CN105203025B - 基于机器视觉的圆锯片磨损量在线测量方法 - Google Patents

基于机器视觉的圆锯片磨损量在线测量方法 Download PDF

Info

Publication number
CN105203025B
CN105203025B CN201510568100.9A CN201510568100A CN105203025B CN 105203025 B CN105203025 B CN 105203025B CN 201510568100 A CN201510568100 A CN 201510568100A CN 105203025 B CN105203025 B CN 105203025B
Authority
CN
China
Prior art keywords
line segment
point
line
saw blade
article
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510568100.9A
Other languages
English (en)
Other versions
CN105203025A (zh
Inventor
齐继阳
唐文献
魏赛
李钦奉
孟洋
陆震云
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CETC Ningbo Maritime Electronics Research Institute Co Ltd
Original Assignee
Jiangsu University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu University of Science and Technology filed Critical Jiangsu University of Science and Technology
Priority to CN201510568100.9A priority Critical patent/CN105203025B/zh
Publication of CN105203025A publication Critical patent/CN105203025A/zh
Application granted granted Critical
Publication of CN105203025B publication Critical patent/CN105203025B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本发明公开了一种基于机器视觉的圆锯片磨损量在线测量方法,其测量方法基于的测量装置包括工业相机,图像采集卡、工控机。所述测量方法的步骤为:工控机触发图像采集卡,通过工业相机获取圆锯片图像;对图像进行预处理和二值化处理;提取圆锯片图像的单像素边缘;提取圆锯片边缘的直线线段;确定同一锯齿上的两条线段;求解圆锯片前刀面刃口磨损量和后刀面刃口磨损量。本发明具有实时性好、检测精度高,是一种有效的圆锯片磨损量在线测量方法,其检测结果为补偿机构执行补偿提供了可靠的依据,从而提高了板材切割效率和质量。

