表面图像分析的刀具磨损状态评价方法，其特征在于:所述BP神经网络是一个包含单层隐含层的三层BP网络，隐含层的激励函数为Sigmoid型函数，网络的训练算法为Levenberg-MarquardtM算法。5、根据权利要求1所述的基于工件加工表面图像分析的刀具磨损状态评价方法，其特征在于在多特征融合分类步骤中，所述融合算法采用投票表决算法来处理各BP神经网络分类器的本地决策首先，将每个BP神经网络分类器的输出各类别隶属度分别乘上由选通子系统给定的权系数，作为投票系统的输入；其次，投票系统将每个BP神经网络分类器对类别j的输入值相加得到系统总输出U，最终的判别结果是具有最大判别值Uj的那个类别。全文摘要本发明提供了一种基于工件加工表面图像分析的刀具磨损状态评价方法，它首先利用光学系统成像，采集工件加工表面的纹理图像；然后对加工表面图像进行多特征提取，根据多特征提取的个数组成面向加工表面图像的BP神经网络分类器，采用基于投票系统的融合方法对多特征分类器进行融合，实现刀具磨损、破损状态的定性、定量识别。本发明能够较好地克服切削加工过程中无法对刀具切削点进行在线图像采集的缺陷，能够准确地识别刀具的磨损、破损状态，可以应用于数控加工机床的刀具在线监测。文档编号G06K9/62GK101670533SQ20091003535公开日2010年3月17日申请日期2009年9月25日优先权日2009年9月25日发明者张永宏申请人:南京信息工程大学