CN111429395A - 刀具寿命预测方法、装置及计算机存储介质 - Google Patents
刀具寿命预测方法、装置及计算机存储介质 Download PDFInfo
- Publication number
- CN111429395A CN111429395A CN201910016972.2A CN201910016972A CN111429395A CN 111429395 A CN111429395 A CN 111429395A CN 201910016972 A CN201910016972 A CN 201910016972A CN 111429395 A CN111429395 A CN 111429395A
- Authority
- CN
- China
- Prior art keywords
- tool
- image
- tool life
- life prediction
- cutter
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000000605 extraction Methods 0.000 claims abstract description 19
- 238000007781 pre-processing Methods 0.000 claims abstract description 15
- 238000003754 machining Methods 0.000 claims abstract description 7
- 238000012549 training Methods 0.000 claims description 25
- 238000004891 communication Methods 0.000 claims description 16
- 239000013598 vector Substances 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 5
- 238000003801 milling Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 7
- 230000002950 deficient Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 2
- 229910052782 aluminium Inorganic materials 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Machine Tool Sensing Apparatuses (AREA)
Abstract
本发明提供一种刀具寿命预测方法,用于预测加工设备中刀具的使用寿命,所述刀具寿命预测方法包括以下步骤:获取加工后产品的图像;对所述图像进行预处理;对所述图像进行特征提取以得到产品上的刀纹特征;利用一预先建立的刀具寿命预测模型对所述刀纹特征进行分析,得到预测的刀具使用寿命值。上述刀具寿命预测方法及装置能够通过产品的图像来预测刀具的使用寿命值,准确率较高且效率较高。本发明还提出一种刀具寿命预测装置及计算机存储介质。
Description
技术领域
本发明涉及机械加工的刀具领域,尤其涉及一种刀具寿命预测方法、装置及计算机存储介质。
背景技术
随着制造业数控制造技术的快速发展,数控机床的运用更加普遍,刀具为制造系统中的重要环节之一。为降低刀具成本,通常会尽量延长刀具寿命,让其能够铣切更多的产品。在延长寿命的过程中,经常会有不良品产生,这个时候才去换刀,刀具成本能够降低最低,但不良品的产生导致了产品报废,生产成本不降反升,而且有些不良品还因为未被发现而流通至客户端,影响了产品的品质和客户满意度。因此,刀具的寿命预测一直是业界需要解决的问题之一。目前虽然有刀具磨损监测的方法,但现有的监测方法无法得出刀具的使用寿命预测值。
发明内容
有鉴于此,有必要提出一种刀具寿命预测方法、装置及计算机存储介质,以解决上述问题。
本发明的第一方面提出一种刀具寿命预测方法,用于预测加工设备中刀具的使用寿命,所述刀具寿命预测方法包括以下步骤:获取加工后产品的图像;对所述图像进行预处理;对所述图像进行特征提取以得到产品上的刀纹特征;利用一预先建立的刀具寿命预测模型对所述图像及所述刀纹特征进行分析,得到预测的刀具使用寿命值。
