CN109500657B - 一种基于视觉的断刀检测方法及系统 - Google Patents
一种基于视觉的断刀检测方法及系统 Download PDFInfo
- Publication number
- CN109500657B CN109500657B CN201811353029.2A CN201811353029A CN109500657B CN 109500657 B CN109500657 B CN 109500657B CN 201811353029 A CN201811353029 A CN 201811353029A CN 109500657 B CN109500657 B CN 109500657B
- Authority
- CN
- China
- Prior art keywords
- cutter
- contour
- vision
- numerical control
- binary image
- 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
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
- B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
- B23Q17/0952—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining
- B23Q17/0957—Detection of tool breakage
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Machine Tool Sensing Apparatuses (AREA)
- Numerical Control (AREA)
Abstract
本发明属于智能数控机床检测相关技术领域,其公开了一种基于视觉的断刀检测方法及系统,该方法包括以下步骤:(1)对刀具的ROI区域进行标定及初始化计数;(2)实时采集刀具及工件的图像,并对所述图像依次进行灰度及二值化处理以得到二值图像;(3)对所述二值图像进行掩膜,且仅保留所述ROI区域对应的二值图像;(4)对二值图像进行形态学处理后,提取所述二值图像的二值轮廓,进而得到参考轮廓;(5)判断所述参考轮廓的面积与标定好的刀具轮廓面积之间的比值是否小于第一预定值,并根据判断结果进行相应动作。本发明可靠性高,速度较快,成本较低,灵活性较好,适用性较强。
Description
技术领域
本发明属于智能数控机床检测相关技术领域,更具体地,涉及一种基于视觉的断刀检测方法及系统。
背景技术
目前,随着工业自动化技术地快速发展,人力成本的增加,面对日益激烈的竞争,企业加工产品向高效率、低成本、一次性加工成型的目标发展成为了必然的趋势,因而对产品的加工周期要求越来越短,并且要求产品的加工成本尽可能降低。生产线的可靠性由各个子模块的可靠性决定,为保证生产线能可靠地运行,各子模块在出现异常情况时,应该及时向监控系统发出异常信号,使得异常情况能得到快速地处理,避免加工出不合格产品造成生产时间、人力资源等浪费,增加生产成本。然而,在实际的数控加工过程中,由于各种各样的原因,不可避免地会出现刀具断裂的情况,这严重影响生产线的正常运行,特别是对于无人工厂。因此,给生产线的数控加工中心配备可靠的断刀检测系统,在数控机床加工过程中出现刀具断裂的情况时,能及时、准确地给数控系统发出异常信号,控制数控机床停止加工,并执行换刀动作,对于提高生产线的加工效率,降低企业生产成本具有十分重要的意义。
其中,断刀检测系统根据检测过程中与刀具接触与否可分为接触式和非接触式,接触式断刀检测系统主要通过探头、探杆摆针等传感器来检测刀具的情况,接触式摆杆探针断刀检测系统通过在数控系统加工的节拍间隙,在某些特定位置通过软件控制摆杆探头转动并与刀具接触,通过将探头参数与预设的参数进行比对得到刀具的状况;这种方法主要用于检测钻头、丝锥等小直径刀具,并且要求支架夹具安装牢靠不晃动,由于检测过程需要刀具在特定位置与探头接触,因此只能在某特定加工节拍进行检测,难以实现在整个加工过程中的实时检测;非接触式断刀检测系统主要包括利用光学、声音、主轴功率、主轴扭矩等进行检测。主轴功率和扭矩检测系统通过提前试加工几个工件来获取用于比对的标定波形图,在数控机床加工过程中实时采集主轴功率和扭矩与标定的波形图进行比对,若比对结果超出预设的阈值,则判断为断刀。除了加工毛坯件的公差、软硬等属性外,车间的温度、车间底板的厚度抗震等都会影响波形图,而且对于直径较小的刀具,断刀时主轴功率的变换并不是很明显,因此主轴类刀具检测系统最大的问题就是误报警。相应地,本领域存在这发展一种可靠性较好的基于视觉的断刀检测方法及系统的技术需求。