基于机器视觉的砂轮磨损检测方法及系统技术方案

本发明专利技术涉及一种基于机器视觉的砂轮磨损检测方法及系统，方法包括以下步骤：标定相机内外参数；将工件置于相机视野范围内，拍摄工件图像；将采集的图像转成灰度图像；使用Otsu阈值分割法，将图像转成二值图；使用中值滤波，去除图像中存在的噪声；使用zernike矩进行亚像素边缘检测；确定感兴趣区域；对检测的边缘进行曲线拟合；判断砂轮的磨损情况。本发明专利技术能快速、高效地检测砂轮磨损情况，判断砂轮是否需要修整，提高了磨削的加工质量。提高了磨削的加工质量。提高了磨削的加工质量。

【技术实现步骤摘要】
基于机器视觉的砂轮磨损检测方法及系统


[0001]本专利技术属于砂轮磨损智能检测
，具体涉及一种基于机器视觉的砂轮磨损检测方法及系统。

技术介绍

[0002]磨削加工可以获得较高的加工精度和很小的表面粗糙度，在机械制造业中加工高精度的工件大多采用磨削加工。磨削加工是利用高速旋转的砂轮对工件进行切削。其中，砂轮属于消耗品。随着不断的加工，磨轮的砂粒不断脱落，会造成砂轮形状的改变，从而降低工件的加工精度和表面质量，影响加工的效率。因此，检测砂轮的磨损情况对于提升零件的加工质量有着重要的工程意义。
[0003]目前对于砂轮磨损的检测方法，一般依靠工人的经验，通过加工时的声音及工件的表面质量进行判断，这需要工人具备较高的加工经验，主观性较强，并且增加了人工成本。另外，目前检测砂轮磨损的方法还有利用声发射、电流、力等信号进行检测，然而此类方法都是定性检测，无法做到定量检测，存在检测不准确的问题。

技术实现思路

[0004]针对在磨削加工中砂轮的磨损消耗会造成形状改变，降低工件的加工精度和加工质量的问题，本专利技术提供了一种基本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于机器视觉的砂轮磨损检测方法，其特征在于，包括以下步骤：(1)标定相机内外参数；(2)将工件置于相机视野范围内，拍摄工件图像；(3)将采集的图像转成灰度图像；(4)使用Otsu阈值分割法，将图像转成二值图；(5)使用中值滤波，去除图像中存在的噪声；(6)使用zernike矩进行亚像素边缘检测；(7)确定感兴趣区域；(8)对检测的边缘进行曲线拟合；(9)判断砂轮的磨损情况。2.根据权利要求书1所述基于机器视觉的砂轮磨损检测方法，其特征在于：步骤(3)，对采集的RGB图像进行加权平均转成灰度图像，单个像素点的R、G、B分量加权平均的算法为：0.2989R+0.5870G+0.1140B。3.根据权利要求书1所述基于机器视觉的砂轮磨损检测方法，其特征在于：步骤(4)，使用Otsu阈值分割法，包括以下步骤：设图像总像素数为N，灰度范围为[0，L
‑
1]，L
‑
1为图像的最大灰度值，对应灰度级为i的像素数为n
i
，像素数n
i
的概率p
i
为：其中把图像中像素按灰度值T分成两类，灰度值在[0,T]之间的像素个数为N
min
，灰度值在[T+1,L
‑
1]之间的像素个数为N
max
；小于该阈值灰度值出现的概率p
min
为：大于该阈值灰度值出现的概率p
max
为：小于该阈值的灰度均值avg
min
为：大于该阈值的灰度均值avg
max
为：类间方差σ2的计算公式为：σ2＝p
min
*(avg
total
‑
avg
min
)2+p
max
*(avg
total
‑
avg
max
)2；让T在[0，L
‑
1]范围内依次取值，取σ2的最大值即为Otsu阈值分割的最佳阈值T。4.根据权利要求书1所述基于机器视觉的砂轮磨损检测方法，其特征在于：步骤(5)，使用中值滤波，将邻域中的像素按灰度级排序，取其中间值为输出像素，去除图像中存在的噪声。5.根据权利要求书1所述基于机器视觉的砂轮磨损检测方法，其特征在于：步骤(6)，使用zernike矩亚像素边缘检测，包括以下步骤：图像f(x,y)的n阶m次zernike矩定义：
ρ是径向距离，θ是角度坐标，是zernike多项式v
nm
(ρ,θ)的复共轭，f(x,y)是图像中点(x,y)的灰度值；建立理想边缘阶跃模型，θ表示边缘关于x轴所成的角度，t表示背景灰度，r表示阶跃幅度，(x，y)表示圆心坐标，l表示圆心到边缘的垂直距离；将边缘旋转
‑
θ，原始图像zernike矩与旋转后的zernike矩的关系为：Z
′
00
＝Z
00
，Z
′
11
＝Z
11
e
‑
jθ
，Z
′
20
＝Z
20
；边缘模型的参数计算公式为：Im[Z
11<...

【专利技术属性】
技术研发人员：王长昊，胡小平，于保华，夏月冬，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：