本发明的第二方面提出一种刀具寿命预测装置,用于预测加工设备中刀具的使用寿命,所述刀具寿命预测装置包括:处理器,适于实现各指令;及存储器,适于存储多条指令,所述指令适于由所述处理器加载并执行以下步骤:获取加工后产品的图像;对所述图像进行预处理;对所述图像进行特征提取以得到产品上的刀纹特征;利用一预先建立的刀具寿命预测模型对所述图像及所述刀纹特征进行分析,得到预测的刀具使用寿命值。
本发明的第三方面提出一种计算机存储介质,所述计算机存储介质存储有计算机程序代码,当所述计算机程序代码在计算设备上运行时,导致所述计算设备执行上述刀具寿命预测方法。
上述刀具寿命预测方法中,首先获取加工后产品的图像,对所述图像进行预处理和特征提取,再利用所述刀具寿命预测模型对所述刀纹特征进行分析,得到预测的刀具使用寿命值。上述刀具寿命预测方法及装置能够通过产品的图像来预测刀具的使用寿命,准确率较高且效率较高,从而操作员可在确保刀具在尽量多铣切产品的前提下,且在加工出现不良之前换刀,达到提质降本的效果。
附图说明
图1为本发明一实施方式中刀具寿命预测装置与终端装置的硬件架构示意图。
图2为本发明一实施方式中刀具寿命预测装置的模块示意图。
图3为本发明一实施方式中刀具寿命预测方法的流程图。
图4为本发明一实施方式中刀具寿命预测模型的建立方法的流程图。
主要元件符号说明
刀具寿命预测装置 | 10 |
第一处理器 | 11 |
第一存储器 | 12 |
第一通信单元 | 13 |
终端装置 | 20 |
第二处理器 | 21 |
第二存储器 | 22 |
第二通信单元 | 23 |
显示单元 | 24 |
输入单元 | 25 |
图像采集单元 | 26 |
刀具寿命预测系统 | 1 |
信息收发模块 | 101 |
预处理模块 | 102 |
特征提取模块 | 103 |
模型训练模块 | 104 |
预测模块 | 105 |
存储模块 | 106 |
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行详细描述。需要说明的是,在不冲突的情况下,本申请的实施方式及实施方式中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,所描述的实施方式仅是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施方式,都属于本发明保护的范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的,不是旨在限制本发明。
本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
请参阅图1,为本发明一较佳实施方式中提供一种刀具寿命预测装置10,用于预测加工设备中刀具的使用寿命,所述刀具寿命预测装置10与至少一个终端装置20之间建立通信连接。
所述刀具寿命预测装置10至少包括第一处理器11、第一存储器12与第一通信单元13。所述第一存储器12、所述第一通信单元13分别与所述第一处理器11电性连接。在本实施方式中,所述第一处理器11、第一存储器12、第一通信单元13可集成到同一设备上。所述第一处理器11的数量为至少一个。所述刀具寿命预测装置10可以是但不限于普通网络服务器或云服务器。
所述第一处理器11可以是中央处理器(Central Processing Unit,CPU)、微处理器或其他数据处理芯片等,适于实现各指令。
所述第一存储器12存储所述刀具寿命预测装置10中的各类数据,例如程序代码等,并在刀具寿命预测装置10的运行过程中实现高速、自动地完成程序或数据的存取。
所述第一存储器12还存储有一刀具寿命预测模型。所述刀具寿命预测模型为神经网络模型,利用多个加工后的产品的图像及相应的刀具使用寿命值进行训练得到。
在本实施方式中,第一存储器12可以包括但不限于只读存储器(Read-OnlyMemory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-Only Memory,PROM)、可擦除可编程只读存储器(ErasableProgrammable Read-Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
所述第一通信单元13可以通过有线或无线的方式与所述终端装置20进行通信。
所述终端装置20至少包括第二处理器21、第二存储器22、第二通信单元23、显示单元24、输入单元25及图像采集单元26。所述第二存储器22、所述第二存储器22、所述第二通信单元23、所述显示单元24、所述输入单元25及所述图像采集单元26分别与所述第二处理器21电性连接。在本实施方式中,所述终端装置20可以包括一台或多台计算机服务器。
所述第二处理器21可以是CPU、微处理器或其他数据处理芯片等,适于实现各指令。
所述第二存储器22存储终端装置20中的各类数据,例如程序代码等,并在终端装置20的运行过程中实现高速、自动地完成程序或数据的存取。
在本实施方式中,所述第二存储器22可以包括但不限于只读存储器、随机存储器、可编程只读存储器、可擦除可编程只读存储器、一次可编程只读存储器、电子擦除式可复写只读存储器、只读光盘或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
所述第二通信单元23用于与刀具寿命预测装置10中的第一通信单元13进行通信,以使刀具寿命预测装置10与所述终端装置20建立通信连接。所述第一通信单元13、所述第二通信单元23可为无线通信单元。
所述显示单元24用于显示第二处理器21处理后得到的信息,例如刀具使用寿命值。所述显示单元24可以是但并不限于触摸显示屏、液晶显示屏等显示装置。
所述输入单元25用于供使用者输入各种信息和控制指令。所述输入单元25可以是但不限于遥控器、鼠标、语音输入装置、触摸屏等。
所述图像采集单元26用于运用机器视觉技术来采集加工后产品的图像。较佳地,所述图像采集单元26用于采集产品表面刀纹的图像。所述刀纹为刀具铣切产品后,在产品表面留下的规律性纹路。在至少一实施方式中,所述图像采集单元26包括相机、光源以及用于定位产品的定位治具。较佳地,所述相机可为500万像素以上的相机,所述光源可为1*6cm条形红光光源。可以理解,所述相机可为CCD相机或其他工业相机。在将产品定位于定位治具上后,且通过显示单元24确认图像清晰、位置正确后,所述图像采集单元26通过相机采集产品表面的图像。所述图像采集单元26可以设置在终端装置20之外,所述终端装置20接收所述图像采集单元26发送的图像。
请同时参阅图1与图2,图2为本发明一实施方式中刀具寿命预测系统1的模块示意图。所述刀具寿命预测系统1应用于所述刀具寿命预测装置10上。所述刀具寿命预测系统1包括由多个程序代码段组成的功能模块。所述刀具寿命预测系统1中的各个程序段的程序代码可以存储于所述第一存储器12中,并由所述第一处理器11所执行,以实现上述刀具寿命预测系统1的功能。所述刀具寿命预测系统1至少包括信息收发模块101、预处理模块102、特征提取模块103、模型训练模块104、预测模块105及存储模块106。
所述信息收发模块101用于接收和发送各种信息,例如,接收终端装置20发送的加工后产品的图像,以及能够预测后的刀具使用寿命值发送至终端装置20。
所述预处理模块102用于对加工后产品的图像进行预处理,将拍照时附带的噪声过滤,保留需要进行图像分析的刀纹图像信息。
所述特征提取模块103用于对预处理后的产品图像进行特征提取,得到产品上的刀纹特征。所述刀纹特征包括多个刀纹特征向量,所述刀纹特征向量包括刀纹的长度、宽度、亮暗比和斜率中的一种或多种。
所述模型训练模块104用于利用训练数据对预置的刀具寿命预测模型的框架模板进行训练,以获得经训练的刀具寿命预测模型。
所述模型训练模块104还用于利用所述图像及实际的刀具使用寿命值来训练刀具寿命预测模型,调整刀纹特征向量的权重参数,以提升刀具寿命预测模型的准确率。
所述预测模块105用于利用刀具寿命预测模型对图像中的刀纹特征进行分析,得到预测的刀具使用寿命值。
所述存储模块106用于将图像及预测的刀具使用寿命值分类并存储于第一存储器12中。
请参照图3,图3为本发明一实施方式中刀具寿命预测方法的流程图。所述刀具寿命预测方法仅是一种示例,因为有很多种实施所述方法的方式。接下来要描述的刀具寿命预测方法能够被图2所示的模块所执行。图3中每一个图块代表的一个或者多个步骤,方法或者子流程等由示例方法所执行。示例方法由步骤S301开始。
步骤S301,获取加工后产品的图像。
具体地,终端装置20的图像采集单元26采集加工后产品的图像,终端装置20将所述图像发送至刀具寿命预测装置10,从而刀具寿命预测装置10的信息收发模块101获取所述图像。
较佳地,在采集所述图像时,首先将加工后擦拭干净的产品放置于定位治具上,所述图像采集单元26对产品进行拍照以取得产品的图像。所述终端装置20录入所述图像并记录产品信息,所述产品信息包括机种、夹位、CNC机台、刀具型号、刀具编号、日期、流水码等,所述终端装置20将所述产品信息作为图像的名称进行存储,并将所述图像发送至所述刀具寿命预测装置10。
步骤S302,对所述图像进行预处理。
具体地,所述预处理模块102对所述图像进行预处理,将拍照时附带的噪声过滤,仅留下需要进行图像分析的刀纹图像信息。所述噪声例如为图片亮暗不均、擦拭不佳、铝屑刮痕等。
在至少一实施方式中,所述预处理至少包括高斯低通滤波、网格离散曲率分析和移动最小二乘法中的一种或多种算法。
步骤S303,对所述图像进行特征提取以得到产品上的刀纹特征。
所述特征提取模块103对预处理后的图像进行特征提取,得到产品上的刀纹特征。所述刀纹特征包括多个刀纹特征向量,所述刀纹特征向量包括刀纹的长度、宽度、亮暗比和斜率中的一种或多种。
在至少一实施方式中,所述特征提取至少包括傅里叶级数、灰度共生矩阵、棱角脉冲谐波中的一种或多种算法。
步骤S304,利用一预先建立的刀具寿命预测模型对所述图像及所述刀纹特征进行分析,得到预测的刀具使用寿命值。
具体地,所述预测模块105将所述产品的图像及刀纹特征输入到所述刀具寿命预测模型中进行分析,得到预测的刀具使用寿命值。
较佳地,所述预测模块105首先利用所述刀具寿命预测模型得到该图像对应刀具的已铣切次数,所述预测模块105进一步计算刀具标准铣切次数与已铣切次数的差值,即可得到该刀具的剩余铣切次数。该刀具的剩余铣切次数即为该刀具的使用寿命值。
步骤S305,将预测的刀具使用寿命值发送至终端装置20进行显示。
所述信息收发模块101将预测的刀具使用寿命值发送至终端装置20,终端装置20的显示单元24显示所述预测的刀具使用寿命值,从而便于操作员查看和与标准铣切次数相比较,以决定是否换刀。
步骤S306,存储图像及相应的刀具使用寿命值。
所述存储模块106自动将图像及相应的刀具使用寿命值存储于第一存储器12中,以便于后续使用和查询上述数据。较佳地,在存储所述图像时,将刀具使用寿命值加入到图像的名称中,并按照完整的图像名称进行分类存储。
在至少一实施方式中,所述方法还可包括以下步骤:
步骤S307,判断实际的刀具使用寿命值与预测的刀具使用寿命值是否一致。
具体地,操作员通过终端装置20的输入单元25上传实际的刀具使用寿命值,例如,操作员每天都要做首尾件检测,在上传产品图像的同时,手动输入产品对应的刀具使用寿命值。所述信息收发模块101接收终端装置20发出的实际的刀具使用寿命值。
所述模型训练模块104判断实际的刀具使用寿命值与预测的使用寿命值是否一致。若为是,则回到步骤S301,继续获取下一个加工后产品的图像。若为否,则进入步骤S307。
步骤S308,利用所述图像及实际的刀具使用寿命值来训练刀具寿命预测模型。
具体地,所述模型训练模块104利用所述图像及实际的刀具使用寿命来训练刀具寿命预测模型,以预测的刀具寿命使用值与实际的刀具使用寿命值相差最小为方向,调整刀纹特征向量的权重参数,以实现所述刀具寿命预测模型的自我优化,提升所述刀具寿命预测模型的准确率。
可以理解,所述步骤S305、S306、S307可同时进行或以不同的顺序先后进行。
在至少一实施方式中,所述刀具寿命预测系统1还可包括查询模块,在步骤S306之后,所述方法还可包括步骤:接收终端装置20发出的查询指令,所述查询模块依照查询指令中的机种、夹位、CNC机台、刀具规格、刀具编号等信息,查询相关刀具的使用寿命信息,并将相关刀具的使用寿命信息发送至终端装置20。
请参照图4,本发明提供的刀具寿命预测方法还包括建立刀具寿命预测模型的方法,该方法包括以下步骤:
步骤S401,获取训练数据,所述训练数据包括多个加工后产品的图像及相应的刀具使用寿命值。
具体地,所述信息收发模块101获取所述训练数据,所述训练数据包括多个加工后产品的图像及已知的刀具使用寿命值。
步骤S402,对多个图像进行预处理。
具体地,所述预处理模块102对多个所述图像进行预处理,将拍照时附带的噪声过滤,仅留下需要进行图像分析的刀纹图像信息。所述噪声例如为图像亮暗不均、擦拭不佳、铝屑刮痕等。
步骤S403,对多个图像进行特征提取以得到多个产品上的刀纹特征。
具体地,所述特征提取模块103对预处理后的多个图像进行特征提取,得到多个产品上的刀纹特征。
步骤S404,利用训练数据对预置的刀具寿命预测模型的框架模板进行训练,以获得经训练的刀具寿命预测模型。
具体地,所述模型训练模块通过多种机器学习算法对预置的刀具寿命预测模型的框架模板进行训练,以获得经训练的刀具寿命预测模型。所述刀具寿命预测模型的框架模板包括多个刀纹特征向量的权重参数。在训练时,所述模型训练模块利用监督学习的方式,将标号的刀具寿命值和提取过刀纹特征的图像输入到刀具寿命预测模型的框架模板中,不断调整多个刀纹特征向量的权重参数,最终让预测的刀具寿命值与已知的刀具寿命值达到最高比例的吻合。
较佳地,所述刀具寿命预测模型的框架模板为神经网络框架模板,所述机器学习算法包括归一化指数函数、损失函数等方法中的一种或多种。
步骤S405,判断刀具寿命预测模型是否达到使用条件。
具体地,所述模型训练模块判断刀具寿命预测模型的准确率是否达到95%以上。若刀具寿命预测模型的准确率达到95%以上,则判断刀具寿命预测模型已达到使用条件,进入步骤S406;否则,则判断刀具寿命预测模型未达到使用条件,回到步骤S404。
步骤S406,确认刀具寿命预测模型可投入使用。
本发明实施例还提供了一种计算机存储介质,该计算机存储介质中存储有计算机程序代码,该计算机程序代码可以用于在计算设备上指示执行上述本发明实施例的刀具寿命预测方法。
上述刀具寿命预测方法中,首先获取加工后产品的图像,对所述图像进行预处理和特征提取,再利用所述刀具寿命预测模型对所述刀纹特征进行分析,得到预测的刀具使用寿命值。上述刀具寿命预测方法及装置能够通过产品的图像来预测刀具的使用寿命,准确率较高且效率较高,从而操作员可在确保刀具在尽量多铣切产品的前提下,且在加工出现不良之前换刀,达到提质降本的效果。
进一步地,上述刀具寿命预测方法自动将刀具使用寿命值发送至终端装置20,方便指导产线进行作业。该刀具寿命预测模型能够不断学习,自我持续优化,使预测准确率持续提升,该图像及刀具使用寿命值能够存储在该刀具寿命预测装置10中,便于保存、追溯、分类分析及与其他智慧系统共享刀纹大数据。
另外,该方法利用工业相机做非接触式拍照来采集产品图像,防止产品在检测过程中造成不良。终端装置20可以安装在自动化产线的尾端,不需安装在每台加工设备处,节省了终端硬件成本。
另外,在本发明各个实施例中的各功能器可以集成在相同数据处理单元中,也可以是各个器单独物理存在,也可以两个或两个以上器集成在相同器中。上述集成的器既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他器或步骤,单数不排除复数。计算机装置权利要求中陈述的多个器或计算机装置也可以由同一个器或计算机装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种刀具寿命预测方法,用于预测加工设备中刀具的使用寿命,所述刀具寿命预测方法包括以下步骤:
获取加工后产品的图像;
对所述图像进行预处理;
对所述图像进行特征提取以得到产品上的刀纹特征;
利用一预先建立的刀具寿命预测模型对所述图像及所述刀纹特征进行分析,得到预测的刀具使用寿命值。
2.如权利要求1所述的刀具寿命预测方法,其特征在于,所述刀纹特征包括多个刀纹特征向量,所述刀纹特征向量包括刀纹的长度、宽度、亮暗比和斜率中的一种或多种。
3.如权利要求1所述的刀具寿命预测方法,其特征在于,在利用所述刀具寿命预测模型对所述图像及所述刀纹特征进行分析的步骤中,先得到所述图像对应刀具的已铣切次数,再计算刀具标准铣切次数与所述已铣切次数的差值,以得到该刀具的剩余铣切次数,该刀具的剩余铣切次数为所述刀具使用寿命值。
4.如权利要求1所述的刀具寿命预测方法,其特征在于,所述方法还包括建立所述刀具寿命预测模型的方法,所述建立所述刀具寿命预测模型的方法包括:
获取训练数据,所述训练数据包括多个加工后产品的图像及相应的刀具使用寿命值;
对多个所述图像进行预处理;
对多个所述图像进行特征提取以得到多个所述产品上的刀纹特征;
利用所述训练数据对预置的刀具寿命预测模型的框架模板进行训练,以获得经训练的所述刀具寿命预测模型。
5.如权利要求1所述的刀具寿命预测方法,其特征在于,所述刀具寿命预测方法还包括步骤:
将预测的刀具使用寿命值发送至终端装置进行显示;
存储所述图像及相应的刀具使用寿命值;
判断实际的刀具使用寿命值与预测的刀具使用寿命值是否一致;
利用所述图像及实际的刀具使用寿命值来训练刀具寿命预测模型。
6.一种刀具寿命预测装置,用于预测加工设备中刀具的使用寿命,其特征在于:所述刀具寿命预测装置包括:
处理器,适于实现各指令;及
存储器,适于存储多条指令,所述指令适于由所述处理器加载并执行以下步骤:
获取加工后产品的图像;
对所述图像进行预处理;
对所述图像进行特征提取以得到产品上的刀纹特征;
利用一预先建立的刀具寿命预测模型对所述图像及所述刀纹特征进行分析,得到预测的刀具使用寿命值。
7.如权利要求6所述的刀具寿命预测装置,其特征在于,所述刀纹特征包括刀纹的多个向量数据,所述向量数据包括刀纹的长度、宽度、亮暗比和斜率中的一种或多种。
8.如权利要求6所述的刀具寿命预测装置,其特征在于,在利用所述刀具寿命预测模型对所述图像及所述刀纹特征进行分析的步骤中,先得到所述图像对应刀具的已铣切次数,再计算刀具标准铣切次数与已铣切次数的差值,以得到该刀具的剩余铣切次数,该刀具的剩余铣切次数为所述刀具使用寿命值。
9.如权利要求6所述的刀具寿命预测装置,其特征在于,所述刀具寿命预测装置还包括通信单元,所述刀具寿命预测装置通过所述通信单元与一终端装置通信连接,所述终端装置用于获取加工后产品的图像,所述指令还适于由所述处理器加载并执行以下步骤:
将预测的刀具使用寿命值发送至所述终端装置进行显示;
存储所述图像及相应的刀具使用寿命值;
判断实际的刀具使用寿命值与预测的刀具使用寿命值是否一致;
利用所述图像及实际的刀具使用寿命值来训练刀具寿命预测模型。
10.一种计算机存储介质,所述计算机存储介质存储有计算机程序代码,其特征在于:当所述计算机程序代码在计算设备上运行时,导致所述计算设备执行权利要求1-5任一项所述的刀具寿命预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910016972.2A CN111429395A (zh) | 2019-01-08 | 2019-01-08 | 刀具寿命预测方法、装置及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910016972.2A CN111429395A (zh) | 2019-01-08 | 2019-01-08 | 刀具寿命预测方法、装置及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111429395A true CN111429395A (zh) | 2020-07-17 |
Family
ID=71545573
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910016972.2A Pending CN111429395A (zh) | 2019-01-08 | 2019-01-08 | 刀具寿命预测方法、装置及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111429395A (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1550287A (zh) * | 2003-02-21 | 2004-12-01 | ��ǿ�ʽ | 数字控制单元 |
JP2007021656A (ja) * | 2005-07-15 | 2007-02-01 | Mitsubishi Electric Corp | 工具寿命管理装置 |
CN101670533A (zh) * | 2009-09-25 | 2010-03-17 | 南京信息工程大学 | 基于工件加工表面图像分析的刀具磨损状态评价方法 |
CN202144032U (zh) * | 2011-05-03 | 2012-02-15 | 西安理工大学 | 一种刀具磨损状态视觉检测装置 |
US20180085878A1 (en) * | 2016-09-28 | 2018-03-29 | The Boeing Company | Method and apparatus for monitoring automated drilling processes |
CN107909573A (zh) * | 2017-12-04 | 2018-04-13 | 广东嘉铭智能科技有限公司 | 金属工件环形表面刀纹检测方法及装置 |
CN108031874A (zh) * | 2017-10-30 | 2018-05-15 | 恒锋工具股份有限公司 | 一种刀具寿命记忆芯片 |
CN108202265A (zh) * | 2016-12-17 | 2018-06-26 | 鸿富锦精密电子(成都)有限公司 | 切削液回收装置 |
CN108287526A (zh) * | 2018-01-15 | 2018-07-17 | 深圳市立德通讯器材有限公司 | 一种刀具寿命监测系统 |
CN108447050A (zh) * | 2018-03-07 | 2018-08-24 | 湘潭大学 | 一种基于超像素的工件表面缺陷分割方法 |
CN108536938A (zh) * | 2018-03-29 | 2018-09-14 | 上海交通大学 | 一种机床刀具寿命预测系统及预测方法 |
US20180272491A1 (en) * | 2017-03-24 | 2018-09-27 | National Cheng Kung University | Tool wear monitoring and predicting method |
CN108873813A (zh) * | 2018-06-25 | 2018-11-23 | 山东大学 | 基于数控机床主轴伺服电机电流信号的刀具磨损度检测方法 |
-
2019
- 2019-01-08 CN CN201910016972.2A patent/CN111429395A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1550287A (zh) * | 2003-02-21 | 2004-12-01 | ��ǿ�ʽ | 数字控制单元 |
JP2007021656A (ja) * | 2005-07-15 | 2007-02-01 | Mitsubishi Electric Corp | 工具寿命管理装置 |
CN101670533A (zh) * | 2009-09-25 | 2010-03-17 | 南京信息工程大学 | 基于工件加工表面图像分析的刀具磨损状态评价方法 |
CN202144032U (zh) * | 2011-05-03 | 2012-02-15 | 西安理工大学 | 一种刀具磨损状态视觉检测装置 |
US20180085878A1 (en) * | 2016-09-28 | 2018-03-29 | The Boeing Company | Method and apparatus for monitoring automated drilling processes |
CN108202265A (zh) * | 2016-12-17 | 2018-06-26 | 鸿富锦精密电子(成都)有限公司 | 切削液回收装置 |
US20180272491A1 (en) * | 2017-03-24 | 2018-09-27 | National Cheng Kung University | Tool wear monitoring and predicting method |
CN108031874A (zh) * | 2017-10-30 | 2018-05-15 | 恒锋工具股份有限公司 | 一种刀具寿命记忆芯片 |
CN107909573A (zh) * | 2017-12-04 | 2018-04-13 | 广东嘉铭智能科技有限公司 | 金属工件环形表面刀纹检测方法及装置 |
CN108287526A (zh) * | 2018-01-15 | 2018-07-17 | 深圳市立德通讯器材有限公司 | 一种刀具寿命监测系统 |
CN108447050A (zh) * | 2018-03-07 | 2018-08-24 | 湘潭大学 | 一种基于超像素的工件表面缺陷分割方法 |
CN108536938A (zh) * | 2018-03-29 | 2018-09-14 | 上海交通大学 | 一种机床刀具寿命预测系统及预测方法 |
CN108873813A (zh) * | 2018-06-25 | 2018-11-23 | 山东大学 | 基于数控机床主轴伺服电机电流信号的刀具磨损度检测方法 |
Non-Patent Citations (4)
Title |
---|
李凡: "基于工件表面图像的刀具磨损状态监测", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, vol. 2007, no. 2, 15 February 2007 (2007-02-15), pages 63 - 66 * |
栾悉道: "多媒体情报处理技术", 北京:国防工业出版社, pages: 39 - 40 * |
郑建明等: "基于Hough变换的刀具磨损监测加工表面纹理特征提取", 《机械科学与技术》 * |
郑建明等: "基于Hough变换的刀具磨损监测加工表面纹理特征提取", 《机械科学与技术》, vol. 28, no. 6, 19 April 2016 (2016-04-19) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11488294B2 (en) | Method for detecting display screen quality, apparatus, electronic device and storage medium | |
WO2017084186A1 (zh) | 挠性电路板制造过程自动监测和智能分析系统及方法 | |
KR20200004822A (ko) | 디스플레이 스크린 주변 회로 검출 방법, 장치, 전자기기 및 저장매체 | |
CN105488806A (zh) | 一种工件位置追踪定位方法及定位系统 | |
KR20200004823A (ko) | 디스플레이 스크린 주변 회로 검출 방법, 장치, 전자기기 및 저장매체 | |
CN116593479B (zh) | 电池盖板外观质量检测方法、装置、设备及存储介质 | |
CN114913619A (zh) | 一种智能移动巡检方法和系统 | |
CN115937101A (zh) | 质量检测方法、装置、设备及存储介质 | |
CN113996556B (zh) | 一种融合云端的产品分拣系统及方法 | |
CN114708584A (zh) | 基于大数据的卷烟产品质量缺陷防控学习系统及方法 | |
CN116976865B (zh) | 基于大数据分析的船舶维修器件调配管理系统 | |
CN116071348B (zh) | 基于视觉检测的工件表面检测方法及相关装置 | |
CN116777375B (zh) | 一种基于机器视觉的工业互联网系统 | |
CN111429395A (zh) | 刀具寿命预测方法、装置及计算机存储介质 | |
CN112304692A (zh) | 一种旋臂式智能粮食扦样机系统 | |
CN115099752B (zh) | 一种基于视觉识别的商品盘点方法及装置 | |
CN115546108A (zh) | 基于边云协同和ar的汽车轮胎外观质量智能检测方法 | |
CN115457323A (zh) | 基于视觉检测系统的手机玻璃屏非均衡表面缺陷分类方法 | |
CN115266744A (zh) | 生产线产品的检测系统及方法 | |
CN111055890B (zh) | 一种铁路车辆防溜智能检测方法及检测系统 | |
CN113220252A (zh) | 一种基于5g通信的无人起重机实时监测系统 | |
CN112967414A (zh) | 巡查巡更系统 | |
CN112967226A (zh) | 一种基于人工智能的高反光制品检测系统、方法及介质 | |
CN112686156A (zh) | 一种情绪监测方法、装置、计算机设备及可读存储介质 | |
CN111260173A (zh) | 生产监控方法、装置及计算机可读存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200717 |
|
RJ01 | Rejection of invention patent application after publication |