CN112388391A - 一种车削刀具置换方法 - Google Patents

Abstract

本发明公开了一种车削刀具置换方法，包括：提取一测试车削刀具的至少一视角图像；根据视角图像获得所述测试车削刀具的被测表面的每一磨损部的置换系数；基于所述置换系数的最大值大于一置换阈值，生成一所述测试车削刀具对应的置换提示符，本发明中的车削刀具置换方法能够通过多个视角来检测车削刀具表面的磨损部(坑槽)，通过每一视角下的每一个磨损部的磨损系数获得每一个磨损部对应的置换系数，多个置换系数中的最大值大于置换阈值时，生成一测试车削刀具对应的置换提示符，从而自动响应于该置换提示符自动将该测试车削刀具替换。

Description

一种车削刀具置换方法

技术领域

本发明涉及的是一种机械领域的技术，具体是一种车削刀具置换方法。

背景技术

刀具被称为机械制造工业的“牙齿”。智能识别刀具的磨损状态不仅可以合理地选择刀具类型、对刀具的相关参数进行优化，同时还可以根据刀具的实际切削状态和被加工工件的质量来决定更换刀具的时间，对机械制造行业提高产品质量具有重要意义。

在加工过程中刀具磨损是一种必然现象，当刀具磨损到一定程度时，会导致产品的加工质量急剧下降，严重时会影响加工系统的正常运行，甚至使工件报废。在传统加工过程中，工作人员往往通过切削加工时的噪声或工件已加工表面的质量对刀具的磨损程度进行大致判断，但判断过程中干扰因素多，且和工作人员的工作经验相关，判断结果往往不准确。为了保证产品的加工质量，对加工过程中刀具的磨损进行检测势在必行。

发明内容

本发明针对现有技术存在的上述不足，提出一种车削刀具置换方法，能够通过多个视角来检测车削刀具表面的磨损部(坑槽)，通过每一视角下的每一个磨损部的磨损系数获得每一个磨损部对应的置换系数，多个置换系数中的最大值大于置换阈值时，生成一测试车削刀具对应的置换提示符，从而自动响应于该置换提示符自动将该测试车削刀具替换，对比传统的刀具磨损检测过程(需要拆卸刀柄在机床外测量)，能够快速定位刀具磨损区域，实现对刀具磨损程度的准确评估和测量，进而可以快速替换车削刀具。

根据本发明的一个方面，提供一种车削刀具置换方法，包括以下步骤：

提取一测试车削刀具的至少一视角图像；

根据所述视角图像获得所述测试车削刀具的被测表面的每一磨损部的置换系数；

基于所述置换系数的最大值大于一置换阈值，生成一所述测试车削刀具对应的置换提示符。

优选的，所述视角图像包括第一视角图像以及第二视角图像，其中，所述第一视角图像为一第一图像提取装置沿第一方向获得，所述第二视角图像为一第二图像提取装置沿第二方向获得，所述第一方向和所述第一方向关于一垂直于所述被测表面的基线对称。

优选的，其特征在于，所述根据所述视角图像获得所述测试车削刀具的被测表面的每一磨损部的置换系数包括：

根据所述第一视角图像获得每一所述磨损部的第一磨损系数；

根据所述第二视角图像获得每一所述磨损部的第二磨损系数；

根据所述第一磨损系数、与所述第一磨损系数对应的第一视角权重系数、所述第二磨损系数以及与所述第二磨损系数对应的第二视角权重系数获得与每一所述磨损部对应的所述置换系数。