Description

基于机器视觉的圆锯片磨损量在线测量方法
技术领域
[0001] 本发明属于图像处理技术领域,涉及一种刀具磨损状态视觉检测方法,更具体地说,是涉及一种圆锯片磨损量在线测量方法。该方法是通过提取出圆锯片图像边缘,检测出圆锯片锯齿的前刀面线段和后刀面线段,再求解出圆锯片磨损量的方法。
背景技术
[0002] 刀具磨损监测技术从测量手段上分可分为间接法和直接法。直接法是通过测量刀具刀刃形状、质量或位置的变化,根据相关标定关系来确定刀具磨损状态的方法。间接法是通过测量切削过程中与刀具磨损状态密切相关的一个或多个参变量(如切削力、扭矩、温度、声发射等)的变化,根据相关标定关系来确定刀具磨损状态的方法。
[0003] 切削力监测法是刀具状态监测技术中研究最早、应用较广的间接监测法。该方法具有灵敏度高、反应速度快、抗干扰性强等优点,但由于加工工况变化与刀具磨损所引起的切削力变化规律相似,导致该方法难以识别刀具的磨损状态。所以目前该方法常用在自动化制造系统的刀具破损监测中,在刀具磨损监测中的应用还处于研究阶段。声发射监测法是目前最具潜力的新型间接监测方法,近年来很多学者对该技术进行了大量研究,并获得了不少成果。由于声发射信号的频率与机械振动和环境噪声的频率相差甚远,因此可以通过检测切削加工中产生的声发射信号来监测刀具的磨损状态,且检测结果受外界环境影响小。该方法最大的缺点是声发射信号在传播过程中衰减严重,从而导致信号采集和处理的难度比较大。由于刀具磨损过程缓慢而复杂,利用单一信号来监测刀具磨损状态常存在信息不完全、受外界环境影响较大、可靠性较差等缺点。
[0004] 相对于间接监测法,直接监测法更关注的是刀具刀刃的变化。常用的直接监测方法有光学扫描法、电阻接触法和视觉监测法等。随着计算机技术和CCD/C0MS传感器技术的发展,对基于计算机视觉的刀具磨损监测方法的研究也越来越多,研究表明该方法具有判断准则直观、设备安装方便、适用性强等优点,是一种发展前景可观的刀具磨损监测方法。
[0005] 基于计算机视觉的刀具磨损监测方法首先通过CCD或COMS传感器来获取目标的图像,然后利用图像处理技术对图像进行一系列处理以达到理解识别图像的目的,最后根据相关数学模型确定刀具的磨损状况或准确的磨损量。根据监测对象的不同,计算机视觉监测方法可分为基于刀具图像监测法、基于工件图像监测法和基于切肩图像监测法三类。
[0006] (1)基于刀具图像的磨损监测法
[0007] 传统加工中,操作工人通过观察刀具形状的变化来判断刀具的状态;在自动化加工中,系统通过计算机视觉设备代替人的眼睛对刀具的形态进行监测,最终形成了基于刀具图像的磨损监测方法。由于在刀具切削过程中,工件或切肩常常会遮挡住刀具的刀刃,导致刀具图像不能真实地反映刀具的形态,故一般在刀具退回到起始点时获取刀具表面图像,然后根据图像分析刀具磨损状况。
[0008] ⑵基于工件图像的磨损监测法
[0009] 由加工原理可知,工件表面纹理是刀具表面形状的映像,基于工件表面图像的磨 损监测方法就是在此基础上建立的。该方法的首先建立工件表面纹理模型;再建立工件图像特征参数与刀具磨损状态的映射。
[0010] (3)基于切肩图像的磨损监测法
[0011] 研究发现,在切削条件不变的情况下,刀具磨损是引起切肩变形的主要原因,因此可以通过切肩图像来监测刀具的磨损状态。但由于切肩形态非常的多变,目前对于该方法的研究主要还只集中在切肩的形成、切肩形态检测等初步问题中。
[0012] 综合比较以上三种视觉监测方法,目前最理想可行的刀具磨损监测的方法是基于刀具图像的监测方法。
[0013] 圆锯片磨损量监测也常用以上的方法。杭州电子科技大学赵玲等人,基于机器视觉构建了圆锯片几何参数测量系统。该方法以圆锯片轮廓优化为基础,对圆锯片内圆孔提出了改进的二次多项式插值亚像素定位方法,对齿尖两段直线采用改进的最小二乘法进行拟合,提高了检测精度,但是该方法必须获得圆锯片整幅图像,因而无法实现圆锯片磨损量在线测量。瑞典Ekevad等人构建了在锯切山毛榉过程中,圆锯片磨损量与其锯片振动信号之间的关系,该方法虽然实现了圆锯片磨损量的在线测量,但是圆锯片磨损量与其锯片振动信号的精确数量关系,很难找到,只能对圆锯片磨损量进行定性检测。
