一种用于机床的刀具磨损识别方法及装置制造方法及图纸

本发明专利技术涉及机床零件状态检测领域，具体涉及一种用于机床的刀具磨损识别方法及装置。该方法将不同曝光度的刀具图像分别进行比特平面分层并挑选出对应的参考图像平面层。根据角点匹配结果选取贡献层的组合，获得多个参考组合。对参考组合中的图像平面层进行融合，获得多个重构图像。通过互信息量挑选出最优重构图像用于磨损识别。本发明专利技术通过自适应图像融合方法，提高了最优重构图像中的图像特征，便于快速准确的识别出磨损区域，提高了磨损检测的效率及精度。率及精度。率及精度。

【技术实现步骤摘要】
一种用于机床的刀具磨损识别方法及装置


[0001]本专利技术涉及机床零件状态检测
，具体涉及一种用于机床的刀具磨损识别方法及装置。

技术介绍

[0002]对于模具生产企业，模具的加工的速度和精度，减少反复修模是加快生产效率的重要途径，而在模具的加工过程中，由于数控机床中的刀具磨损等原因会导致加工尺寸偏差，尤其时某些模具易变形、不能二次修复。因此需要对刀具磨损进行检测识别。
[0003]现有技术中可利用计算机视觉方法提取图像特征，进而识别刀具磨损。对于刀具磨损的检测过程中，图像的精度影响着刀具的磨损的检测效果，而刀具的磨损形态复杂，要获取刀具端面图像，对照明系统以及采集图像信号的电子设备要求很高，而在图像信号采集过程中，不同物距对应的图像会产生较大的差异，会产生过曝欠曝现象，从而影响刀具磨损的检测结果。传统的是通过小波变换的方法进行图像融合，而融合的精度往往收到小波基函数以及分解层数的影响，需要人工自设定参数，不具有鲁棒性。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的在于提供一种用于机床的刀具磨损识别方法及装置，所采用的技术方案具体如下：本专利技术提出了一种用于机床的刀具磨损识别方法，所述方法包括：采集不同曝光度的第一刀具图像和第二刀具图像；对第一刀具图像进行比特平面分层，获得多个不同图像平面层的二值图像；选取内容信息度最大的K个图像平面层作为第一参考图像平面层，K为正整数；获得第二刀具图像的第二参考图像平面层；对第一刀具图像和第二刀具图像进行角点匹配，获得角点对矩阵；根据角点的灰度值与参考图像平面层的对应关系，获得每个角点的贡献层，获得贡献层矩阵；贡献层矩阵中每个元素为一个贡献层的组合；获得每个组合的概率，将大于预设概率阈值的组合作为参考组合；将所有参考组合融合，获得多个重构图像，根据重构图像与第一刀具图像和第二刀具图像之间的相似度获得互信息量；选择最大互信息量的重构图像作为最优重构图像；根据最优重构图像中像素点之间的像素值差异获得磨损区域。
[0005]进一步地，获取内容信息度的方法包括：根据二值图像中像素值为1的区域在第一刀具图像中对应区域的信息熵获得每个图像平面层的内容信息度。
[0006]进一步地，所述根据角点的灰度值与参考图像平面层的对应关系，获得每个角点的贡献层包括：获得每个参考图像平面层中像素值为1的灰度范围；若角点的像素值在对应的参
考图像平面层的灰度范围内，则认为该参考图像平面层为该角点的贡献层。
[0007]进一步地，所述将所有参考组合融合，获得多个重构图像包括：在每个参考组合的每个图像平面分层数据中统计每个像素点的局部区域的均值方差；每个参考组合的两个图像平面层数据中，选择最大图像平面层数据的像素值作为该组合融合后的图像平面层，并对所有融合后的图像平面层作为一层图像平面层再进行比特平面分层图像重构，得到所有可能的图像重构后的图像矩阵，获得重构图像。
[0008]进一步地，所述根据重构图像与第一刀具图像和第二刀具图像之间的相似度获得互信息量包括：其中，为互信息量，为第一刀具图像的灰度级数；为第二刀具图像的灰度级数；为重构图像的灰度级数；为第一刀具图像、第二刀具图像和重构图像的归一化联合灰度直方图；为第一刀具图像和第二刀具图像的归一化联合灰度直方图；为重构图像的归一化直方图。
[0009]进一步地，所述根据最优重构图像中像素点之间的像素值差异获得磨损区域包括：利用大津阈值分割算法分割出最优重构图像中的磨损像素点，磨损像素点构成磨损区域。
[0010]本专利技术还提出了一种用于机床的刀具磨损识别装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现任意一项一种用于机床的刀具磨损识别方法的步骤。
[0011]本专利技术具有如下有益效果：本专利技术实施例采集不同曝光度的基础图像，采用比特平面分层进行图像融合的方法，一方面消除了过度曝光区域，也增加了较暗区域的对比度，并且提高了图像质量。根据图像的角点数据特征，自适应选取进行图像重构的图像平面层的组合，相较于传统的小波变换图像融合方法，避免了小波基函数以及分解层数等算法参数的设置。通过互信息量表征优选度。互信息量越大，表明重构后的图像包含的原图像信息越多，从而得到最优的重构后的图像。本专利技术实施例计算简单，对于数控机床的刀具磨损检测精度较高。
附图说明
[0012]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，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的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0013]图1为本专利技术一个实施例所提供的一种用于机床的刀具磨损识别方法流程图；图2为本专利技术一个实施例所提供的一种图像采集系统示意图。
具体实施方式
[0014]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种用于机床的刀具磨损识别方法及装置，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
[0015]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0016]下面结合附图具体的说明本专利技术所提供的一种用于机床的刀具磨损识别方法及装置的具体方案。
[0017]请参阅图1，其示出了本专利技术一个实施例提供的一种用于机床的刀具磨损识别方法流程图，该方法包括：步骤S1：采集不同曝光度的第一刀具图像和第二刀具图像。
[0018]本专利技术实施例需要在机床工作台上不止图像采集系统，以实现方便快速采集到刀具的图像信息。请参阅图2，其示出了本专利技术一个实施例所提供的一种图像采集系统示意图，图像采集系统包括机床工作台、支架、光源、工业相机、数据传输系统、刀具和机床主轴、通过改变工业相机的参数即可获得不同曝光度的第一刀具图像和第二刀具图像。在本专利技术实施例中，第一刀具图像为曝光不足的图像，第二刀具图像为局部曝光过度的图像。将两张图像融合可得到一幅暗亮区域细节明显的图像，在之后提取刀具表面磨损区域信息时，保证检测效率及精度。
[0019]步骤S2：对第一刀具图像进行比特平面分层，获得多个不同图像平面层的二值图像；选取内容信息度最大的K个图像平面层作为第一参考图像平面层，K为正整数；获得第二刀具图像的第二参考图像平面层。
[0020]为了方便两张图像的融合，根据比特平面分层的思想进行图像融合，而在图像融合之前，为了减少计算量，需要对两幅图像每一平面层进行内容信息度计算，选取包含较多信息的图像平面层进行下一步计算。
[0021]在本专利技术实施例中，为了提高图像的质量对采集的两幅图像进行灰度化处理，并进行高斯滤波本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于机床的刀具磨损识别方法，其特征在于，所述方法包括：采集不同曝光度的第一刀具图像和第二刀具图像；对第一刀具图像进行比特平面分层，获得多个不同图像平面层的二值图像；选取内容信息度最大的K个图像平面层作为第一参考图像平面层，K为正整数；获得第二刀具图像的第二参考图像平面层；对第一刀具图像和第二刀具图像进行角点匹配，获得角点对矩阵；根据角点的灰度值与参考图像平面层的对应关系，获得每个角点的贡献层，获得贡献层矩阵；贡献层矩阵中每个元素为一个贡献层的组合；获得每个组合的概率，将大于预设概率阈值的组合作为参考组合；将所有参考组合融合，获得多个重构图像，根据重构图像与第一刀具图像和第二刀具图像之间的相似度获得互信息量；选择最大互信息量的重构图像作为最优重构图像；根据最优重构图像中像素点之间的像素值差异获得磨损区域。2.根据权利要求1所述的一种用于机床的刀具磨损识别方法，其特征在于，获取内容信息度的方法包括：根据二值图像中像素值为1的区域在第一刀具图像中对应区域的信息熵获得每个图像平面层的内容信息度。3.根据权利要求1所述的一种用于机床的刀具磨损识别方法，其特征在于，所述根据角点的灰度值与参考图像平面层的对应关系，获得每个角点的贡献层包括：获得每个参考图像平面层中像素值为1的灰度范围；若角点的像素值在对应的参考图像平面层的灰度范围内，则认为该参考图像平面层为该角点的贡献层。4.根据权利要...

【专利技术属性】
技术研发人员：仲怀林，
申请(专利权)人：南通吉帆精密科技有限公司，
类型：发明
国别省市：