CN106312692A - 基于最小外接矩形的刀具磨损检测方法 - Google Patents

Abstract

基于最小外接矩形的刀具磨损检测方法，它涉及一种刀具磨损检测方法，以解决现有方法实现刀具破损检测，受环境影响较大，采集的图像模糊无法识别，无法准确的得到刀具的磨损量，无法实现评价刀具寿命使用最大化的问题，检测方法的步骤主要有：步骤一、利用图像采集系统采集刀具磨损图像并传输到计算机；步骤二、将采集的磨损图像进行图像预处理；步骤三、将预处理的图像利用最小外接矩形算法求出刀具磨损区域的最小外接矩形，并求出最小外接矩形的宽度；步骤四、将所求得刀具磨损区域的最小外接矩形的宽度与刀片的最小外接矩形的宽度相比，得到比值，通过比值的大小来判断刀具磨损量的大小，判断刀具磨损程度。本发明用于刀具磨损检测。

Description

基于最小外接矩形的刀具磨损检测方法

技术领域

本发明涉及一种刀具磨损检测方法，具体涉及一种基于最小外接矩形的刀具磨损检测方法，属于机器视觉的刀具磨损检测领域。

背景技术

BTA深孔钻钻孔加工时，刀具磨损在机械加工中是一种必定存在的现象，刀具的磨损直接会影响到加工质量、效率以及经济效益，研究刀具磨损使刀具寿命利用最大化对机械加工以及降低加工成本具有十分重要的意义。随着人们对机器视觉的研究越来越深入，基于机器视觉的刀具磨损检测在刀具磨损监测领域应用越来越多。机器视觉观察刀具磨损更加直观，比传统的工人根据观察工件表面、振动以及噪声等方法来判断刀具磨损的传统方法来考虑是否换刀更加精确。对现有技术专利检索发现，申请号为200910035356.8，发明名称为：基于工件加工表面图像分析的刀具磨损状态评价方法的中国发明专利申请。该发明是提供一种基于图像识别以及根据多特征融合分类方法来实现刀具破损、破损状态的定时定量检测；但是这种方法受到机床振动的影响比较大，采集的图像容易失真，采集图像时CCD摄像机受光照的影响的比较大，容易出现模糊图像。采集的图像的没有经过图像处理直接识别容易出现差错，无法准确的得到刀具的磨损量。无法为以后加工的刀具使用寿命提供理论依据，使刀具寿命使用最大化。

发明内容

本发明提出一种基于最小外接矩形的刀具磨损检测方法，以解决现有方法实现刀具破损检测，受环境影响较大，采集的图像模糊无法识别，无法准确的得到刀具的磨损量，无法实现评价刀具寿命使用最大化的问题。

本发明为解决上述问题采取的技术方案是：基于最小外接矩形的刀具磨损检测方法包括以下步骤：

步骤一、利用图像采集系统采集刀具磨损图像，并将采集的图像传输到计算机；

步骤二、将步骤一采集的磨损图像进行图像预处理，包括图像灰度化、中值滤波降噪处理、图像平滑处理、图像迭代法阈值分割；

步骤三、将步骤二预处理的图像利用最小外接矩形算法求出刀具磨损区域的最小外接矩形，并求出最小外接矩形的宽度；

步骤四、将步骤三所求得刀具磨损区域的最小外接矩形的宽度与刀片的最小外接矩形的宽度相比，得到比值，通过比值的大小来判断刀具磨损量的大小，判断刀具磨损程度。

进一步地，步骤一中所述的图像采集系统包括CCD工业摄像机、扩倍镜、远心镜头、环形光源、数据采集线和翻拍台；翻转台的上方由下至上布置有同轴设置的环形光源、远心镜头、扩倍镜和CCD工业摄像机；CCD工业摄像机和远心镜头之间布置有与二者连接的扩倍镜；CCD工业摄像机通过数据采集线与计算机通讯连接。

进一步地，步骤二的图像灰度化是利用g(x，y)＝T[f(x，y)]公式将图像转化为灰度图像。

进一步地，步骤二的中值滤波降噪处理采用的是一种统计排序滤波器，对于原图像中某点(i，j)，中值滤波以该点为中心的邻域内的所有像素的统计排序中值作为(i，j)点的响应。