发明内容
[0014] 本发明的目的在于克服已有圆锯片磨损量测量方法的不足,提出了一种基于机器视觉的圆锯片磨损量的在线测量方法,以提高圆锯片磨损量在线测量的精确度。
[0015] 为实现上述目的,本发明的基于机器视觉的圆锯片磨损量在线测量方法,使用的测量系统包括工业相机、安装支架、图像采集卡和工控机。
[0016] 所述基于机器视觉的圆锯片磨损量在线测量方法,包括如下步骤:
[0017] 1)将安装在支架上的工业相机,通过人工调节,使工业相机正对着被测圆锯片,工控机触发图像采集卡,获取圆锯片图像;
[0018] 2)对获取的图像进行降噪预处理和二值化处理;
[0019] 为抑制噪声影响,将工业相机采集到的原始圆锯片图像进行降噪处理。采用中值滤波进行降噪处理,采用阈值分割方法二值化处理图像,使物体和背景各自均匀单一,对比度大,无其他线条及难以区分的细节;
[0020] 3)提取圆锯片图像中的单像素边缘;
[0021] (1)确定跟踪起始点
[0022] 从获取的圆锯片图像的左上角开始,按从上至下,从左到右的顺序扫描圆锯片的二值图像,将第一个灰度值为1的像素点设为边界跟踪的起始点Po;
[0023] (2)确定搜索下一个边界点的初始方向
[0024] 根据下面公式确定搜索下一个边界点的初始方向
[0025]
Figure CN105203025BD00061
[0026] 公式中只^表示从参考点Pi出发搜索下一个边界点的初始方向,表示下一边界点相对参考点Pi-1的真实方向。Db和De都采用Freeman的8邻域链码编码方式,位于参考点正 右方的像素点相对于参考点的位置为O,按逆时针方向用O〜7来表示参考点8邻域的像素点相对参考点的位置。
[0027] (3)搜索下一个边界点
[0028] 从下一个边界点的初始方向出发,按从上至下、从左到右的顺序搜索下一个边界点,搜索到的第一个灰度值为〇的点就是下一个边界点。
[0029] ⑷结束搜索
[0030] 判断当前边界点的像素坐标,若边界点的纵坐标X等于图像的列数M,说明搜索到达图像的边框,结束搜索。
[0031] 4)提取圆锯片边缘的直线线段
[0032] (1)使用Freeman的8邻域链码对图像边界进行编码;
[0033] (2)搜索图像边界中的线段元,并将线段元以起点坐标、主方向链码值、副方向链码值和长度的形式保存在细胞数组Line-Cell中;
[0034] (3)将细胞数组Line-Cell中连续且主方向、副方向链码值相同,长度之差小于2的线段元合并为线段,并保存在细胞数组Line中。细胞数组Line中的元素包含起始线段元索引号、终止线段元索引号、主方向链码值和副方向链码值;
[0035] (4)判断细胞数组Line中的线段是否能向两端延伸。扫描与线段端点相连的线段元,若线段元与线段的主方向链码值相同,则根据下面的准则1继续判断是否能延伸;若线段元与线段的主方向链码值不同,则线段不能延伸;
[0036] 准则1:设细胞数组Line中的线段Li的起点坐标为(xib,yib),终点坐标为(XiMyie3),与线段Li端点相连的线段元的起点坐标为(X2b,y2b),终点坐标为(Xse^yse3)。原线段斜率:
[0037]
Figure CN105203025BD00071
[0038] 新线段斜率:
[0039] ①线段元与线段起点相连
[0040]
Figure CN105203025BD00072
[0041] ②线段元与线段终点相连
[0042]
Figure CN105203025BD00073
[0043] 若I KL1-KL2b I〈Θ且I KL1-KL2e I〈Θ,则线段可延伸,更新线段信息并保存在细胞数组Line中。Θ是设定的阈值,决定了线段检测的精度。
