TW201600223A - 工具檢查方法及工具檢查裝置 - Google Patents

Abstract

本發明具備如下步驟：灰度影像生成步驟，其係對作為檢查對象之對象工具進行拍攝，生成灰度影像；分布圖生成步驟，其係針對灰度影像，生成表示與輝度值對應之像素數之分布的分布圖；及判定步驟，其係根據分布圖來判定對象工具之狀態。

Description

工具檢查方法及工具檢查裝置

本發明係關於一種工具檢查方法及工具檢查裝置。

JP1997-218030A中，作為工具之形狀缺損的檢測方法，揭示有利用雷射對焦位移計、於自以稜線描繪之外周形狀以微小量朝內側的線上進行掃描，探測出掃描線上之凹凸的方法。

而且，JP2010-162671A中，作為切削工具之狀態的檢查方法，揭示有如下方法：當已進行第1定位、即、將切削工具定位於檢查位置時，記憶切削工具之第1位置及第1前端位置，當已進行第2定位、即、將切削工具定位於檢查位置時，記憶切削工具之第2位置及第2前端位置，根據第1前端位置與第2前端位置之差、及第1位置與第2位置之間的位移量，求出切削工具的磨損量。

然而，JP1997-218030A中記載之方法係利用雷射光之掃描來檢查工具之缺損，故而，裝置規模大，而且，檢查需要花費較長時間。

而且，JP2010-162671A中記載之方法中，須將切削工具定位於特定的位置，故而，檢查精度會受切削工具之定位精度的影響。而且，切削工具之定位亦需要花費較長時間。

本發明之目的在於以簡單的方法高精度地對工具進行檢查。

根據本發明之某一態樣，係一種工具檢查方法，其具備：灰度影像生成步驟，其係對作為檢查對象之對象工具進行拍攝，生成灰度影像；分布圖生成步驟，其係針對上述灰度影像，生成表示與輝度值對應之像素數之分布的分布圖；及判定步驟，其係根據上述分布圖來判定上述對象工具之狀態。

根據本發明之另一態樣，係一種工具檢查裝置，其具備：灰度影像生成部，其對作為檢查對象之對象工具進行拍攝，生成灰度影像；分布圖生成部，其針對上述灰度影像，生成表示與輝度值對應之像素數之分布的分布圖；及判定部，其根據上述分布圖來判定上述對象工具之狀態。

1‧‧‧相機

2‧‧‧電腦

21‧‧‧顯示器

22‧‧‧鍵盤

23‧‧‧滑鼠

100‧‧‧工具檢查裝置

圖1係本發明之實施形態之工具檢查裝置的概略構成圖。

圖2係表示本發明之實施形態之工具檢查方法的順序的流程圖。

圖3A中表示使用次數為0次之未使用之折疊式刀片的灰度影像。

圖3B中表示圖3A之分布圖。

圖4A中表示使用次數為100次之折疊式刀片的灰度影像。

圖4B中表示圖4A之分布圖。

圖5中表示折疊式刀片之每種使用次數下的分布圖。

圖6係表示磨損度指標E之變化的圖表。

圖7係表示手動抽取之磨損區域的面積之變化的圖表。

圖8係表示閾值ε之決定方法之順序的流程圖。

圖9中表示未使用之折疊式刀片之灰度影像的分布圖。

圖10A中表示未使用之折疊式刀片之灰度影像的分布圖。

圖10B中表示使用次數為100次之折疊式刀片之灰度影像的分布圖。

圖11中表示將閾值ε設為177、165、158而演算出之磨損度指標E之變化的圖表。

以下，參照圖式，對本發明之實施形態進行說明。

本發明之實施形態之工具檢查裝置100係對工具之狀態進行檢查的裝置。本實施形態中，係對檢查對象為各種工具之折疊式刀片的情況進行說明。

如圖1所示，工具檢查裝置100具備：作為影像獲取部之相機1，其對安裝於加工裝置之折疊式刀片的刀尖進行拍攝而獲取檢查對象影像；及電腦2，其對由相機1獲取之影像資料進行影像處理，判定折疊式刀片之狀態。相機1係安裝於加工裝置。電腦2既可鄰接於加工裝置而設，亦可設於遠離加工裝置之場所。