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于视觉的断刀检测方法及系统,其基于现有断刀检测系统的工作特点,研究及设计了一种可靠性较好、速度较快的基于视觉的断刀检测方法及系统。所述断刀检测方法能够实现在无切削液或者弱喷的情况下,对三轴立铣数控机床加工过程中的刀具实时监控,在出现断刀时,快速地、可靠地向数控系统发出异常信号。此外,所述断刀检测方法采用的是无接触式检测,其基于图像分割、轮廓提取、形态学处理等图像处理技术,通过提取出的特征来设计一个对应的检测机制以实现断刀检测的功能,实时地提取图像ROI区域(感兴趣区域)的参考轮廓并计算当前的轮廓面积,进而与标定的刀具轮廓面积相比,将得到的比值与预设阈值比大小来判断断刀与否。
为实现上述目的,按照本发明的一个方面,提供了一种基于视觉的断刀检测方法,该断刀检测方法包括以下步骤:
(1)对刀具的ROI区域进行标定及初始化计数C=0;
(2)采用摄像机实时采集刀具及待加工工件的图像,并将所述图像转变为灰度图像,进而将所述灰度图像进行二值化以得到二值图像;
(3)根据标定得到的刀具移动的ROI区域对所述二值图像进行掩膜,且仅保留所述ROI区域对应的二值图像;
(4)对步骤(3)得到的二值图像进行形态学处理后,提取所述二值图像的二值轮廓,并将得到的所述二值轮廓进行过滤,以得到参考轮廓;
(5)将所述参考轮廓的面积除以标定好的刀具轮廓面积,若得到的比值小于第一预定值,则将计数C加一,并判断新的计数C是否大于等于第二预定值,若是,则判定刀具异常,并输出断刀检测结果,否则,转至步骤(2);若所述比值大于等于所述第一预定值,则转至步骤(2)。
进一步地,所述第一预定值为0.7~0.8;所述第二预定值为10。
进一步地,步骤(1)中,拍下刀具起刀时的当前图像,以对刀具的ROI区域进行标定。
进一步地,步骤(1)还包括对刀具轮廓面积进行标定的步骤。
进一步地,通过对所述二值图像进行掩膜来简化所述参考轮廓的提取过程,以提高断刀检测效率。
进一步地,通过对所述二值图像进行形态学处理来消除小块噪声轮廓。
进一步地,通过设置轮廓面积阈值来消除噪声轮廓,并且通过二值轮廓重心的坐标来确定参考轮廓。
进一步地,所述ROI区域为矩形区域。
按照本发明的另一个方面,提供了一种基于视觉的断刀检测系统,该断刀检测系统采用如上所述的基于视觉的断刀检测方法进行断刀检测。
进一步地,所述断刀检测系统包括所述摄像机、数控系统上位机及数控系统,所述摄像机与所述数控系统上位机之间通过以太网进行通讯;所述数控系统上位机与所述数控系统之间也是通过以太网进行通讯;所述数控系统用于在接受到来自所述数控系统上位机的刀具异常信号时控制数控机床停止加工或者进行换刀动作。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,本发明提供的基于视觉的断刀检测方法及系统主要具有以下有益效果:
1.采用摄像机实时采集刀具及待加工工件的图像,并将所述图像转变为灰度图像,进而将所述灰度图像进行二值化以得到二值图像,所述断刀检测方法实现了对整个加工过程的实时性检测,可靠性较高,适用性较强。
2.所述断刀检测方法主要基于图像处理技术,不受加工毛坯件的公差及环境温度影响,准确性较好。
3.所述断刀检测方法所需要的硬件传感器较少,降低了成本。
4.根据标定得到的刀具移动的ROI区域对所述二值图像进行掩膜,且仅保留所述ROI区域对应的二值图像,提高了速度及断刀检测效率。
5.通过对所述二值图像进行形态学处理来消除小块噪声轮廓,提高了断刀检测结果的准确性。
附图说明
图1是本发明提供的基于视觉的断刀检测方法的流程示意图。
图2是图1中的基于视觉的断刀检测方法涉及的ROI区域标定时的标定关键点选取的示意图。
图3是图1中的基于视觉的断刀检测方法涉及的ROI区域标定的结果示意图。
图4是刀具处于正常状态时的二值轮廓示意图。
图5是刀具处于断裂状态时的二值轮廓示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
请参阅图1,本发明提供的基于视觉的断刀检测方法,该断刀检测方法主要包括以下步骤:
步骤一,对刀具的ROI区域进行标定及初始化计数C=0。具体地,请参阅图2及图3,三轴立铣床在实际加工过程中,工作台带动工件向X轴方向、Y轴方向移动,刀轴带动刀具向Z轴方向移动,ROI标定需要确定两个方面,一是确定刀具在图像上下移动的区域,二是提取刀具的轮廓并计算刀具轮廓的像素面积及重心坐标。
在机床开始加工前,将刀具靠近加工工件,在刀具起刀的位置拍下当前图像以用于标定,选取所得图像上五个关键点用于标定刀具的ROI区域(即感兴趣区域)及刀具的像素面积,假设标定点p1、p2、p3、p4、p5的像素坐标分别为:(x1,y1)、(x2,y2)、(x3,y3)、(x4,y4)、(x5,y5),则有:
刀具矩形轮廓由(xmin,y2)、(xmax,y5)、(xmax,y3)、(xmin,y3)四个点确定,并且可以计算出刀具轮廓的像素面积s0(即标定得到的刀具轮廓面积),刀具上下移动区域由(xmin,y1)、(xmax,y1)、(xmax,y4)、(xmin,y4)四个点确定,其中区域1(竖直设置的矩形区域)为假定的刀具上下移动的ROI区域,区域2为刀具轮廓。
步骤二,采用摄像机实时采集刀具及待加工工件的图像,并将所述图像转变为灰度图像,进而将所述灰度图像进行二值化以得到二值图像。
步骤三,根据标定得到的刀具移动的ROI区域对所述二值图像进行掩膜,且只保留所述ROI区域对应的二值图像。具体地,对所述二值图像进行掩膜操作的目的是简化参考轮廓的提取过程,以提高断刀检测的效率。
步骤四,对步骤三得到的二值图像进行形态学处理后,提取所述二值图像的二值轮廓,并将得到的所述二值轮廓进行过滤。具体地,对所述二值图像进行形态学处理是为了使得区域1相连,以消除小块噪声轮廓;之后,对提取到的所述二值轮廓进行过滤,并过滤掉小块的噪声(飞屑)轮廓,由此确定参考轮廓。
此外,提取并确定参考轮廓是影响检测精度及鲁棒性的关键因素,灰度化、二值化的阈值都会影响轮廓的提取,需要选择适当的阈值;通过设置轮廓面积阈值来消除噪声轮廓,并且通过二值轮廓重心的坐标确定参考轮廓,即当刀具正常时,提取到的参考轮廓为刀具与工件相连的轮廓;当刀具断裂时,提取到的参考轮廓为轮廓重心的y坐标较小的部分。
步骤五,将所述参考轮廓的面积除以标定好的刀具轮廓面积,若得到的比值小于第一预定值,则将计数C加一,并判断新的计数C是否大于等于第二预定值,若是,则判断刀具已经断刀,否则,转至步骤二;若所述比值大于等于所述第一预定值,则转至步骤二。
具体地,请参阅图4及图5,计算所述参考轮廓的像素面积s1,即步骤四得到的所述二值轮廓的面积,并判断s1/s0是否小于第一预定值,若是,则计数C=C+1,并判断新得到的计数是否大于等于第二预定值,若是则判断刀具异常,输出断刀检测结果,否则转至步骤二。若s1/s0大于等于所述第一预定值,则转至步骤二,见图4及图5。
本实施方式中,所述第一预定值为0.7~0.8,所述第二预定值为10;提取ROI区域的二值轮廓是关键步骤,当刀具正常时,二值化后刀具轮廓和工件轮廓相连,此时参考轮廓为两者相连后的轮廓;当刀具断裂后,刀具不与工件接触,二值化后的刀具轮廓与工件轮廓分离,此时参考轮廓为上方的刀具轮廓,显然当刀具正常时,s1/s0>=1;当刀具断裂时,s1/s0<1。
本发明还提供一种基于视觉的断刀检测系统,所述断刀检测系统采用如上所述的基于视觉的断刀检测方法进行断刀检测,其包括所述摄像机、夹具、数控系统上位机及数控系统,所述摄像机通过所述夹具固定在机床内部的合适位置,以保证其能够清晰地拍下刀具及加工工件。所述摄像机与所述数控系统上位机之间通过以太网进行通讯。所述数控系统上位机与所述数控系统之间也是通过以太网进行通讯。
所述摄像机在加工过程中实时采集图像,并将采集到的图像实时传输给所述数控系统上位机。所述数控系统上位机运行刀具检测客户端,所述客户端用于显示、标定、检测及向所述数控系统发送刀具异常信号。所述数控系统用于控制数控机床加工工件,并在接收到刀具异常信号时控制数控机床做出相应的动作,如停止加工或者执行换刀动作。
本发明提供的基于视觉的断刀检测方法及系统,该断刀检测方法基于图像处理技术,其实现了实时地对刀具进行断刀检测,成本较低,实时性较好,准确性及可靠性较高,为需要断刀检测的三轴立铣产线提供了可靠的断刀检测系统及方法。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于视觉的断刀检测方法,其特征在于,该断刀检测方法包括以下步骤:
(1)对刀具的ROI区域进行标定及初始化计数C=0;
(2)采用摄像机实时采集刀具及待加工工件的图像,并将所述图像转变为灰度图像,进而将所述灰度图像进行二值化以得到二值图像;
(3)根据标定得到的刀具移动的ROI区域对所述二值图像进行掩膜,且仅保留所述ROI区域对应的二值图像;
(4)对步骤(3)得到的二值图像进行形态学处理后,提取所述二值图像的二值轮廓,并将得到的所述二值轮廓进行过滤,以得到参考轮廓;
(5)将所述参考轮廓的面积除以标定好的刀具轮廓面积,若得到的比值小于第一预定值,则将计数C加一,并判断新的计数C是否大于等于第二预定值,若是,则判定刀具异常,并输出断刀检测结果,否则,转至步骤(2);若所述比值大于等于所述第一预定值,则转至步骤(2)。
2.如权利要求1所述的基于视觉的断刀检测方法,其特征在于:所述第一预定值为0.7~0.8;所述第二预定值为10。
3.如权利要求1所述的基于视觉的断刀检测方法,其特征在于:步骤(1)中,拍下刀具起刀时的当前图像,以对刀具的ROI区域进行标定。