优选的，其特征在于，所述根据所述第一视角图像获得每一所述磨损部的第一磨损系数包括：

对所述第一视角图像进行图像预处理获得一与所述第一视角图像对应的第一二值图像；

根据所述第一二值图像进行轮廓提取获得每一所述磨损部的第一轮廓相对应的第一计算磨损轮廓矩形；

基于每一所述磨损部的所述第一计算轮廓矩形的面积以及长度，获得每一所述磨损部的所述第一磨损系数。

优选的，所述根据所述第二视角图像获得每一所述磨损部的第二磨损系数包括：

对所述第二视角图像进行图像预处理获得一与所述第二视角图像对应的第二二值图像；

根据所述第二二值图像进行轮廓提取获得每一所述磨损部的第二轮廓相对应的第二计算磨损轮廓矩形；

基于每一所述磨损部的所述第二计算轮廓矩形的面积以及长度，获得每一所述磨损部的所述第二磨损系数。

优选的，所述第一视角权重系数与第二视角权重系数的比值等于与所述第一视角图像对应的第一深度值和基于所述第二视角图像对应的第二深度值的比值。

优选的，所述第一深度值为沿第一方向的每一所述磨损部的深度最大值；

所述第二深度值为沿第二方向的每所述磨损部的深度最大值。

优选的，所述第一磨损系数为所述第一计算轮廓矩形的面积与长度的乘积。

优选的，所述对所述第一视角图像进行图像预处理获得一与所述第一视角图像对应的第一二值图像包括：

将所述第一视角图像转换为一第一灰度图像；

对滤波后的所述第一灰度图像进行二值化，以生成所述第一二值图像。

优选的，所述对所述第二视角图像进行图像预处理获得一与所述第二视角图像对应的第二二值图像包括：

将所述第二视角图像转换为一第二灰度图像；

对滤波后的所述第二灰度图像进行二值化，以生成所述第二二值图像。

上述技术方案的有益效果是：

本发明中的车削刀具置换方法能够通过多个视角来检测车削刀具表面的磨损部(坑槽)，通过每一视角下的每一个磨损部的磨损系数获得每一个磨损部对应的置换系数，多个置换系数中的最大值大于置换阈值时，生成一测试车削刀具对应的置换提示符，从而自动响应于该置换提示符自动将该测试车削刀具替换，对比传统的刀具磨损检测过程(需要拆卸刀柄在机床外测量)，能够快速定位刀具磨损区域，实现对刀具磨损程度的准确评估和测量，进而可以快速替换车削刀具。

本发明的其它特征和优点以及本发明的各种实施例的结构和操作，将在以下参照附图进行详细的描述。应当注意，本发明不限于本文描述的具体实施例。在本文给出的这些实施例仅仅是为了说明的目的。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显。

图1是本发明的实施场景示意图；

图2是沿图1中AA’剖面示意图；

图3为本发明的一种车削刀具置换方法流程示意图；

图4为本发明的置换系数获取流程示意图；

图5为第一磨损系数获取流程示意图；

图6为第一视角图像；

图7为第二视角图像；

图8为第一二值图像获取流程示意图；

图9为第二磨损系数获取流程示意图；

图10为第二二值图像获取流程示意图。

附图标记清单：

10实施场景

11第一摄像头

12第二摄像头

13测试车削刀具

14第一磨损部

15第二磨损部

21第一方向

22第二方向

23第一深度

24第二深度

31第一视角图像

311第一轮廓

312第一计算磨损轮廓矩形

32第二视角图像

321第二轮廓

322第二计算磨损轮廓矩形

从以下结合附图的详细描述中，本发明的特征和优点将变得更加明显。贯穿附图，相同的附图标识相应元素。在附图中，相同附图标记通常指示相同的、功能上相似的和/或结构上相似的元件。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

本申请中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。

根据本发明的一个方面，提供一种车削刀具置换方法。

图1是本发明的实施场景示意图。图1示出了车削刀具置换方法的实施场景10，图1示出了一测试车削刀具12，在测试车削刀具12的表面存在第一磨损部14以及第二磨损部15。位于测试车削刀具12的两侧分别设置有第一摄像头11以及第二摄像头12，第一摄像头11沿着第一方向21进行拍摄，第二摄像头12沿着第二方向22进行拍摄，并且第一摄像头11中设有测距装置，第二摄像头12中也设置有测距装置，第一摄像头11以及第二摄像头12分别通过其中的测距装置能够检测第一磨损部14和第二磨损部15沿其方向的深度。

图2是沿图1中AA’剖面示意图。如图2所示，第一摄像头11沿着第一方向21可以测得第一磨损部14的第一深度23，其值为第一深度23值，第二摄像头12可以沿着第二方向22测得第二磨损部15的第二深度24，其值为第二深度24值。同样的，第二摄像头12沿着第一方向21可以测得第二磨损部15的第一深度23，第二摄像头12可以沿着第二方向22测得第二磨损部15的第二深度24。实际过程中，测试车削刀具12表面并不只有两个磨损部，而是存在多个磨损部，在本实施例中只是以两个为例。

图3为本发明的一种车削刀具置换方法流程示意图。图3示出的车削刀具置换方法应用于图2和图1示出的实施场景10中，包括以下步骤：步骤S101、步骤S102以及步骤S103。步骤S101，提取一测试车削刀具12的至少一视角图像。步骤S102，根据视角图像获得测试车削刀具12的被测表面的每一磨损部的置换系数。步骤S103，基于置换系数的最大值大于一置换阈值，生成一测试车削刀具12对应的置换提示符。

视角图像包括第一视角图像31以及第二视角图像32，其中，第一视角图像31为一第一图像提取装置沿第一方向21获得，第二视角图像32为一第二图像提取装置沿第二方向22获得，第一方向21和第一方向21关于一垂直于被测表面的基线对称。该基线为图2中示出的垂直于测试车削刀具12表面的虚线，并且位于对应的磨损部的中心。