電腦2具備：作為顯示部之顯示器21，其可顯示影像資料；及作為輸入部之鍵盤22及滑鼠23，其可供使用者輸入指示。

其次，參照圖2，對折疊式刀片之檢查方法進行詳細說明。

步驟11中，使用相機1對安裝於加工裝置之折疊式刀片的刀尖進行拍攝，獲取檢查對象影像(影像獲取步驟)。具體而言，拍攝折疊式刀片之退刀面。與形成於加工面之磨損面積相比，形成於退刀面之磨損面積具有與用於加工之次數成正比地增加的傾向。因此，藉由拍攝退刀面，能恰當地評價磨損程度。檢查對象影像係以彩色影像而獲取。

步驟12中，根據步驟11中獲取之檢查對象影像生成灰度影像(灰度影像生成步驟)。折疊式刀片係對硬質材料進行燒結而製造，故而，其表面多附著有多種色彩。因此，於使用檢查對象影像之色資訊來檢測折疊式刀片之磨損的方法中，無法高精度地檢測磨損。因此，本實施形態中，根據檢查對象影像生成灰度影像。再者，亦可並非根據步驟11中獲取之彩色的檢查對象影像生成灰度影像，而是由相機11直接生成灰度影像。

步驟13中，針對步驟12中獲取之灰度影像，生成表示與輝度值對應之像素數之分布的分布圖(分布圖生成步驟)。圖3A中表示使用次數為0次之未使用之折疊式刀片的灰度影像，圖3B中表示該灰度影像之分布圖，圖4A中表示使用次數為100次之折疊式刀片的灰度影像，圖4B中表示該灰度影像之分布圖。圖3B及4B中，橫軸為輝度值(濃度值)，縱軸為像素數。本實施形態中，輝度值係以256灰階表示，輝度值0表示黑，輝度值255表示白。

如圖3B所示，未使用之折疊式刀片之灰度影像的分布圖中，係集中於輝度值低的區域(圖中左側)，相對於此，如圖4B所示，使用次數為100次之折疊式刀片之灰度影像的分布圖中，於輝度值高的區域(圖中右側)亦廣泛存在大量像素數。此係因為，如圖4A所示，灰度影像中，磨損區域表示出高輝度值(白)。

圖5中表示折疊式刀片之每種使用次數下的分布圖。於圖5所示之各分布圖中，亦與圖3B及4B同樣，橫軸為輝度值(濃度值)，縱軸為像素數。根據圖5可知，高輝度值之像素數隨著使用次數之增加而增加。因此可以說，高輝度值之像素數表現出與磨損區域之面積成正比例的傾 向。因此，藉由定量地測量高輝度值之像素數，可對磨損面積進行評價。

步驟14中，根據步驟13中獲取之分布圖來判定折疊式刀片之狀態(判定步驟)。具體而言，演算出預先確定的既定輝度值以上之像素的總數，根據該總數而判定折疊式刀片之狀態。以下將進行詳細說明。

圖5所示之各分布圖中的點線表示輝度值(灰階值)165。使用次數為0次之分布圖中幾乎不包括輝度值為165以上的像素，相對於此，隨著使用次數之增加，輝度值小於165之像素數減少，而輝度值165以上之像素數增加。因此，本實施形態中，演算出輝度值為165以上之像素的總數，根據該總數來判定折疊式刀片之狀態。

若具體進行說明，係將分布圖h(x)(x：輝度值)之高輝度值區域的面積作為磨損度指標E且如以下式(1)般進行定義。

式(1)中，ε係相當於上述既定輝度值之閾值，本實施形態中，如上所述，設定為165。即，分布圖中，將輝度值為165以上255以下之區域的面積作為磨損度指標E進行演算。再者，上述既定輝度值並非限定為165，而可根據檢查對象或檢查環境等而任意設定。

根據所得之磨損度指標E來判定折疊式刀片之狀態。例如，當磨損度指標E達到預先確定的既定值時，判定為折疊式刀片已到達使用壽命。而且，根據磨損度指標E之大小來預先設定劣化等級1~5，當劣化等級達到5時，判定為折疊式刀片已到達使用壽命。而且，根據實驗或經 驗法則來預先設定既定有磨損度指標E與折疊式刀片之使用次數的關聯性的映射等，且使用式(1)中演算出之磨損度指標E、並參照映射來推斷使用次數，判定出折疊式刀片之狀態。

以上所說明之步驟12~14的處理係藉由電腦2中記憶之軟體而自動執行。結果，若判定為折疊式刀片已到達使用壽命，則發出催促更換的通知。

<實施例>

其次，對實施例進行說明。

每當3個折疊式刀片1、2、3使用1次則按照上述步驟11~13之要領來生成分布圖，且針對該分布圖、使用式(1)來演算出磨損度指標E。而且，作為比較例，每當折疊式刀片1、2、3使用10次，則拍攝折疊式刀片之刀尖的退刀面，手動抽取磨損區域，算出該抽取之磨損區域的面積(像素數)。

圖6係表示折疊式刀片1、2、3之磨損度指標E之變化的圖表，圖7係表示折疊式刀片1、2、3中之手動抽取的磨損區域之面積之變化的圖表。圖6及7中，分別以實線、虛線、一點鏈線表示折疊式刀片1、2、3的值。根據圖6及7可知，兩者大致一致。因此，根據本實施形態，可確認，能以高精度抽取磨損區域。因此，根據本實施形態，可以說，能高精度地判定折疊式刀片之狀態。

其次，參照圖8，對上述既定輝度值即閾值ε之決定方法進行說明。

當折疊式刀片未使用時，高輝度值區域雖基本不存在，但因 拍攝影像時之照明條件或刀片的反射，會有一部分作為雜訊而表現出高輝度值。為了減少其影響，根據未使用之折疊式刀片之影像來決定閾值ε。以下，將進行詳細說明。

步驟21中，使用相機1對未使用之折疊式刀片之刀尖進行拍攝，且獲取基準影像。

步驟22中，根據步驟21中獲取之基準影像生成灰度影像。

步驟23中，與步驟13相同，針對步驟22中獲取之灰度影像，生成表示與輝度值對應之像素數之分布的分布圖(參照圖9)。

步驟24中，使用步驟23中獲取之分布圖來決定閾值ε。關於該決定方法，將於以下進行詳細說明。

首先，使用以下的式(2)，如圖9中之箭頭所示，自最大輝度值向輝度值0進行分布圖h(x)的積分。式(2)之P係積分後所得之面積，將P達到預先確定的數值時的輝度值決定為閾值ε。此處，預先確定的數值係設定為總像素數的2%。根據式(2)，演算出P為總像素數之2%時的輝度值為165。因此，閾值ε係決定為165。如此，本實施形態中，閾值ε係決定為P為總像素數之2%時的輝度值即165。

關於當決定閾值ε時P之數值設定為總像素數之2%，係以如下方式進行驗證。

使用式(2)演算出P為總像素數之1%、2%、3%時的輝度值，且將演算出之輝度值作為閾值ε、且使用式(1)而演算出磨損度指標E。使用之影像尺寸為1024×960像素，總像素數為983040。使用式(2)，演算出P為總像素數之1%、2%、3%時的輝度值分別為177、165、158。

圖10A及圖10B中表示驗證中使用的未使用之折疊式刀片及使用次數為100次之折疊式刀片的灰度影像的分布圖。而且，圖11中表示將閾值ε設為177、165、158而演算出的磨損度指標E的演算結果。圖11中，分別以實線、虛線、一點鏈線表示閾值ε為177、165、158之磨損度指標E。

圖10A中幾乎不包括輝度值為165以上的像素，相對於此，圖10B中，輝度值為165以上的像素增加而輝度值小於165的像素減少。因此可知，區分未使用之折疊式刀片之未磨損的表面、與表現為高輝度值之已使用之折疊式刀片之受磨損的表面的分界為輝度值165。即，根據圖10A及圖10B可知，閾值ε為165左右。

而且，如圖11所示，可知，即便P變化為總像素數之1%、2%、3%，對磨損度指標E之隨時間的變動亦無較大影響。

根據圖10A及圖10B可知，如上所述，閾值ε為165左右，於P為總像素數之1%、2%、3%時的輝度值177、165、158中，2%時的輝度值165最靠近，由此，當決定閾值ε時將P之數值設定為總像素數之2%較妥當。

如以上所述，藉由將積分面積P確定為影像之總像素數的2%左右，可省略影像整體之雜訊即2%左右之面積的計算，而根據其餘的 98%左右的影像來對輝度值之推移進行解析，故而，可提高磨損的解析精度。

再者，本實施形態中，當決定閾值ε時雖將P之數值設定為總像素數之2%，但設定值並不限定為2%，可根據檢查對象或檢查環境等任意設定。

以上所述之步驟21~24的處理係藉由電腦2中記憶之軟體自動執行，閾值ε係自動演算。當將該閾值ε之自動演算併入圖2所示之流程圖時，於步驟11~14之處理之前進行步驟21~24之處理即可。即，於步驟21~24之處理中決定閾值ε，於步驟14中使用閾值ε、且以磨損度指標E來判定折疊式刀片之狀態。

根據以上的實施形態，可發揮如下效果。

本實施形態中，根據表示與輝度值對應之像素數之分布的分布圖，自動地判定對象工具之狀態，故而，能以簡單的方法高精度地對工具進行檢查。

先前，當判斷工具之使用壽命時，需要熟練的技術。當不具備熟練的技術時，則按安全的使用次數來更換工具。然而，根據本實施形態，僅藉由拍攝工具之刀尖，便能自動判定工具之狀態，故而，無需熟練的技術，且，能使工具用至其真正的使用壽命，從而能降低費用。

而且，用於判定折疊式刀片之狀態的磨損度指標E可僅由式(1)演算，故而，演算非常簡單，能快速演算。

而且，本實施形態中係使用分布圖，故而，只要拍攝磨損區域，便能判定折疊式刀片之狀態。即，檢查對象影像中只要包含磨損區域即可，並不要求對象工具或相機1具有高定位精度。

以上，已對本發明之實施形態進行了說明，但上述實施形態僅表示本發明之應用例之一部分，並非旨在將本發明之技術範圍限定為上述實施形態的具體構成。

Claims (4)

1. 一種工具檢查方法，其具備：灰度影像生成步驟，其係對作為檢查對象之對象工具進行拍攝，生成灰度影像；分布圖生成步驟，其係針對上述灰度影像，生成表示與輝度值對應之像素數之分布的分布圖；及判定步驟，其係根據上述分布圖來判定上述對象工具之狀態。
2. 如申請專利範圍第1項之工具檢查方法，其中，上述判定步驟係根據上述分布圖而演算出預先確定的既定輝度值以上之像素的總數，根據該總數來判定上述對象工具之狀態。
3. 如申請專利範圍第2項之工具檢查方法，其中，上述既定輝度值係設定為針對未使用之對象工具的灰度影像，生成表示與輝度值對應之像素數之分布的分布圖，自最大輝度值朝向輝度值0進行該分布圖之積分，當該積分值達到預先確定的數值時的輝度值。
4. 一種工具檢查裝置，其具備：灰度影像生成部，其對作為檢查對象之對象工具進行拍攝，生成灰度影像；分布圖生成部，其針對上述灰度影像，生成表示與輝度值對應之像素數之分布的分布圖；及判定部，其根據上述分布圖來判定上述對象工具之狀態。