进一步地，步骤二的图像平滑处理是基于二维高斯函数。

进一步地，步骤二的图像迭代法阈值分割是指开始选择一个阈值作为初始估计值，然后按照求均值的规则不断的更新这一估计值，知道满足给定的条件为止，其具体步骤为：

(1)选择一个阀值T的初始估计值；

(2)利用阈值T把图像分为两个区域R₁和R₂；

(3)对区域R₁和R₂中的所有像素计算平均灰度值μ₁和μ₂；

(4)计算新的阈值：

$T=\frac{1}{2}({\mathrm{\μ}}_1+{\mathrm{\μ}}_2)$

(5)重复步骤(2)—(4)，直到逐步迭代所得的T值小于事先定义参数。

进一步地，步骤三中的最小外接矩形算法得到磨损区域的最小外接矩形是这样实现的：首先提取步骤二预处理的图像的磨损区域的凸包，利用凸包来确定磨损区域的最小外接矩形，其步骤为：

(1)磨损区域主切削刃作为构造矩形的起始边，分别定位A和B为切削刃的左右端点，

预处理的图像的磨损区域建立二维坐标系，定义A的坐标为(x₁，y₁)，B的坐标为(x₂，y₂)，以左端点为中心旋转角度，使该边平行于坐标横轴；

(2)磨损区域的凸包上的所有点都绕着A点旋转θ角度；

(3)以磨损区域主切削刃为一个上边界，找到坐标纵轴上的y值最小的点，经过该点做一条平行于坐标横轴的直线，这样可以确定对应的下边界，然后，找到坐标横轴上的x值的最小和最大的点，经过这两个点分别做垂直于坐标横轴的两条直线，就确定了对应的左边界和右边界，得到一个外接矩形；

(4)顺序选着下一条磨损区域的边，经过1)到3)的顺序得到另一个外接矩形；

(5)计算这些外接矩形的面积，比较所有外接矩形的面积，找出其中面积最小的外接矩形。

进一步地，步骤四中所求的刀具磨损区域最小外接矩形与刀片最小外接矩形的宽度比值，通过比值的大小来判断刀具磨损量的大小是指：根据像素与实际尺寸转换方式得到刀片的像素尺寸的宽度，将刀具磨损区域的最小外接矩形宽度与刀片像素尺寸的宽度相比，得到比值判断刀具的磨损量，进而判断刀具的磨损程度。

本发明的有益效果是：本发明采用CCD工业摄像机、二倍扩倍镜、100倍远心镜头、环形光源、数据采集线组成图像采集系统来采集图像，室内采集受光照的影响小，且因环境影响而产生的噪声影响小；利用图像采集系统采集刀具磨损图像并且传输到计算机内；对采集好的图像进行图像预处理，包括图像灰度化、中值滤波降噪处理、图像平滑处理、图像迭代法阈值分割；对处理好的图像利用最小外接矩形求出刀具磨损区域的最小外接矩形的宽度，采用最小外接矩形采集刀具磨损区域最小外接矩形精度高，受主观影响小，能够准确的得到刀具的磨损量，为以后加工的刀具使用寿命提供理论依据，使刀具寿命使用最大化，本发明适用于BTA深孔钻磨损检测。

附图说明

图1为磨损检测整体流程图；

图2为图像采集系统；

图3为图像预处理流程图；

图4为刀具磨损区域主切削刃作为构造起始边的结构示意图；

图5为以磨损区域主切削刃为一个上边界得到外接矩形的作法示意图；

图6为BTA深孔钻周边刀片后刀面磨损区域最小外接矩形示意图；

图7为BTA深孔钻周边刀片最小外接矩形图；

图8为采集的BTA深孔钻的结构示意图；

图9为加工后的BTA深孔钻。

具体实施方式

下面结合附图举例对本发明的技术做进一步的详细说明。

如图1-图9说明，基于最小外接矩形的刀具磨损检测方法包括以下步骤：

步骤一、利用图像采集系统采集刀具磨损图像，并将采集的图像传输到计算机；

步骤二、将步骤一采集的磨损图像进行图像预处理，包括图像灰度化、中值滤波降噪处理、图像平滑处理、图像迭代法阈值分割；

步骤三、将步骤二预处理的图像利用最小外接矩形算法求出刀具磨损区域的最小外接矩形，并求出最小外接矩形的宽度；

步骤四、将步骤三所求得刀具磨损区域的最小外接矩形的宽度与刀片的最小外接矩形的宽度相比，得到比值，通过比值的大小来判断刀具磨损量的大小，判断刀具磨损程度。

如图1所示，本发明所检测的刀具用于深孔加工的BTA深孔钻，试验所用的是直径为16mm的焊接式BTA深孔钻，图1中所示的为加工合格所退下来的刀具。

如图2所示，BTA深孔钻切削部分是由三个硬质合金刀片交错地焊接在刀体上，分别为周边刀片9、中心刀片10以及中间刀片11，还设置有排屑槽12，全部切削刃在切削时可布满整个孔径，并起分屑作用；两个支撑块13可增大切削过程的稳定性。在深孔钻削的实际加工中，BTA深孔钻的各个刀齿前刀面、后刀面、主切削刃、副切削刃和钻尖都会发生磨损，由于错齿钻头每个刀齿之间有一定的覆盖量，在实际加工中的每个齿的磨损情况是不同的，由于外齿的转矩和切削速度最大，所以周边刀片磨损最严重，其次是中间齿，中心齿的磨损程度相对较好。因此，本发明的磨损检测主要是利用周边刀片1的磨损图像。首先，利用光学图像采集系统采集BTA深孔钻周边刀片的后刀面磨损图像，并且传输的计算机内；然后对采集的图像进行预处理，其中包括括图像灰度化、中值滤波降噪处理、图像平滑处理、图像迭代法阈值分割；利用最小外接矩形求出BTA深孔钻周边刀片后刀面磨损区域最小外接矩形的宽度，利用像素与实际尺寸转换公式得到周边刀片的宽度，将磨损区域最小外接矩形宽度与刀片宽度相比得到比值，通过比值判断刀片的磨损程度。

如图4所示，所述的图像采集系统包括CCD工业摄像机1、扩倍镜2、远心镜头3、环形光源4、数据采集线7和翻拍台5；翻转台5的上方由下至上布置有同轴设置的环形光源4、远心镜头3、扩倍镜2和CCD工业摄像机1；CCD工业摄像机1和远心镜头3之间布置有与二者连接的扩倍镜2；CCD工业摄像机1通过数据采集线7与计算机8通讯连接。

使用时，BTA深孔钻6放置在翻转台5上，翻转台5具有翻转调角度功能，以便调整BTA深孔钻6的切削部分对准环形光源4和远心镜头3，远心镜头3采集BTA深孔钻6的切削部分的图像，扩倍镜2提高图像的分辨率和清晰度，扩倍镜2采用2.0X扩倍镜；环形光源4提供远心镜头3采集图像的亮度，CCD工业摄像机将采集的图像信息、转换并经数据采集线7传输至计算机8进行预处理。硬件的参数如下表所示。

BTA深孔钻磨损图像采集系统配置表

如图5所示，图像预处理中的图像灰度化是利用g(x，y)＝T[f(x，y)]公式将图像转化为灰度图像。

图像预处理中的中值滤波降噪处理采用的是一种统计排序滤波器，对于原图像中某点(i，j)，中值滤波以该点为中心的邻域内的所有像素的统计排序中值作为(i，j)点的响应。x和y为随机变量。

图像预处理中图像平滑处理是基于二维高斯函数，高斯平滑原理是对于邻域内的像素一视同仁，为了减少平滑处理中的模糊，得到更自然的平滑效果，很自然地想到适当加大模板中心点的权重，随着远离中心点，权重迅速减小，从而可以确保中心点看起来更接近于与它距离更近的点，其方式为：

高斯平滑主要是基于二维高斯函数，均值为0，方差为σ²的二维高斯函数公式如下：

其中，为二维高斯函数，σ为常数，x和y为随机变量。

高斯平滑是将连续的二维高斯函数的离散化表示，因此任意大小的高斯平滑模板都可以通过建立一个(2k+1)×(2k+1)的矩阵M得到，其(i，j)位置的元素值可以用下式来确定。其中k为正整数。二维高斯函数可转化为下式，其中M(i，j)为离散化二维高斯函数。

$M(i,j)=\frac{1}{2{\mathrm{\π\σ}}^2}{e}^{(-\frac{({\left(i-k-1\right)}^2+{(j-k-1)}^2)}{2{\mathrm{\σ}}^2})}$

常用的高斯平滑的模板为(3×3)的高斯模板如下所示，通常对(3×3)的高斯模板

取σ为0.8左右。

$uy=1/16\×\left[\begin{array}{ccc}1& 2& 1\\ 2& 4& 1\\ 1& 2& 1\end{array}\right]$

其中，w为高斯模板。

图像预处理中的图像迭代法阈值分割是指开始选择一个阈值作为初始估计值，然后按照求均值的规则不断的更新这一估计值，知道满足给定的条件为止，其具体步骤为：

(1)选择一个阀值T的初始估计值；

(2)利用阈值T把图像分为两个区域R₁和R₂；

(3)对区域R₁和R₂中的所有像素计算平均灰度值μ₁和μ₂；

(4)计算新的阈值：

$T=\frac{1}{2}({\mathrm{\μ}}_1+{\mathrm{\μ}}_2)$

(5)重复步骤(2)—(4)，直到逐步迭代所得的T值小于事先定义参数。

如图6和图7所示，图8和图9分别为BTA深孔钻周边刀片后刀面磨损区域最小外接矩形与周边刀片最小外接矩形图。由于外齿的转矩和切削速度最大，所以周边刀片磨损最严重，因此本发明的磨损检测主要是利用周边刀片后刀面的磨损图像。

步骤三中的最小外接矩形算法得到磨损区域的最小外接矩形是这样实现的：首先提取步骤二预处理的图像的磨损区域的凸包，利用凸包来确定磨损区域的最小外接矩形，其步骤为：

(1)磨损区域主切削刃作为构造矩形的起始边，分别定位A和B为切削刃的左右端点，

预处理的图像的磨损区域建立二维坐标系，定义A的坐标为(x₁，y₁)，B的坐标为(x₂，y₂)，以左端点为中心旋转度，使该边平行于坐标横轴；

(2)磨损区域的凸包上的所有点都绕着A点旋转θ角度；

(3)以磨损区域主切削刃为一个上边界，找到坐标纵轴上的y值最小的点，经过该点做一条平行于坐标横轴的直线，这样可以确定对应的下边界，然后，找到坐标横轴上的x值的最小和最大的点，经过这两个点分别做垂直于坐标横轴的两条直线，就确定了对应的左边界和右边界，得到一个外接矩形；

(4)顺序选着下一条磨损区域的边，经过1)到3)的顺序得到另一个外接矩形；

(5)计算这些外接矩形的面积，比较所有外接矩形的面积，找出其中面积最小的外接矩形。

步骤四中所求得刀具磨损区域最小外接矩形与刀片最小外接矩形的宽度比值，通过比值的大小来判断刀具磨损量的大小是指：根据像素与实际尺寸转换方式得到刀片的像素尺寸的宽度，将刀具磨损区域的最小外接矩形宽度与刀片像素尺寸的宽度相比，得到比值判断刀具的磨损量，进而判断刀具的磨损程度。

Claims (8)

1.一种基于最小外接矩形的刀具磨损检测方法，其特征在于：该方法包括以下步骤：

步骤一、利用图像采集系统采集刀具磨损图像，并将采集的图像传输到计算机；

步骤二、将步骤一采集的磨损图像进行图像预处理，包括图像灰度化、中值滤波降噪处理、图像平滑处理、图像迭代法阈值分割；

步骤三、将步骤二预处理的图像利用最小外接矩形算法求出刀具磨损区域的最小外接矩形，并求出最小外接矩形的宽度；

步骤四、将步骤三所求得刀具磨损区域的最小外接矩形的宽度与刀片的最小外接矩形的宽度相比，得到比值，通过比值的大小来判断刀具磨损量的大小，判断刀具磨损程度。

2.根据权利要求1所述的基于最小外接矩形的刀具磨损检测方法，其特征在于：步骤一中所述的图像采集系统包括CCD工业摄像机(1)、扩倍镜(2)、远心镜头(3)、环形光源(4)、数据采集线(7)、翻拍台(5)和计算机(8)；

翻转台(5)的上方由下至上布置有同轴设置的环形光源(4)、远心镜头(3)、扩倍镜(2)和CCD工业摄像机(1)；CCD工业摄像机(1)和远心镜头(3)之间布置有与二者连接的扩倍镜(2)；CCD工业摄像机(1)通过数据采集线(7)与计算机(8)通讯连接。

3.根据权利要求1或2所述的基于最小外接矩形的刀具磨损检测方法，其特征在于：步骤二的图像灰度化是利用g(x，y)＝T[f(x，y)]公式将图像转化为灰度图像。

4.根据权利要求3所述的基于最小外接矩形的刀具磨损检测方法，其特征在于：

步骤二的中值滤波降噪处理采用的是一种统计排序滤波器，对于原图像中某点(i，j)，中值滤波以该点为中心的邻域内的所有像素的统计排序中值作为(i，j)点的响应。

5.根据权利要求4所述的基于最小外接矩形的刀具磨损检测方法，其特征在于：步骤二的图像平滑处理是基于二维高斯函数。

6.根据权利要求5所述的基于最小外接矩形的刀具磨损检测方法，其特征在于：步骤二的图像迭代法阈值分割是指开始选择一个阈值作为初始估计值，然后按照求均值的规则不断的更新这一估计值，知道满足给定的条件为止，其具体步骤为：

(1)选择一个阀值T的初始估计值；

(2)利用阈值T把图像分为两个区域R₁和R₂；

(3)对区域R₁和R₂中的所有像素计算平均灰度值μ₁和μ₂；

(4)计算新的阈值：

$T=\frac{1}{2}({\mathrm{\μ}}_1+{\mathrm{\μ}}_2)$

(5)重复步骤(2)—(4)，直到逐步迭代所得的T值小于事先定义参数。

7.根据权利要求1、2、4、5或6所述的一种基于外接矩形的刀具磨损检测方法，其特征在于：步骤三中的最小外接矩形算法得到磨损区域的最小外接矩形是这样实现的：

首先提取步骤二预处理的图像的磨损区域的凸包，利用凸包来确定磨损区域的最小外接矩形，其步骤为：

(1)磨损区域主切削刃作为构造矩形的起始边，分别定位A和B为切削刃的左右端点，预处理的图像的磨损区域建立二维坐标系，定义A的坐标为(x₁，y₁)，B的坐标为(x₂，y₂)，以左端点为中心旋转角度使该边平行于坐标横轴；

(2)磨损区域的凸包上的所有点都绕着A点旋转θ角度；

(3)以磨损区域主切削刃为一个上边界，找到坐标纵轴上的y值最小的点，经过该点做一条平行于坐标横轴的直线，这样可以确定对应的下边界，然后，找到坐标横轴上的x值的最小和最大的点，经过这两个点分别做垂直于坐标横轴的两条直线，就确定了对应的左边界和右边界，得到一个外接矩形；

(4)顺序选着下一条磨损区域的边，经过1)到3)的顺序得到另一个外接矩形；

(5)计算这些外接矩形的面积，比较所有外接矩形的面积，找出其中面积最小的外接矩形。

8.根据权利要求7所述的基于最小外接矩形的刀具磨损检测方法，其特征在于：步骤四中所求得刀具磨损区域最小外接矩形与刀片最小外接矩形的宽度比值，通过比值的大小来判断刀具磨损量的大小是指：根据像素与实际尺寸转换方式得到刀片的像素尺寸的宽度，将刀具磨损区域的最小外接矩形宽度与刀片像素尺寸的宽度相比，得到比值判断刀具的磨损量，进而判断刀具的磨损程度。