4.如权利要求1所述的基于视觉的断刀检测方法,其特征在于:步骤(1)还包括对刀具轮廓面积进行标定的步骤。
5.如权利要求1所述的基于视觉的断刀检测方法,其特征在于:通过对所述二值图像进行掩膜来简化所述参考轮廓的提取过程,以提高断刀检测效率。
6.如权利要求1所述的基于视觉的断刀检测方法,其特征在于:通过对所述二值图像进行形态学处理来消除小块噪声轮廓。
7.如权利要求1-6任一项所述的基于视觉的断刀检测方法,其特征在于:通过设置轮廓面积阈值来消除噪声轮廓,并且通过二值轮廓重心的坐标来确定参考轮廓。
8.如权利要求1所述的基于视觉的断刀检测方法,其特征在于:所述ROI区域为矩形区域。
9.一种基于视觉的断刀检测系统,其特征在于:所述断刀检测系统采用如权利要求1-8任一项所述的基于视觉的断刀检测方法进行断刀检测。
10.如权利要求9所述的基于视觉的断刀检测系统,其特征在于:所述断刀检测系统包括所述摄像机、数控系统上位机及数控系统,所述摄像机与所述数控系统上位机之间通过以太网进行通讯;所述数控系统上位机与所述数控系统之间也是通过以太网进行通讯;所述数控系统用于在接受到来自所述数控系统上位机的刀具异常信号时控制数控机床停止加工或者进行换刀动作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811353029.2A CN109500657B (zh) | 2018-11-14 | 2018-11-14 | 一种基于视觉的断刀检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811353029.2A CN109500657B (zh) | 2018-11-14 | 2018-11-14 | 一种基于视觉的断刀检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109500657A CN109500657A (zh) | 2019-03-22 |
CN109500657B true CN109500657B (zh) | 2020-07-10 |
Family
ID=65748479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811353029.2A Active CN109500657B (zh) | 2018-11-14 | 2018-11-14 | 一种基于视觉的断刀检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109500657B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110136099A (zh) * | 2019-04-15 | 2019-08-16 | 深圳精匠云创科技有限公司 | 刀具在线检测方法、装置及计算机可读储存介质 |
CN110405540B (zh) * | 2019-07-09 | 2020-07-10 | 华中科技大学 | 一种人工智能断刀检测系统及方法 |
CN112388390B (zh) * | 2020-11-09 | 2022-08-26 | 上海圣之尧智能科技有限公司 | 一种车削刀具置换系统 |
CN114102261A (zh) * | 2021-12-27 | 2022-03-01 | 爱派尔(常州)数控科技有限公司 | 一种机床刀具安全检测方法、系统及机床 |
CN115741230A (zh) * | 2022-09-30 | 2023-03-07 | 成都飞机工业(集团)有限责任公司 | 一种在线断刀检测系统及方法 |
CN115837472B (zh) * | 2023-02-20 | 2023-06-09 | 成都大金航太科技股份有限公司 | 环形端面深窄槽断屑车加工方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09295249A (ja) * | 1996-04-30 | 1997-11-18 | Komatsu Ltd | 工作機械の工具異常検出装置 |
JPH11267949A (ja) * | 1998-03-20 | 1999-10-05 | Kawasaki Heavy Ind Ltd | 工具摩耗検知装置および方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007042855A (ja) * | 2005-08-03 | 2007-02-15 | Disco Abrasive Syst Ltd | ブレード検出手段を備えた切削装置 |
CN103363920A (zh) * | 2012-04-09 | 2013-10-23 | 鸿富锦精密工业(深圳)有限公司 | 刀具检测系统及方法 |