[0044] (5)根据线段端点坐标计算线段参数信息(线段斜率k和截距b),然后根据准则2判断线段是否能与主方向链码值相同的其他线段合并,若能合并,则合并线段并更新线段参数信息;
[0045] 准则2:设主方向链码值相同的两线段1^丄2的参数信息为[khh,(xbl,ybl),(xel,yel)]和[k2,b2,(xb2,yb2),(xe2,ye2)]。若两线段参数同时满足以下三个条件,则两线段可以合并。
[0046]
Figure CN105203025BD00074
[0047] ② I h_k21 <T2
[0048] ③ I brb21 <Τ3
[0049] T1J2, T3分别为两线段的距离阈值,斜率阈值和截距阈值,决定了线段检测的精 度。
[0050] (6)为避免干扰信号,删除长度小于精度阈值T4的线段,其中精度阈值T4的大小反映检测精度,取值为I _2mm。
[0051] 5)确定同一锯齿上的两条线段
[0052] 根据细胞数组Line中第1条线段和第2条线段交点的纵坐标yc和第1条线段的纵坐标W的大小关系判断第1条线段和第2条线段是否属于同一个锯齿。若yc^yu,第1条线段与第2条线段属于同一个锯齿,交点为理想的刀尖点;若yc;>yel,第1条线段与第2条线段不属于同一个锯齿,则第2条线段与第3条线段同属于一个锯齿。
[0053] yc = ki (b2-bi) / (ki_k2)+bi
[0054] ki和k2为第I条线段和第2条线段的斜率,bi和b2为第I条线段和第2条线段的截距
[0055] 若图像中圆锯片逆时针旋转切削工件,则属于同一锯齿的两条线段中编号小的线段表示后刀刃,编号大的线段表示前刀刃;若图像中圆锯片顺时针旋转切削工件,则判定结果相反。
[0056] 6)求解圆锯片前刀面刃口磨损量和后刀面刃口磨损量;
[0057] (1)前刀面刃口磨损量SF
Figure CN105203025BD00081
[0064] 在上面公式中,(XAl,yAl),(XA2,yA2)…(XAn,yAn)为各锯齿前刀面点A坐标,(XB1,yBl),(XB2,yB2)…(XBn,yBn)为各锯齿后刀面点B的坐标,kli和k2i分别为后刀面前刀面直线解析式的斜率,bu和b2l分别为后刀面前刀面直线解析式的截距,i = 1,2···η。
[0065] 再根据相机标定关系,求出前刀面刃口、后刀面刃口实际磨损量。
[0066] 本发明与现有技术相比具有以下优点和有益效果:
[0067] 1、相对于目前常用的圆锯片磨损量测量方法,不能在线测量或者只能定性在线评估圆锯片的磨损状况的缺陷,本发明利用计算机视觉,实现了圆锯片磨损量的在线测量。
[0068] 2、本发明的圆锯片磨损量测量方法,通过线段检测确定锯齿的前刀面和后刀面,避免了大量偏角的计算,大大缩短了检测时间。
附图说明
[0069] 图1为圆锯片的几何参数示意图,其中图(a)为圆锯片磨损前的几何参数示意图,图(b)为圆锯片磨损后的几何参数示意图,
[0070] 图2为本发明的测量装置构成示意框图,
[0071] 图3为本发明工业相机安装示意图,
[0072] 图4为本发明的实现流程图,
[0073] 图5为圆锯片磨损后的原始图像,
[0074] 图6为圆锯片磨损后的二值化图像,
[0075] 图7为利用本发明提取的圆锯片磨损后的边界图像,
[0076] 图8为利用本发明提取的圆锯片磨损后的前刀面的最前点和后刀面与工件接触 点。
具体实施方式
[0077] 切削时,圆锯片与工件相对运动,在切削力的作用下,产生磨损,刀具刃口形状发生变化(如图1所示KA为前刀面的最前点,即刀刃的切入点;B为后刀面与工件的接触点,C为理想的刀尖点,本发明引入前刀面刃口磨损量SF、后刀面刃口磨损量SB和负间隙量H这3个参数来度量圆锯片的磨损大小,其中SF反映刀具前刀面刃口的磨损大小,SB反映刀具后刀面刃口的磨损大小,H反映切削时刃口对工件的挤压作用所造成的工件变形大小。
[0078] 在线测量圆锯片磨损量前,对工业相机进行标定,其方法为,在安装圆锯片的位置,安装尺寸已知的标定物,工控机触发图像采集卡获取标定物的图像,根据获取的图像,计算已知尺寸的像素值,已知尺寸除以像素值得到每个像素代表的实际尺寸值。
[0079] 参照图4,本发明的具体实施步骤如下:
[0080] 步骤1、将工业相机安装在支架上,通过人工调节,使工业相机正对着被测圆锯片;
[0081] 如图2所示,整个测量装置包括工业相机,图像采集卡、工控机和测量软件。如图3所示,在测量圆锯片磨损量前,将工业相机3安装支架4上,通过人工调节使工业相机3正对着机床1上的圆锯片2,将工业相机用网线5与工控机6中的图像采集卡(图中未画出)连接。
[0082] 步骤2、工控机触发图像采集卡,通过工业相机获取圆锯片图像;
[0083] 工控机作为主控制器,图像采集卡通过PCI总线与工控机通信,工业相机正对着被测圆锯片,被测圆锯片经透射光源照射后成像于工业相机上,图像采集卡将采集到的数字图像传送到工控机,从而获取圆锯片的图像。
[0084] 步骤3、对图像进行预处理;
[0085] 为抑制噪声影响,将工业相机采集到原始图像进行降噪处理。采用中值滤波进行降噪处理,采用阈值分割方法二值化处理图像,使物体和背景各自均匀单一,对比度大,无其他线条及难以区分的细节。
[0086] 步骤4、提取圆锯片图像中的单像素边缘;
[0087] (1)确定跟踪起始点
[0088] 从图像的左上角开始,按从上至下,从左到右的顺序扫描圆锯片的二值图像,将第一个灰度值为1的像素点设为边界跟踪的起始点Po。
[0089] (2)确定搜索下一个边界点的初始方向
[0090] 按下面公式确定搜索下一个边界点的初始方向
[0091]
Figure CN105203025BD00101
[0092] 公式中尽^来表示从参考点Pi出发搜索下一个边界点的初始方向,表示下一边界点相对参考点Pi-i的真实方向。Db和De都是采用Freeman的8邻域链码编码方式进行编码的,位于参考点正右方的像素点相对于参考点的位置为0,按逆时针方向用0〜7来表示参考点8邻域的像素点相对参考点的位置。
[0093] (3)搜索下一个边界点
[0094] 从下一个边界点的初始方向出发,按从上至下、从左到右的顺序搜索下一个边界点,搜索到的第一个灰度值为〇的点就是下一个边界点。
[0095] ⑷结束搜索
[0096] 判断当前边界点的像素坐标,若边界点的纵坐标X等于图像的列数M,说明搜索到达图像的边框,结束搜索。
[0097] 步骤5、提取圆锯片边缘的直线线段
[0098] (1)使用Freeman的8邻域链码对图像边界进行编码。
[0099] (2)搜索图像边界中的线段元,并将线段元以起点坐标、主方向链码值、副方向链码值和长度的形式保存在细胞数组Line-Cell中。
[0100] (3)将细胞数组Line-Cell中连续且主方向、副方向链码值相同,长度之差小于2的线段元合并为线段,并保存在细胞数组Line中。细胞数组Line中的元素包含:起始线段元索引号、终止线段元索引号、主方向链码值和副方向链码值。
[0101] (4)判断细胞数组Line中的线段是否能向两端延伸。扫描与线段端点相连的线段元,若线段元与线段的主方向链码值相同,则根据下面的准则1继续判断是否能延伸;若线段元与线段的主方向链码值不同,则线段不能延伸。
[0102] 准则1:设细胞数组Line中的线段Li的起点坐标为(xib,yib),终点坐标为(xie,yie),与线段Li端点相连的线段元的起点坐标为(X2b,y2b),终点坐标为。原线段斜率为:
[0103]
Figure CN105203025BD00102
[0104] 新线段斜率:
[0Ί05]①线段元与线段起点相连
[0106]
Figure CN105203025BD00103
[0107] ②线段元与线段终点相连
[0108]
Figure CN105203025BD00104
[0109] 若I KL1-KL2b I〈Θ且I KL1-KL2e I〈Θ,则线段可延伸,更新线段信息并保存在细胞数组Line中。Θ是设定的阈值,决定了线段检测的精度。
[0110] (5)根据线段端点坐标计算线段参数信息(线段斜率k和截距b),然后根据准则2判 断线段是否能与主方向链码值相同的其他线段合并,若能合并,则合并线段并更新线段参数信息;准则2:设主方向链码值相同的两线段1^丄2的参数信息为[k^bi,(Xbl,ybl),(Xel,yel)]和[k2,b2,(xb2,yb2),(Xf^ye2)]。若两线段参数同时满足以下三个条件,则判定两线段可以合并。
Figure CN105203025BD00111
[0114] 其中T1J2, T3分别为两线段的距离阈值,斜率阈值和截距阈值,决定了线段检测的 精度。
[0115] (6)为避免干扰信号,删除长度小于精度阈值T4的线段,T4的大小反映检测精度,取值范围为Hmm。
[0116] 步骤6、确定同一锯齿上的两条线段
[0117] 根据细胞数组Line中第1条线段和第2条线段交点的纵坐标y。和第1条线段的纵坐标W的大小关系判断第1条线段和第2条线段是否属于同一个锯齿。若yc^yu,第1条线段与第2条线段属于同一个锯齿,交点为理想的刀尖点;若yc;>yel,第1条线段与第2条线段不属于同一个锯齿,则第2条线段与第3条线段同属于一个锯齿
[0118] yc = ki (b2-bi) / (ki_k2) +bi
[0119] k#Pk2为第I条线段和第2条线段的斜率,b#Pb2为第I条线段和第2条线段的截距。
[0120] 若图像中圆锯片逆时针旋转切削工件,则属于同一锯齿的两条线段中编号小的线段表示后刀刃,编号大的线段表示前刀刃;若图像中圆锯片顺时针旋转切削工件,则判定结果相反。步骤7、求解圆锯片前刀面刃口磨损量和后刀面刃口磨损量;
[0121] (1)前刀面刃口磨损量SF
Figure CN105203025BD00112
[0128] 在上面公式中,(XAl,yAl),(XA2,yA2)…(XAn,yAn)为各锯齿前刀面点A坐标,(XB1,yBl),(XB2,yB2)…(XBn,yBn)为各锯齿后刀面点B的坐标,kli和k2i分别为后刀面前刀面直线解析式的斜率,bu和b2l分别为后刀面前刀面直线解析式的截距,i = 1,2···η。
[0129] 再根据相机标定关系,求出前刀面刃口、后刀面刃口实际磨损量。
[0130] 本发明的效果可以通过以下实验进一步说明
[0131] 1、实验内容
[0132] 以外径为200mm,厚度为1.4mm,齿数为40的普通钨钢圆锯片为研究对象,被切割工件选用玻镁板材。
[0133] 2、实验装置
[0134] 研华的 PCA-6010VG 工控机,NI 的 PCI-1426 图像采集卡,Teledyne DALSA 的PanteralM30黑白相机(分辨率1024 X 768),深圳华信的mml4-195d工业显微镜头(放大倍数为4)和LED灯等。
[0135] 3、实验结果
[0136] (1)实验采用漫反射背光照明方式,将光源和照相机安装在装有圆锯片电锯的两侦I且均与圆锯片垂直。设备安装完成后,对摄像机进行尺寸标定,标定结果为35.7μπι/pixel〇
[0137] ⑵圆锯片磨损前采集的图像如图5所示。
[0138] (3)对圆锯片磨损后的图像分别进行中值滤波和二值化处理,其图像如图6所示。
[0139] ⑷提取的圆锯片磨损后的图像的边缘图像如图7所示。
[0140] (5)利用本发明提取的圆锯片磨损后的前刀面的最前点和后刀面与工件接触点如图8所示。
[0M1] ⑶圆锯片磨损量的计算结果如表1所示。
[0142] 表1圆锯片磨损量计算结果
[0143]
Figure CN105203025BD00121

Claims (1)

1. 一种基于机器视觉的圆锯片磨损量在线测量方法,包括以下步骤: 1) 获取圆锯片图像; 2) 对获取的图像进行降噪预处理和二值化处理; 3) 提取圆锯片图像中的单像素边缘; 4) 提取圆锯片边缘的直线线段; 5) 确定同一锯齿上的两条线段; 6) 求解圆锯片前刀面刃口磨损量和后刀面刃口磨损量; 其特征在于: 步骤1所述获取圆锯片图像的方法是,将安装在支架上的工业相机,通过人工调节,使 工业相机正对着被测圆锯片,采用工控机触发图像采集卡,获取圆锯片图像; 步骤2所述对获取的图像进行降噪预处理的方法是,采用均值滤波,中值滤波或小波去 噪;所述对获取的图像进行二值化处理的方法是,采用阈值分割方法; 步骤3所述提取圆锯片图像中的单像素边缘的方法,具体步骤如下: 1) 确定跟踪起始点 从获取圆锯片图像的左上角开始,按从上至下,从左到右的顺序扫描圆锯片的二值图 像,将第一个灰度值为1的像素点设为边界跟踪的起始点Po; 2) 确定搜索下一个边界点的初始方向 根据下面公式确定搜索下一个边界点的初始方向
Figure CN105203025BC00021
公式中,贫;.表示从参考点Pi出发搜索下一个边界点的初始方向,,表示下一边界点相 对参考点Ph的真实方向;Db和De都采用Freeman的8邻域链码编码进行编码的,位于参考点 正右方的像素点相对于参考点的位置为〇,按逆时针方向用〇〜7表示参考点8邻域的像素点 相对参考点的位置; 3) 搜索下一个边界点 从下一个边界点的初始方向出发,按从上至下、从左到右的顺序搜索下一个边界点,搜 索到的第一个灰度值为0的点即为下一个边界点; 4) 结束搜索 判断当前边界点的像素坐标,当边界点的纵坐标X等于图像的列数M,则搜索到达图像 的边框,结束搜索; 步骤4所述提取圆锯片边缘的直线线段的方法,具体步骤如下: 1) 使用Freeman的8邻域链码对图像边界进行编码; 2) 搜索图像边界中的线段元,并将线段元以起点坐标、主方向链码值、副方向链码值和 长度的形式保存在细胞数组Line-Cell中; 3) 将细胞数组Line-Cell中连续,且主方向、副方向链码值相同,长度之差小于2的线段 元合并为线段,并保存在细胞数组Line中;细胞数组Line中的元素包含起始线段元索引号、 终止线段元索引号、主方向链码值和副方向链码值; 4) 判断细胞数组Line中的线段是否能向两端延伸;扫描与线段端点相连的线段元,若 线段元与线段的主方向链码值相同,则根据准则1继续判断是否能延伸;若线段元与线段的 主方向链码值不同,则线段不能延伸; 其中所述准则1:设细胞数组Line中的线段Li的起点坐标为(xib,yib),终点坐标为(xie, yie),与线段Li端点相连的线段元的起点坐标为(X2b,y2b),终点坐标为;原线段斜率 为:
Figure CN105203025BC00031
Figure CN105203025BC00032
,则线段可延伸,更新线段信息并保存在细胞数组Line中; Θ是设定的阈值,决定了线段检测的精度; 5) 根据线段端点坐标计算线段参数信息,即线段斜率k和截距b,然后根据准则2判断线 段是否能与主方向链码值相同的其他线段合并,若能合并,则合并线段并更新线段参数信 息;其中所述准则2:设主方向链码值相同的两线段1^丄2的参数信息为[k^bi,(Xbl,ybl), 0^1,^1)]和[1«,132,〇^,%2),〇^,%2)];若两线段参数同时满足以下三个条件,则两线段 可以合并;
Figure CN105203025BC00033
T1J2, T3分别为两线段的距离阈值,斜率阈值和截距阈值,决定了线段检测的精度; 6) 为避免干扰信号,删除长度小于精度阈值T4的线段,其中精度阈值T4的大小反映检测 精度,取值为I-2mm; 步骤5所述确定同一锯齿上的两条线段的方法,具体步骤如下: 根据细胞数组Line中第1条线段和第2条线段交点的纵坐标y。和第1条线段的纵坐标yu 的大小关系判断第1条线段和第2条线段是否属于同一个锯齿,若yc;〈ye3l,第1条线段与第2 条线段属于同一个锯齿,交点为理想的刀尖点;若yc>yel,第1条线段与第2条线段不属于同 一个锯齿,则第2条线段与第3条线段同属于一个锯齿;
Figure CN105203025BC00034
ki,k2为第1条线段和第2条线段的斜率,bi和b2为第1条线段和第2条线段的截距; 若图像中圆锯片逆时针旋转切削工件,则属于同一锯齿的两条线段中编号小的线段表 示后刀刃,编号大的线段表示前刀刃;若图像中圆锯片顺时针旋转切削工件,则判定结果相 反; 步骤6所述求解圆锯片前刀面刃口磨损量和后刀面刃口磨损量的计算方法,具体步骤 如下: 1)前刀面刃口磨损量SF
Figure CN105203025BC00041
公式中,(XAl,yAl),(XA2,yA2)…(XAn,yAn)为各锯齿前刀面点A坐标,(XBl,yBl),(XB2,yB2)… (XBn,yBn)为各锯齿后刀面点B的坐标,kli,k2i分另Ij为后刀面前刀面直线角军析式的斜率,bli, b2l分别为后刀面前刀面直线解析式的截距,i = 1,2···η。
CN201510568100.9A 2015-09-09 2015-09-09 基于机器视觉的圆锯片磨损量在线测量方法 Active CN105203025B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510568100.9A CN105203025B (zh) 2015-09-09 2015-09-09 基于机器视觉的圆锯片磨损量在线测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510568100.9A CN105203025B (zh) 2015-09-09 2015-09-09 基于机器视觉的圆锯片磨损量在线测量方法

Publications (2)

Publication Number Publication Date
CN105203025A CN105203025A (zh) 2015-12-30
CN105203025B true CN105203025B (zh) 2017-10-31

Family

ID=54950836

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510568100.9A Active CN105203025B (zh) 2015-09-09 2015-09-09 基于机器视觉的圆锯片磨损量在线测量方法

Country Status (1)

Country Link
CN (1) CN105203025B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109269425B (zh) * 2018-12-18 2019-04-09 湖南泰嘉新材料科技股份有限公司 用于带锯条锯齿磨损量检测的系统及方法
CN109894922B (zh) * 2019-03-07 2020-12-18 中南大学 一种准确获得拉削中切屑内不同相的厚度的方法
CN110285764A (zh) * 2019-06-14 2019-09-27 南京中电熊猫平板显示科技有限公司 一种显示面板切割精度的测量方法及显示面板
CN110389087B (zh) * 2019-08-02 2021-03-09 中国科学院遥感与数字地球研究所 一种污染天气下的pm2.5浓度卫星遥感估算方法
CN111230593A (zh) * 2020-03-02 2020-06-05 西南交通大学 一种基于动态图像序列的铣刀磨损量视觉测量方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0252201A1 (de) * 1986-06-05 1988-01-13 GFM Gesellschaft für Fertigungstechnik und Maschinenbau Gesellschaft m.b.H. Verfahren und Vorrichtung zum Erkennen von Schneiden- und Messerplättchenschäden an Fräsern
CN102699763A (zh) * 2012-06-13 2012-10-03 哈尔滨理工大学 刀具磨损智能测量仪及测量方法
CN202607422U (zh) * 2012-05-30 2012-12-19 襄樊学院 采用dlp的铣刀磨损在机三维测量装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08257876A (ja) * 1995-03-24 1996-10-08 Toshiba Mach Co Ltd 工具摩耗量自動計測方法および工作機械における工具摩耗量自動計測装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0252201A1 (de) * 1986-06-05 1988-01-13 GFM Gesellschaft für Fertigungstechnik und Maschinenbau Gesellschaft m.b.H. Verfahren und Vorrichtung zum Erkennen von Schneiden- und Messerplättchenschäden an Fräsern
CN202607422U (zh) * 2012-05-30 2012-12-19 襄樊学院 采用dlp的铣刀磨损在机三维测量装置
CN102699763A (zh) * 2012-06-13 2012-10-03 哈尔滨理工大学 刀具磨损智能测量仪及测量方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于计算机视觉的圆锯片精密集成测量;刘庆民等;《机电工程》;20091031;第26卷(第10期);正文第1-5节、第6.1节 *

Also Published As

Publication number Publication date
CN105203025A (zh) 2015-12-30

Similar Documents

Publication Publication Date Title
CN106290388B (zh) 一种绝缘子故障自动检测方法
CN102636490B (zh) 基于机器视觉的轴承防尘盖表面缺陷检测方法
CN104985289B (zh) 基于激光传感器的焊缝自动跟踪测试装置及其测试方法
CN102699763B (zh) 利用刀具磨损智能测量仪进行测量的方法
CN102699534B (zh) 基于扫描式激光视觉传感的厚板窄间隙深坡口激光自动化多层焊焊接方法
CN102799867B (zh) 基于图像处理的仪表指针转角识别方法
US7495758B2 (en) Apparatus and methods for two-dimensional and three-dimensional inspection of a workpiece
CN107064170B (zh) 一种检测手机外壳轮廓度缺陷方法
CN104749187A (zh) 基于红外温度场和灰度图像的隧道衬砌病害检测装置
CN104535356B (zh) 一种基于机器视觉的卷筒钢丝绳排绳故障监测方法及系统
CN105784716B (zh) 摩擦片质量检验系统
CN103512494B (zh) 一种植物果实微尺寸变化视觉检测系统及方法
CN106767524A (zh) 一种水力机械叶片曲面检测方法和装置
CN106771856B (zh) 基于无人机技术的电力输电线路雷击点确定方法
CN104574389A (zh) 基于彩色机器视觉的电池片色差分选控制方法
CN105678768B (zh) 一种基于机器视觉的胎面检测方法
CN204479490U (zh) 一种激光打标产品在线检测分析系统
CN104089697A (zh) 一种基于线程池并发技术的实时在线的视觉振动测量方法
CN102735695B (zh) 一种镜片瑕疵快速检测方法及装置
CN105627939B (zh) 一种基于工业设备的微小间隙检测装置、方法及系统
CN106556611A (zh) 基于机器视觉的彩色印刷品缺陷自动检测系统及检测方法
CN108332689A (zh) 一种检测表面粗糙度和表面损伤的光学测量系统及方法
CN103438824B (zh) 一种大型壁板类零件数字化质量检测方法
CN105160654A (zh) 基于特征点提取的毛巾标签缺陷检测方法
CN102519400B (zh) 基于机器视觉的大长径比轴类零件直线度误差检测方法

Legal Events

Date Code Title Description
PB01 Publication
C06 Publication
SE01 Entry into force of request for substantive examination
C10 Entry into substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20191128

Address after: 315040 Zhejiang city of Ningbo province high tech Zone Juxian 587 Lane Road No. 15 Building 2 building 033 17-1

Patentee after: CETC (NINGBO) MARINE ELECTRONICS RESEARCH INSTITUTE CO., LTD.

Address before: Meng Xi Road 212003 Zhenjiang city of Jiangsu province Jingkou District No. 2

Patentee before: Jiangsu University of Science and Technology

TR01 Transfer of patent right