CN114758159A - 一种液压制动器切削工艺的切削控制方法 - Google Patents
一种液压制动器切削工艺的切削控制方法 Download PDFInfo
- Publication number
- CN114758159A CN114758159A CN202210659281.6A CN202210659281A CN114758159A CN 114758159 A CN114758159 A CN 114758159A CN 202210659281 A CN202210659281 A CN 202210659281A CN 114758159 A CN114758159 A CN 114758159A
- Authority
- CN
- China
- Prior art keywords
- image
- cutting
- milling cutter
- gray level
- gray
- 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
- 238000005520 cutting process Methods 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000007789 sealing Methods 0.000 claims abstract description 120
- 230000007547 defect Effects 0.000 claims abstract description 65
- 238000003801 milling Methods 0.000 claims abstract description 54
- 238000009826 distribution Methods 0.000 claims abstract description 52
- 230000001186 cumulative effect Effects 0.000 claims abstract description 43
- 230000011218 segmentation Effects 0.000 claims abstract description 41
- 230000009466 transformation Effects 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 28
- 230000008859 change Effects 0.000 claims description 15
- 230000001276 controlling effect Effects 0.000 claims description 13
- 230000001105 regulatory effect Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000007405 data analysis Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 3
- 238000010187 selection method Methods 0.000 claims 1
- 230000007704 transition Effects 0.000 description 10
- 238000001514 detection method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000003754 machining Methods 0.000 description 3
- 241001270131 Agaricus moelleri Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 244000145845 chattering Species 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000000873 masking effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229960001948 caffeine Drugs 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- RYYVLZVUVIJVGH-UHFFFAOYSA-N trimethylxanthine Natural products CN1C(=O)N(C)C(=O)C2=C1N=CN2C RYYVLZVUVIJVGH-UHFFFAOYSA-N 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- B23Q1/00—Members which are comprised in the general build-up of a form of machine, particularly relatively large fixed members
- B23Q1/0009—Energy-transferring means or control lines for movable machine parts; Control panels or boxes; Control parts
-
- 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
- B23Q15/00—Automatic control or regulation of feed movement, cutting velocity or position of tool or work
- B23Q15/007—Automatic control or regulation of feed movement, cutting velocity or position of tool or work while the tool acts upon the workpiece
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Mechanical Engineering (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种液压制动器切削工艺的切削控制方法及系统，涉及智能控制领域，通过自适应控制系统，按照预定的准则自动调整自己使切削控制系统具有最佳性能。包括：获取制动器密封凹槽图像；建立初始灰度累积分布直方图；根据校正后的各灰度级的频率得到灰度累积分布直方图；根据灰度累积分布直方图选取分段点进行分段线性变换得到分段线性增强图像；确定密封凹槽缺陷程度后计算铣刀的控制参数进行切削参数调控。本发明通过对图像的分段线性增强增大图像中振纹缺陷与密封凹槽正常部分的对比度，使自适应分割结果更准确；自适应选取分段点能够在提高效率的同时适应不同程度的缺陷，增加系统的鲁棒性。
Description
技术领域
本发明涉及智能控制领域，具体涉及一种液压制动器切削工艺的切削控制方法。
背景技术
中国经济的发展促进了汽车行业的发展，城市的车辆越来越多，随之而来的安全性问题也是日益突出。影响汽车安全的因素中，制动性能起了决定性的作用。根据统计，在交通事故中，制动因素直接导致的交通事故占有15%-20%，是造成交通事故的主要因素之一，而制动部件的质量好坏决定着制动性能的优劣，因此研究汽车制动安全关键部位的检测技术更加的紧迫。
在机械加工制造业中，由于受到材料本身的特性以及加工过程的影响，制动部件的密封凹槽部位会出现砂眼、振纹等等各种缺陷，这些缺陷大大能够在极大程度上影响了制动部件的密封性能，更加重要的是它同时也会影响了以该零件为组成部分整个设备的性能，降低了设备的精度及寿命。为了保证制动器的密封性能，需要根据检测结果对生产制动器的铣刀参数进行调控。
当前国内检测制动器缺陷主要还是靠人工检测的方法，这种方法对检验人员的要求很高，而且工作时间长也会容易造成眼部疲劳，导致对制动器密封凹槽的缺陷检测的结果精度不高，进一步会影响后续对制动器的切削工艺中控制参数的调整，制动器的密封性能以及整个设备的质量无法得到完全保证。
基于上述技术问题，本发明提供了一种液压制动器切削工艺的切削控制方法，通过建立自适应控制系统，按照预定的准则，根据液压制动器密封凹槽图像的性质，对液压制动器密封凹槽图像进行分段线性增强，自适应选取分段点，不仅可以提高效率，同时可以适应不同程度的缺陷，增加系统的鲁棒性，自动调整系统中铣刀参数，使切削控制系统具有最佳性能。
发明内容
针对上述技术问题，本发明提供了一种液压制动器切削工艺的切削控制方法。
第一方面，本发明实施例提供了一种液压制动器切削工艺的切削控制方法，包括：
获取完成铣刀工艺的制动器密封凹槽图像；
获取制动器密封凹槽图像中各像素点所属的初始灰度级，根据各像素点及其邻域像素点的灰度值计算各像素点的相似性；
根据各像素点的相似性对各像素点是否属于所属初始灰度级进行判断，将不属于所属初始灰度级的像素点进行灰度级重新分配，计算重新分配后的各灰度级的频率得到灰度累积分布直方图；
根据灰度累积分布直方图的变化情况进行分段点的选取，根据选取的分段点对制动器密封凹槽图像进行分段线性变换得到分段线性增强图像；
对分段线性增强图像进行二值化处理得到增强二值图，根据增强二值图中各行非零像素值的像素点数量绘制增强二值图像投影图，根据增强二值图像投影图确定密封凹槽缺陷程度；
根据密封凹槽缺陷程度计算铣刀的控制参数，根据铣刀控制参数对切削参数进行调控。
根据密封凹槽缺陷程度计算铣刀的控制参数的方法为：预设缺陷阈值，当密封凹槽缺陷程度小于缺陷阈值时，切削工艺的铣刀控制参数正常，当密封凹槽缺陷程度大于等于缺陷阈值时，切削工艺的铣刀控制参数异常，根据密封凹槽缺陷程度和铣刀原始控制参数对铣刀控制参数进行计算，具体计算公式如下：
其中，
为需要调控的铣刀控制参数，
为密封凹槽缺陷程度，
为铣刀原始控制参数，
为超参数。
根据增强二值图像投影图确定密封凹槽缺陷程度的方法为：对增强二值图像投影图像的纵坐标进行比较，即对增强二值图像的每行像素点的数量之和进行比较并排序，找出局部最低点和局部最高点进行比较，局部最低点和局部最高点的差值作为密封凹槽缺陷程度。
根据灰度累积分布直方图的变化情况选取分段点的方法如下：
构建灰度累积分布直方图的一阶差分序列，对构建的一阶差分序列进行粗分段，即将一阶差分序列中的元素间的相似性高的元素分为一类，同时满足元素的连续性，对一阶差分序列分类，采用最大类间方差法进行计算，约束条件为每一个类别中的元素为连续的，通过调整分段点的位置进行序列分段，计算得到的类内方差最小，类间方差最大，此时的分段点即极为最优分段点。
根据各像素点及其邻域像素点的灰度值计算各像素点的相似性的方法为：根据各像素点及其邻域像素点的灰度级，结合邻域像素点的数量，计算每个像素点的相似性，计算公式如下：
其中，
为像素点的相似性，
为该像素点的灰度级，
为该像素点邻域内的第
个像素点的灰度级，
为该像素点邻域内像素点的数量。
建立灰度累积分布直方图的方法为：
获取密封凹槽图像中各灰度级的频率，按照从小到大的顺序排序，从灰度级频率最小的值开始，下一灰度级频率累加前面所有灰度级频率作为当前灰度级频率，累加到最大灰度级时，最大灰度级频率为1，得到灰度累积分布直方图。
第二方面，本发明实施例提供了一种液压制动器切削工艺的切削控制系统，包括：
图像处理模块：用于采集制动器密封的凹槽表面图像，对采集的图像进行去除噪声干扰处理得到制动器密封凹槽表面图像，利用大津法对制动器密封凹槽表面图像进行阈值分割，绘制密封凹槽表面图像投影图进行图像裁剪得到只有密封凹槽区域的密封凹槽图像；
数据分析模块：根据密封凹槽图像中像素点的初始灰度级对各灰度级进行重新分配，根据重新分配后的灰度级的频率建立灰度累积分布直方图，利用灰度累积分布直方图获取分段点进而得到分段线性增强图像，根据分段线性增强图像确定密封凹槽缺陷程度，进一步计算切削工艺中铣刀控制参数；
控制器：根据得到的切削工艺中铣刀控制参数对液压制动器进行控制，调控液压制动器中铣刀的控制参数完成切削控制。
相比于现有技术，本发明实施例的有益效果在于：
1、 通过对液压制动器密封凹槽图像进行分段线性增强，使得图像中的前景（振纹缺陷）与背景（密封凹槽正常部分）的对比度增大，在灰度直方图中更趋近于完美的双峰状态，使得后续自适应分割结果更加准确。
2、 根据液压制动器密封凹槽图像的性质，对液压制动器密封凹槽图像进行分段线性增强，自适应选取分段点，不仅可以提高效率，同时可以适应不同程度的缺陷，增加系统的鲁棒性，使切削控制系统具有最佳性能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种液压制动器切削工艺的切削控制方法的方法流程图；
图2为本发明实施例提供的一种液压制动器切削工艺的切削控制方法的液压制动器密封凹槽表面图像；
图3为本发明实施例提供的一种液压制动器切削工艺的切削控制方法的液压制动器密封凹槽表面振纹图像；
图4为本发明实施例提供的一种液压制动器切削工艺的切削控制方法的图像采集系统示意图；
图5为本发明实施例提供的一种液压制动器切削工艺的切削控制方法的液压制动器密封凹槽图像投影图；
图6为本发明实施例提供的一种液压制动器切削工艺的切削控制方法的密封凹槽图像；
图7为本发明实施例提供的一种液压制动器切削工艺的切削控制方法的分段线性变换示意图；
图8为本发明实施例提供的一种液压制动器切削工艺的切削控制方法的增强二值图像投影图。
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用以解释本发明，并不用于限定本发明。基于本发明中的实施例，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他实施例，都属于本发明保护的范围。
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征；在本实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。
实施例1
本发明实施例提供了一种液压制动器切削工艺的切削控制方法，如图1所示，包括：
S101、获取制动器密封凹槽表面图像
采集制动器密封凹槽图像，对采集到的图像进行去噪处理，保留边缘细节和缺陷的突变信息，并掩盖部分液压制动器密封凹槽图像无法避免的图像噪声，
S102、裁剪得到密封凹槽图像
制动器密封凹槽表面图像是由液压制动器密封凹槽区域图像与非密封凹槽区域图像组成，我们所需要的信息仅是液压制动器密封凹槽区域。对得到的制动器密封凹槽表面图像进行处理，根据处理后图像绘制投影图，根据投影图的数据对制动器密封凹槽表面图像进行裁剪得到只包含密封凹槽区域的密封凹槽图像。减少后期图像处理和分析的计算量的同时也能够提高最终质量检测的精确度。
S103、获取灰度累积分布直方图
灰度累积分布直方图的变化情况能够图像区域的变化，通过寻找累计分布直方图变化平缓的区间即为过渡区域，但液压制动器密封凹槽区域图像前景或背景灰度级中也存在过渡灰度级区间的像素点，此类像素点会影响累计分布直方图的变化，因此对得到的初始的灰度累积分布直方图进行重构，将一个灰度级中明显区别于大多数像素点的像素点进行重新分配，使灰度累计分布直方图更贴合实际情况。
S104、得到分段线性增强图像
利用分段线性函数来增强图像对比度的方法实际上增强原图各部分的反差，即增加图像中感兴趣的灰度区域，相对抑制那些不感兴趣的灰度区域。分段的灰度拉伸可以更加灵活的控制输出灰度直方图的分布，可以有选择性的拉伸某段灰度区间，以改善输出图像。因此根据灰度累积分布直方图确定分段点对密封凹槽图像进行图像增强得到分段线性增强图像。
S105、确定密封凹槽缺陷程度
根据得到的分段线性增强图像进行分析，对分段线性增强图像进行二值化处理，根据增强二值图绘制增强二值图像投影图，根据增强二值图像投影图确定密封凹槽缺陷程度，密封凹槽缺陷程度反映了振纹程度，振纹程度越明显，则说明生产该液压制动器的铣刀的参数越异常，根据密封凹槽缺陷程度进一步计算铣刀的参数。
S106、计算铣刀的控制参数进行切削控制
根据密封凹槽缺陷程度反映液压制动器的质量，若液压制动器质量存在问题，进一步计算铣刀的参数，对铣刀参数进行调控，从而达到提高液压制动器质量的作用。
实施例2
本发明实施例提供了一种液压制动器切削工艺的切削控制方法，如图1所示，具体内容包括：
S201、获取制动器密封凹槽图像
采集制动器密封凹槽图像，如图2所示，对采集到的图像进行去噪处理，保留边缘细节和缺陷的突变信息，并掩盖部分液压制动器密封凹槽图像无法避免的图像噪声。
1.采集制动器密封凹槽表面图像
由于液压制动器在机械加工制造业中，受到材料本身的特性以及加工过程的影响，制动部件会出现砂眼、振纹等等各种缺陷，如图3所示，此类缺陷通常存在制动器的密封凹槽中，液压制动器密封凹槽处在液压制动器内部100mm处，普通的相机不能直接放置在其中，且由于液压制动器密封凹槽内环境较暗，故需要进行补光处理。
相机采用工业CCD相机，照明面要有均匀且强度合适的光照度，这样可以很好的突出缺陷与背景的对比度，光源的强度较大可能会使图像失真；当光源的强度比较小时，会增强图像上的噪声，无论光照度较强、较弱或者不均匀，都会增加图像算法的难度。LED灯因其体积小、能耗低、寿命长、显色性好、光谱范围宽等优点被广泛应用于机器视觉照明系统中，本实施例根据具体的工作环境，并在检测中有好的照明环境，设计选择LED灯作为光源。照明系统中将液压制动器密封凹槽底面成像到CCD感光面上，由于密封凹槽在侧面，摄像机和镜头无法直接对侧面进行拍摄，所以只能借助全反射棱镜实现密封凹槽底面的景90度偏转，得到制动器密封凹槽图像，如图2所示。图像采集系统如图4所示。
2.图像去噪处理
将采集到的制动器密封凹槽表面图像转化为灰度图像，并进行去噪处理，在液压制动器密封凹槽表面图像的获取中由于受到外界环境的因素和内部干扰等等的影响，在引入的图像数据中加入了噪声，降低了图像的质量，对后期的图像处理不利，大大影响了系统的精确度，所以，要采取方法减少噪声。采用中值滤波对图像进行去噪处理，中值滤波为现有技术，本实施例中不予以详细概述，中值滤波可以抑制液压制动器密封凹槽图像比较尖锐的噪声，保留边缘细节和缺陷的突变信息，并掩盖部分液压制动器密封凹槽图像无法避免的图像噪声。
至此，通过布置相机采集制动器密封凹槽图像，并对采集到的图像进行灰度化与去噪处理，得到制动器密封凹槽表面图像。
S202、裁剪得到密封凹槽图像
制动器密封凹槽表面图像是由液压制动器密封凹槽区域图像与非密封凹槽区域图像组成，我们所需要的信息仅是液压制动器密封凹槽区域。对得到的制动器密封凹槽图像进行处理，根据处理后图像绘制投影图，根据投影图的数据对制动器密封凹槽表面图像进行裁剪得到只包含密封凹槽区域的密封凹槽图像。减少后期图像处理和分析的计算量的同时也能够提高最终质量检测的精确度。
在进行图像数据分析的构成中所需要的信息是液压制动器密封凹槽区域，但是本实施例中得到的制动器密封凹槽表面图像中还包含有非密封凹槽区域。首先，后期图像处理如果加入了非密封凹槽区域，那么每一步的算法都会处理非区域，将会大大的增加数据量，加长数据运算时间。另外，液压制动器密封凹槽区域与非密封凹槽区域的灰度值等特征并不一致，正常液压制动器密封凹槽区域的灰度值大于非密封凹槽区域的灰度值，而缺陷的灰度值可能与液压制动器非密封凹槽区域的灰度值非常接近，为后期图像处理带来很大的难度，所以有必要去除液压制动器密封凹槽区域。采用OTSU（大津法）对采集到的图像进行阈值分割得到二值图像，液压制动器密封凹槽与非密封凹槽之间的交界处有两条很明显的黑色带区，可以利用这样的特点扫描图像，以列为单位，统计每列白色像素和，由此绘制密封凹槽图像投影图，密封凹槽图像投影图如图5所示，根据密封凹槽图像投影图中的最低谷进行图像裁减，得到密封凹槽图像，如图6所示。
S203、获取灰度累积分布直方图
灰度累积分布直方图的变化情况能够图像区域的变化，通过寻找累计分布直方图变化平缓的区间即为过渡区域，但液压制动器密封凹槽区域图像前景或背景此处前景为振纹，背景为正常区域的液压制动器密封凹槽区域）灰度级中也存在过渡灰度级区间的像素点，此类像素点会影响累计分布直方图的变化，因此对得到的初始灰度累积分布直方图进行重构，将一个灰度级中明显区别于大多数像素点的像素点进行重新分配，使累计分布直方图更贴合实际情况。
1.构建初始灰度累积分布直方图
获取密封凹槽裁剪图中各灰度级像素点的数量，计算每个灰度级再图像中出现的频率，即：
其中，
表示第
个灰度级的频率，
表示第
个灰度级中像素点的数量，
表示密封凹槽裁剪图的大小。
根据密封凹槽图像中各灰度级的频率建立密封凹槽图像的灰度直方图，根据灰度直方图建立初始累计分布直方图，即从最小灰度级频率开始，下一灰度级频率累加前面所有灰度级频率作为当前灰度级频率，累加到最大灰度级时，最大灰度级频率为1，根据累计分布直方图的增长情况进行分段线性增强的分段点自适应选取。
2.对初始灰度累积分布直方图进行重构
对于存在振纹缺陷的液压制动器密封凹槽区域图像的前景区域与背景区域灰度级的像素点个数往往较多，（此处前景为振纹，背景为正常区域的液压制动器密封凹槽区域），而前景区域与背景区域的过渡灰度级像素点的数量往往较少，同时对于过渡区域灰度级，难以确定有效的分割阈值进行较好的分割，因此为了得到效果更好的分割结果，对前景区域进行拉伸、背景区域进行抑制的作用。通过寻找灰度累计分布直方图中变化平缓的区间即为过渡区域，但液压制动器密封凹槽区域图像前景或背景灰度级中也存在过渡灰度级区间的像素点，此类像素点会影响累计分布直方图的变化，故需要对该初始累计分布直方图进行重构，将一个灰度级中明显区别于大多数像素点的像素点进行重分配，使得累计分布直方图更贴合实际情况。
对于振纹明显区域与明显正常区域的像素点，像素点与其邻域像素点相似性高，而对于过渡区域的像素点，其与邻域像素点的相似性低，故像素点的灰度级虽然相同，但其所处位置的不同其代表的状态也不相同，单纯根据灰度信息进行计算忽略了像素点的空间信息，导致计算结果不准，故计算像素点的相似性，具体计算方法如下：
其中，
为像素点的相似性，
为该像素点的灰度级，
为该像素点邻域内的第
个像素点的灰度级，
为该像素点邻域内像素点的数量。
相似性B的值越小，说明该像素点越不可能为过渡区的像素点，故需要对该像素点进行重新分配。
第
个灰度级中有
个像素点，对每个灰度级中的每个像素点进行重构判断，通过相似性进行像素点的隶属度判断，当第
个灰度级中中第
个像素点的相似性
时，
经验值，本实施例中
，说明该像素点在该灰度级中的隶属度低，需要对该像素点进行重新分配新的灰度级，在第
个灰度级中存在该类需要重新分配的像素点的数量为
。
对于第i个灰度级中需要重新分配的像素点
，分配规则为：
其中，
为重新分配的第
个像素点的重构分配灰度级，
表示重新分配的第
个像素点的原始灰度级，
表示该像素点邻域中第
个像素点的灰度级，
表示该像素点邻域内像素点的数量。
计算所有需要进行重新分配的像素点的重构分配灰度级，统计与第
个灰度级相同的像素点数量，记为
。
每一个灰度级对应一个初始灰度频率，重新分配后的各灰度频率为：
式中：
为重新分配后第
个灰度级的频率，
为重新分配前的第
个灰度级中像素点的数量，
表示第
个灰度级中增加的像素点数量，
表示第
个灰度级中减少的像素点数量，
为密封凹槽图像的大小。
根据重新分配后各灰度级的频率
建立灰度累积分布直方图，根据该灰度累积分布直方图的变化情况即可进行分段点的选取，构建灰度累积分布直方图的一阶差分序列，对构建的一阶差分序列进行粗分段，即将一阶差分序列中的元素间的相似性高的元素分为一类，同时满足元素的连续性，对一阶差分序列分类，采用最大类间方差法进行计算，约束条件为每一个类别中的元素为连续的，通过调整分段点的位置进行序列分段，计算得到的类内方差最小，类间方差最大，此时的分段点即极为最优分段点。根据每段中的差分平均值进行增强压缩判断，设定阈值，某段的差分均值小于阈值时，需要对该段进行拉伸，当某段的差分均值大于阈值时，需要对该段进行压缩。阈值的选取根据实际情况自行调整，经验值为u=0.001。
S204、得到分段线性增强图像
利用分段线性函数来增强图像对比度的方法实际上增强原图各部分的反差，即增加图像中感兴趣的灰度区域，相对抑制那些不感兴趣的灰度区域。分段的灰度拉伸可以更加灵活的控制输出灰度直方图的分布，可以有选择性的拉伸某段灰度区间，以改善输出图像。因此根据重构后的灰度累积分布直方图确定分段点对密封凹槽裁剪图像进行图像增强得到分段线性增强图像。
根据分段结果对密封凹槽图像进行分段线性变换，以三段线性变换为例，实际段数根据分段点的个数进行确定，可为多段，此处为了方便说明以三段线性变换为例分段线性变换如图7所示，在重构累计分布直方图中，当两个分段点（min与max也为分段点）间的均值大于阈值时，该段需要进行灰度压缩，即线性斜率小于1；当两个分段点间的均值小于阈值时，该段需要进行灰度拉伸，即线性斜率大于1，拉伸之后的目的是为了让图像的灰度直方图呈现完美的双峰状态。
S205、确定密封凹槽缺陷程度
根据得到的分段线性增强图像进行分析，对分段线性增强图像进行二值化处理，根据增强二值图绘制增强二值图像投影图，根据增强二值图像投影图确定密封凹槽缺陷程度，密封凹槽缺陷程度反映了振纹程度，振纹程度越明显，则说明生产该液压制动器的铣刀的参数越异常，根据密封凹槽缺陷程度进一步计算铣刀的参数。
采用OTSU（大津法）对分段线性增强后的图像进行分割，获得二值化的增强二值图像，对于阈值之后的图像白色的像素为1，黑色的像素为0，以行为单位，统计每行的像素和，也就是白点的个数和。绘制增强二值图像投影图，如图8所示，以增强二值图像投影图的高度为横坐标，二值图像的每行的像素和为纵坐标，图像的左上角为原点，得到水平投影的图，对纵坐标值进行比较，并进行排序，找到局部最低和局部最大点，求出两者的差值
作为密封凹槽缺陷程度，厂家规定密封凹槽缺陷程度
超过100则为有缺陷的产品，密封凹槽缺陷程度越大，说明振纹缺陷越严重。
S206、计算铣刀的控制参数进行切削控制
根据密封凹槽缺陷程度反映液压制动器的质量，若液压制动器质量存在问题，进一步计算铣刀的参数，对铣刀参数进行调控，从而达到提高液压制动器质量的作用。
根据差值
进行产品质量评估，当差值
时，说明该产品为合格品，不存在振纹缺陷，即生产该液压制动器的铣刀参数正常，当
时，说明产品不合格，存在振纹缺陷，即生产该液压制动器的铣刀参数异常，需要对铣刀参数进行调控，振纹缺陷为纹理缺陷，即铣刀的进刀参数过大，需要减小，因此计算铣刀的控制参数，计算方法如下：
其中，
为需要调控的铣刀控制参数，
为密封凹槽缺陷程度，
为铣刀原始控制参数，
为超参数，本实施例中
，实施者可根据实际情况进行选择。
根据计算得到的铣刀的控制参数进行调整，实现对液压制动器切削工艺的切削控制，提高切削的精度，进一步保证了液压制动器的质量。
基于与上述方法相同的发明构思，本实施例还提供了一种液压制动器切削工艺的切削控制系统，本实施例中一种液压制动器切削工艺的切削控制系统包括图像处理模块、数据分析模块和控制器，所述图像处理模块、数据分析模块和控制器，以实现如一种液压制动器切削工艺的切削控制方法的实施例中所描述的利用对采集的制动器密封凹槽表面图像进行图像处理，得到去除噪声干扰的制动器密封凹槽表面图像，利用大津法对制动器密封凹槽表面图像进行阈值分割，绘制密封凹槽图像投影图进行图像裁剪得到只有密封凹槽区域的密封凹槽图像；根据密封凹槽图像中灰度级的频率建立初始灰度累积分布直方图，根据密封凹槽裁剪图中各像素点的相似性对灰度累积分布直方图进行重构，利用重构后的灰度累积分布直方图获取分段点进而得到分段线性增强图像，根据分段线性增强图像确定密封凹槽缺陷程度，进一步计算切削工艺中铣刀控制参数；根据得到的切削工艺中铣刀控制参数对液压制动器进行控制，调控液压制动器中铣刀的控制参数完成切削控制。
由于一种液压制动器切削工艺的切削控制方法实施例中已经对利用对采集的制动器密封凹槽表面图像进行图像处理，得到去除噪声干扰的制动器密封凹槽表面图像，利用大津法对制动器密封凹槽表面图像进行阈值分割，绘制密封凹槽图像投影图进行图像裁剪得到只有密封凹槽区域的密封凹槽图像；根据密封凹槽图像中灰度级的频率建立初始灰度累积分布直方图，根据密封凹槽裁剪图中各像素点的相似性对灰度累积分布直方图进行重构，利用重构后的灰度累积分布直方图获取分段点进而得到分段线性增强图像，根据分段线性增强图像确定密封凹槽缺陷程度，进一步计算切削工艺中铣刀控制参数；根据得到的切削工艺中铣刀控制参数对液压制动器进行控制，调控液压制动器中铣刀的控制参数完成切削控制的方法进行了说明，此处不再赘述。
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、改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种液压制动器切削工艺的切削控制方法，其特征在于，包括：
获取完成铣刀工艺的制动器密封凹槽图像；
获取制动器密封凹槽图像中各像素点所属的初始灰度级，根据各像素点及其邻域像素点的灰度值计算各像素点的相似性；
根据各像素点的相似性对各像素点是否属于所属初始灰度级进行判断，将不属于所属初始灰度级的像素点进行灰度级重新分配，计算重新分配后的各灰度级的频率得到灰度累积分布直方图；
根据灰度累积分布直方图的变化情况进行分段点的选取，所述分段点的选取的方法如下：
构建灰度累积分布直方图的一阶差分序列，对构建的一阶差分序列进行粗分段，即将一阶差分序列中的元素间的相似性高的元素分为一类，同时满足元素的连续性，对一阶差分序列分类，采用最大类间方差法进行计算，约束条件为每一个类别中的元素为连续的，通过调整分段点的位置进行序列分段，计算得到的类内方差最小，类间方差最大对应的分段点即为最终选取的分段点；
根据选取的分段点对制动器密封凹槽图像进行分段线性变换得到分段线性增强图像；
对分段线性增强图像进行二值化处理得到增强二值图，根据增强二值图中各行非零像素值的像素点数量绘制增强二值图像投影图，根据增强二值图像投影图确定密封凹槽缺陷程度；
当密封凹槽缺陷程度小于缺陷阈值时，切削工艺的铣刀控制参数正常，当密封凹槽缺陷程度大于等于缺陷阈值时，切削工艺的铣刀控制参数异常，利用密封凹槽缺陷程度和铣刀原始控制参数对铣刀控制参数进行计算，并根据计算得到的铣刀控制参数对切削参数进行调控：
利用密封凹槽缺陷程度和铣刀原始控制参数对铣刀控制参数进行计算的表达式为：
其中，
为需要调控的铣刀控制参数，
为密封凹槽缺陷程度，
为铣刀原始控制参数，
为超参数。
2.根据权利要求1所述的一种液压制动器切削工艺的切削控制方法，其特征在于，所述根据增强二值图像投影图确定密封凹槽缺陷程度的方法为：对增强二值图像投影图像的纵坐标进行比较，即对增强二值图像的每行像素点的数量之和进行比较并排序，找出局部最低点和局部最高点进行比较，局部最低点和局部最高点的差值作为密封凹槽缺陷程度。
3.根据权利要求1所述的一种液压制动器切削工艺的切削控制方法，其特征在于，所述根据各像素点及其邻域像素点的灰度值计算各像素点的相似性的方法为：根据各像素点及其邻域像素点的灰度级，结合邻域像素点的数量，计算每个像素点的相似性，计算公式如下：
其中，
为像素点的相似性，
为该像素点的灰度级，
为该像素点邻域内的第
个像素点的灰度级，
为该像素点邻域内像素点的数量。
4.根据权利要求1所述的一种液压制动器切削工艺的切削控制方法，其特征在于，所述建立灰度累积分布直方图的方法为：
获取密封凹槽图像中各灰度级的频率，按照从小到大的顺序排序，从灰度级频率最小的值开始，下一灰度级频率累加前面所有灰度级频率作为当前灰度级频率，累加到最大灰度级时，最大灰度级频率为1，得到灰度累积分布直方图。
5.一种液压制动器切削工艺的切削控制系统，包括：图像处理模块、数据分析模块和控制器，其特征在于：
图像处理模块：用于采集制动器密封的凹槽表面图像，对采集的图像进行去除噪声干扰处理得到制动器密封凹槽表面图像，利用大津法对制动器密封凹槽表面图像进行阈值分割，绘制密封凹槽表面图像投影图进行图像裁剪得到只有密封凹槽区域的密封凹槽图像；
数据分析模块：根据密封凹槽图像中像素点的初始灰度级对各灰度级进行重新分配，根据重新分配后的灰度级的频率建立灰度累积分布直方图，利用灰度累积分布直方图获取分段点进而得到分段线性增强图像，根据分段线性增强图像确定密封凹槽缺陷程度，进一步计算切削工艺中铣刀控制参数；
控制器：根据得到的切削工艺中铣刀控制参数对液压制动器进行控制，调控液压制动器中铣刀的控制参数完成切削控制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210659281.6A CN114758159A (zh) | 2022-06-13 | 2022-06-13 | 一种液压制动器切削工艺的切削控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210659281.6A CN114758159A (zh) | 2022-06-13 | 2022-06-13 | 一种液压制动器切削工艺的切削控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114758159A true CN114758159A (zh) | 2022-07-15 |
Family
ID=82337103
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210659281.6A Pending CN114758159A (zh) | 2022-06-13 | 2022-06-13 | 一种液压制动器切削工艺的切削控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114758159A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115294112A (zh) * | 2022-09-30 | 2022-11-04 | 南通爱唯家用纺织品有限公司 | 一种竹席切割装置的控制方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102331425A (zh) * | 2011-06-28 | 2012-01-25 | 合肥工业大学 | 基于缺陷增强的纺织品缺陷检测方法 |
| CN108555692A (zh) * | 2017-12-29 | 2018-09-21 | 四川明日宇航工业有限责任公司 | 用于军用飞机零件铣加工中的铣削参数调整方法 |
| CN110664435A (zh) * | 2019-09-23 | 2020-01-10 | 东软医疗系统股份有限公司 | 心脏数据的获取方法、装置及超声成像设备 |
| CN112561835A (zh) * | 2020-12-15 | 2021-03-26 | 南京邮电大学 | 一种自适应逆直方图均衡化细节增强方法及系统 |
| CN113934190A (zh) * | 2021-12-17 | 2022-01-14 | 武汉春田纸品包装有限公司 | 一种基于机器视觉的瓦楞纸板生产质量调控方法 |
-
2022
- 2022-06-13 CN CN202210659281.6A patent/CN114758159A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102331425A (zh) * | 2011-06-28 | 2012-01-25 | 合肥工业大学 | 基于缺陷增强的纺织品缺陷检测方法 |
| CN108555692A (zh) * | 2017-12-29 | 2018-09-21 | 四川明日宇航工业有限责任公司 | 用于军用飞机零件铣加工中的铣削参数调整方法 |
| CN110664435A (zh) * | 2019-09-23 | 2020-01-10 | 东软医疗系统股份有限公司 | 心脏数据的获取方法、装置及超声成像设备 |
| CN112561835A (zh) * | 2020-12-15 | 2021-03-26 | 南京邮电大学 | 一种自适应逆直方图均衡化细节增强方法及系统 |
| CN113934190A (zh) * | 2021-12-17 | 2022-01-14 | 武汉春田纸品包装有限公司 | 一种基于机器视觉的瓦楞纸板生产质量调控方法 |
Non-Patent Citations (1)
| Title |
|---|
| 张浩: "液压制动器密封凹槽缺陷机器视觉检测系统", 《万方数据知识服务平台》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115294112A (zh) * | 2022-09-30 | 2022-11-04 | 南通爱唯家用纺织品有限公司 | 一种竹席切割装置的控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114494210B (zh) | 基于图像处理的塑料膜生产缺陷检测方法及系统 | |
| CN109035195B (zh) | 一种织物疵点检测方法 | |
| CN108596903B (zh) | 一种太阳能电池片的黑边和碎片的缺陷检测方法 | |
| CN115272321B (zh) | 一种基于机器视觉的纺织品缺陷检测方法 | |
| CN115049664B (zh) | 基于视觉的船舶发动机配件缺陷检测方法 | |
| CN115546203B (zh) | 基于图像数据算法的生产监测分析方法 | |
| CN115439494B (zh) | 用于喷雾机质检的喷雾图像处理方法 | |
| CN107367241B (zh) | 一种基于机器视觉的汽车轮胎花纹识别方法 | |
| CN107895151A (zh) | 一种强光照条件下基于机器视觉的车道线检测方法 | |
| CN114004834B (zh) | 一种图像处理中的雾天情况分析方法、设备及装置 | |
| CN116630813B (zh) | 一种公路路面施工质量智能检测系统 | |
| CN114820625B (zh) | 一种汽车顶块缺陷检测方法 | |
| CN110427979B (zh) | 基于K-Means聚类算法的道路水坑识别方法 | |
| CN115496692A (zh) | 一种润滑油磨粒图像增强方法 | |
| CN115359053A (zh) | 一种金属板材缺陷智能检测方法及系统 | |
| CN114758159A (zh) | 一种液压制动器切削工艺的切削控制方法 | |
| CN111968079B (zh) | 基于断面局部极值及分段稀疏的三维路面裂缝提取方法 | |
| CN116310845A (zh) | 一种用于污水处理的智能监测系统 | |
| CN110533626B (zh) | 一种全天候水质识别方法 | |
| CN117522869B (zh) | 图像处理方法和缺陷检测方法、系统、电子设备 | |
| CN116758045B (zh) | 一种半导体发光二极管的表面缺陷检测方法及系统 | |
| CN117011243A (zh) | 矶花图像对比分析方法 | |
| GB2399629A (en) | Automatic thresholding algorithm method and apparatus | |
| CN115880181A (zh) | 一种增强图像对比度的方法、装置及终端 | |
| CN114638847A (zh) | 基于图像处理的绝缘子金具修整方法及系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220715 |