CN103076763A (zh) * | 2012-12-26 | 2013-05-01 | 山东拓维数控设备有限公司 | 一种数控机床刀具状态实时检测系统 |
CN104180770A (zh) * | 2014-09-09 | 2014-12-03 | 盐城工学院 | 一种刀具磨损三维形貌检测方法 |
CN107234488B (zh) * | 2017-06-14 | 2020-03-31 | 沈阳机床(东莞)智能装备有限公司 | 一种基于数控机床视觉检测的刀具破损度检测方法 |
CN108062072A (zh) * | 2017-11-23 | 2018-05-22 | 哈尔滨理工大学 | 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 |
CN108527004A (zh) * | 2018-03-29 | 2018-09-14 | 蚌埠市金洋机床有限责任公司 | 一种数控机床刀具破损检测系统 |
-
2018
- 2018-11-14 CN CN201811353029.2A patent/CN109500657B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09295249A (ja) * | 1996-04-30 | 1997-11-18 | Komatsu Ltd | 工作機械の工具異常検出装置 |
JPH11267949A (ja) * | 1998-03-20 | 1999-10-05 | Kawasaki Heavy Ind Ltd | 工具摩耗検知装置および方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109500657A (zh) | 2019-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109500657B (zh) | 一种基于视觉的断刀检测方法及系统 | |
CN108227634B (zh) | 机器学习装置、cnc装置以及机器学习方法 | |
CN110587377B (zh) | 一种在线监测铣削加工刀具缺损的方法 | |
US6937942B2 (en) | Method and apparatus of detecting tool abnormality in a machine tool | |
CN109822398B (zh) | 一种基于深度学习的数控机床断刀检测系统及方法 | |
TWI472399B (zh) | Online cutting tool real-time monitoring method | |
CN109262368B (zh) | 一种刀具失效判定方法 | |
CN104772656B (zh) | 一种用于车床的回转体零件在线测量系统及方法 | |
TWM575368U (zh) | 智能化工具機雲端運算系統 | |
CN110405540B (zh) | 一种人工智能断刀检测系统及方法 | |
CN110728655A (zh) | 基于机器视觉的数控机床工件异常检测方法及装置 | |
CN114428480A (zh) | 一种数控机床加工过程中实时刀具防碰撞方法 | |
CN116451044A (zh) | 基于数据分析的机加设备故障预警系统 | |
CN115307896A (zh) | 一种基于机器学习的设备健康状态检测方法 | |
CN116690313B (zh) | 一种飞机结构件腹板加工刀具失效监控方法 | |
CN206105516U (zh) | 一种非接触式刀片磨损的在线检测设备 | |
EP3623888A1 (en) | Workpiece surface quality issues detection | |
CN114147584A (zh) | 船体零件自由边智能打磨应用设备及打磨方法 | |
KR102191510B1 (ko) | 공작기계의 모니터링방법 | |
CN106493610A (zh) | 一种非接触式刀片磨损的在线检测方法 | |
CN112091973A (zh) | 一种机械臂防护门防撞检测方法及系统 | |
CN213887196U (zh) | 一种地板线刀具寿命状态和地板开槽成型在线检测装置 | |
CN203053873U (zh) | 影像自动检测识别机器 | |
TWI817855B (zh) | 刀具加工負載監控方法 | |
CN118081479B (zh) | 一种机床运行故障在线监测方法与系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |