采用局部阈值分割的刀具损伤视觉检测方法

针对目前刀具损伤检测系统难以从采集的机床刀具损伤图像中自动识别到刀具损伤位置并精准测量刀具损伤量的难题,提出了一种采用局部阈值分割的刀具损伤视觉检测方法。该方法对采集的刀具图像进行灰度化、滤波降噪、旋转定位校正后,将刀具图像均分为多个小像素块,对每个像素块进行图像分割,获取每个像素块的分割阈值,即局部阈值,以最大的局部阈值为基准,对刀具图像进行整体像素扫描,同时结合形态学操作,实现刀具损伤位置识别,并基于识别到的损伤信息精准测量刀具损伤几何特征。搭建了离线检测试验平台,验证所提方法的有效性。试验结果表明:所提方法能够解决目前难以从刀具损伤图像中自动识别到刀具损伤位置并精准测量刀具损伤量的难题,与现有的局部方差法、自适应阈值法等方法相比,刀具损伤几何特征测量的平均准确率至少提升19%以上,具有较大优势。     

采用切削刃重构的刀具磨损视觉检测方法

针对目前难以在复杂恶劣的油污粉尘环境中实现对刀具图像的高质量采集和刀具磨损视觉特征的高精检测,对磨损缺失刀刃这一类最为典型且危害最大的刀具磨损开展研究,提出一种采用切削刃重构的刀具磨损视觉检测方法。首先,在数控机床加工台一侧搭建集成了一套具有镜头保护与清洁功能的图像采集装置,用于在机定期自动采集刀具磨损图像;然后,将采集的图像经以太网传输至计算机图像处理系统,利用设计的切削刃重构法对刀具磨损缺失区域进行切削刃重构,以此得到完整刀具图像,进而利用图像差分,将重构后的刀具图像与磨损刀具图像相减,实现刀具磨损缺失区域的自动识别;最后,基于识别的磨损特征测量刀具磨损的评估指标参数值,并判断是否需要换刀。实验结果表明：所提检测方法具有较大优势,解决了油污粉尘机加环境下刀具磨损图像采集困难的难题和难以从图像中分割识别刀具磨损缺失特征的难题,实现了刀具磨损的视觉高精高效检测;与现有的刀具磨损视觉检测系统以及现有的Canny边缘检测法、自适应阈值法等6种图像分割方法相比,所提方法避免了拆卸刀具进行离线显微镜检测和模板匹配的烦琐过程,可进行在机自动检测,同时平均检测准确率至少提升20%。