图4为置换系数获取流程示意图。参考图4，步骤S102包含以下步骤：步骤S201、步骤S202以及步骤S203。步骤S201，根据第一视角图像31获得每一磨损部的第一磨损系数。步骤S202，根据第二视角图像32获得每一磨损部的第二磨损系数。步骤S203，根据第一磨损系数、与第一磨损系数对应的第一视角权重系数、第二磨损系数以及与第二磨损系数对应的第二视角权重系数获得与每一磨损部对应的置换系数。第一视角权重系数与第二视角权重系数的比值等于与第一视角图像31对应的第一深度值和基于第二视角图像32对应的第二深度值的比值。第一深度值为沿第一方向21的每一磨损部的深度最大值；第二深度值为沿第二方向22的每磨损部的深度最大值。例如，第一深度值为4，第二深度值为5时，则第一视角权重系数为0.4，第二视角权重系数为0.5。第一磨损系数与第一视角权重系数的乘积与第二磨损系数与第二视角权重系数的乘积之和即为置换系数。第一磨损系数为25，第二磨损系数为12，则置换系数为16。

图5为第一磨损系数获取流程示意图。图6为第一视角图像31。图7为第二视角图像32。参考图5，步骤S201具体包括步骤S301、步骤S302以及步骤S303。步骤S301中，对第一视角图像31进行图像预处理获得一与第一视角图像31对应的第一二值图像。在步骤S302，根据第一二值图像进行轮廓提取获得每一磨损部的第一轮廓311相对应的第一计算磨损轮廓矩形312。步骤S303，基于每一磨损部的第一计算轮廓矩形的面积以及长度，获得每一磨损部的第一磨损系数。参考图5和图6，通过第一摄像头11可以获得图6中示出的第一视角图像31，对第一视角图像31进行图像预处理并且进行图像二值化后获得第一磨损部14和第二磨损部15的第一轮廓311，并根据每一个第一轮廓311获取第一计算轮廓矩形，图6是第一轮廓311和第一视角图像31的结合。根据第一磨损部14和第二磨损部15的第一计算轮廓矩形即可以获得每一磨损部的第一磨损系数，第一磨损系数即为第一计算轮廓矩形的面积与长度的乘积。

图8为第一二值图像获取流程示意图。步骤S301包括：步骤S501和步骤S502。将第一视角图像31转换为一第一灰度图像。第一摄像头11和第二摄像头12在图像输入过程中会不可避免的引入噪声干扰信号，图像任何的高频干扰信号，特别是在检测车削刀具的磨损边缘部分出现的噪声信号，都会对后续图像处理的效果产生严重的影响，造成刀具磨损检测结果出现较大的误差，进而影响最终刀具磨损程度的判断。为了降低噪声对刀具磨损检测系统的影响，必须将第一视角图像31转换为一第一灰度图像，即图像灰度化之后，可以对其进行滤波去噪。步骤S502，对滤波后的第一灰度图像进行二值化，以生成第一二值图像。二值图像是指在图像中，灰度等级只有两种，也就是说，图像中的任何像素点的灰度值均为0或者255，分别代表黑色和白色。

图9为第二磨损系数获取流程示意图。参考图9，步骤S202具体包括步骤S401、步骤S402以及步骤S403。步骤S401中，对第二视角图像32进行图像预处理获得一与第二视角图像32对应的第二二值图像。在步骤S402，根据第二二值图像进行轮廓提取获得每一磨损部的第二轮廓321相对应的第二计算磨损轮廓矩形322。步骤S403，基于每一磨损部的第二计算轮廓矩形的面积以及长度，获得每一磨损部的第二磨损系数。参考图7和图9，通过第二摄像头12可以获得图1中示出的第二视角图像32，对第二视角图像32进行图像预处理并且进行图像二值化后获得第一磨损部14和第二磨损部15的第二轮廓321，并根据每一个第二轮廓321获取第二计算轮廓矩形，图7是第二轮廓321和第二视角图像32的结合。根据第一磨损部14和第二磨损部15的第二计算轮廓矩形即可以获得每一磨损部的第二磨损系数，第二磨损系数即为第二计算轮廓矩形的面积与长度的乘积。

图10为第二二值图像获取流程示意图。步骤S401包括：步骤S601和步骤S602。步骤S601，将第二视角图像32转换为一第二灰度图像。第一摄像头11和第二摄像头12在图像输入过程中会不可避免的引入噪声干扰信号，图像任何的高频干扰信号，特别是在检测车削刀具的磨损边缘部分出现的噪声信号，都会对后续图像处理的效果产生严重的影响，造成刀具磨损检测结果出现较大的误差，进而影响最终刀具磨损程度的判断。为了降低噪声对刀具磨损检测系统的影响，必须将第二视角图像32转换为一第二灰度图像，即图像灰度化之后，可以对其进行滤波去噪。步骤S602，对滤波后的第二灰度图像进行二值化，以生成第二二值图像。二值图像是指在图像中，灰度等级只有两种，也就是说，图像中的任何像素点的灰度值均为0或者255，分别代表黑色和白色。

再次参考图1和图2，通过以上步骤可以获得第一磨损部14的置换系数为20，第二磨损部15的置换系数为15，则将第一磨损部14的置换系数与置换阈值19相比较，第一磨损部14的置换系数已经大于置换阈值，则生成测试车削刀具12对应的置换提示符。响应于该置换提示符，通过一自动更换装置自动替换该测试车削刀具12。

综上，本发明中的车削刀具置换方法能够通过多个视角来检测车削刀具表面的磨损部(坑槽)，通过每一视角下的每一个磨损部的磨损系数获得每一个磨损部对应的置换系数，多个置换系数中的最大值大于置换阈值时，生成一测试车削刀具对应的置换提示符，从而自动响应于该置换提示符自动将该测试车削刀具替换，对比传统的刀具磨损检测过程(需要拆卸刀柄在机床外测量)，能够快速定位刀具磨损区域，实现对刀具磨损程度的准确评估和测量，进而可以快速替换车削刀具。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.一种车削刀具置换方法，其特征在于，包括以下步骤：

提取一测试车削刀具的至少一视角图像；

根据所述视角图像获得所述测试车削刀具的被测表面的每一磨损部的置换系数；

基于所述置换系数的最大值大于一置换阈值，生成一所述测试车削刀具对应的置换提示符。

2.根据权利要求1所述的车削刀具置换方法，其特征在于，所述视角图像包括第一视角图像以及第二视角图像，其中，所述第一视角图像为一第一图像提取装置沿第一方向获得，所述第二视角图像为一第二图像提取装置沿第二方向获得，所述第一方向和所述第一方向关于一垂直于所述被测表面的基线对称。

3.根据权利要求2所述的车削刀具置换方法，其特征在于，所述根据所述视角图像获得所述测试车削刀具的被测表面的每一磨损部的置换系数包括：

根据所述第一视角图像获得每一所述磨损部的第一磨损系数；

根据所述第二视角图像获得每一所述磨损部的第二磨损系数；

根据所述第一磨损系数、与所述第一磨损系数对应的第一视角权重系数、所述第二磨损系数以及与所述第二磨损系数对应的第二视角权重系数获得与每一所述磨损部对应的所述置换系数。

4.根据权利要求3所述的车削刀具置换方法，其特征在于，所述根据所述第一视角图像获得每一所述磨损部的第一磨损系数包括：

对所述第一视角图像进行图像预处理获得一与所述第一视角图像对应的第一二值图像；

根据所述第一二值图像进行轮廓提取获得每一所述磨损部的第一轮廓相对应的第一计算磨损轮廓矩形；

基于每一所述磨损部的所述第一计算轮廓矩形的面积以及长度，获得每一所述磨损部的所述第一磨损系数。

5.根据权利要求3所述的车削刀具置换方法，其特征在于，所述根据所述第二视角图像获得每一所述磨损部的第二磨损系数包括：

对所述第二视角图像进行图像预处理获得一与所述第二视角图像对应的第二二值图像；

根据所述第二二值图像进行轮廓提取获得每一所述磨损部的第二轮廓相对应的第二计算磨损轮廓矩形；

基于每一所述磨损部的所述第二计算轮廓矩形的面积以及长度，获得每一所述磨损部的所述第二磨损系数。

6.根据权利要求3所述的车削刀具置换方法，其特征在于，所述第一视角权重系数与第二视角权重系数的比值等于与所述第一视角图像对应的第一深度值和基于所述第二视角图像对应的第二深度值的比值。

7.根据权利要求6所述的车削刀具置换方法，其特征在于，所述第一深度值为沿第一方向的每一所述磨损部的深度最大值；

所述第二深度值为沿第二方向的每所述磨损部的深度最大值。

8.根据权利要求4所述的车削刀具置换方法，其特征在于，所述第一磨损系数为所述第一计算轮廓矩形的面积与长度的乘积。

9.根据权利要求4所述的车削刀具置换方法，其特征在于，所述对所述第一视角图像进行图像预处理获得一与所述第一视角图像对应的第一二值图像包括：

将所述第一视角图像转换为一第一灰度图像；

对滤波后的所述第一灰度图像进行二值化，以生成所述第一二值图像。

10.根据权利要求5所述的车削刀具置换方法，其特征在于，所述对所述第二视角图像进行图像预处理获得一与所述第二视角图像对应的第二二值图像包括：

将所述第二视角图像转换为一第二灰度图像；

对滤波后的所述第二灰度图像进行二值化，以生成所述第二二值图像。

Images