【技术实现步骤摘要】
本专利技术涉及机器视觉检测与测量，具体涉及一种基于机器视觉的钻削刀具磨损自动检测与磨损量测量方法。
技术介绍
1、刀具是数控机床部件的重要组成部分之一，钻削在机械切削工艺中发挥着举足轻重的作用。然而随着钻削的进行，刀具表面的磨损程度不断增大，导致工件表面粗糙度增加，刀具与工件之间的作用力增加，使钻削时的温度上升、精度降低，甚至不能正常钻削。研究表明，刀具失效占据加工中心停机时间的20％，极大地增加了加工成本。在金属切削加工工艺中，孔加工占据很大比重，约占总加工量的三分之一，在诸多加工工具中，钻削刀具麻花钻是最常用的一种钻孔工具。钻削刀具的健康状态对数控机床的加工效率与加工产品的质量有重要影响，对钻削刀具表面磨损情况的精准监测与测量有助于避免刀具失效导致的问题。
2、刀具健康状态监测与磨损测量的方法可以分为间接法与直接法。间接法使用切削过程中的参数或通过传感器获得信号来确定刀具磨损程度及剩余寿命，常用于间接法的信号包括切削力、振动、声发射、神经网络传感器融合等。刀具状态监测的直接法主要是指通过视觉方法对刀具磨损缺陷进行检查与测量。传统的直接法主要是人工使用游标卡尺、千分尺、三坐标测量仪等工具测量磨损量。机器视觉方法具有非接触式、测量范围广、采集数据速度快、成本较低、受人为因素影响小等优点，已经越来越广泛地代替人工视觉而应用于钻削刀具的磨损检测与测量。
3、然而目前大多数刀具磨损机器视觉测量方法只适用于规则的刀具的磨损量测量，即近似认为未磨损刀具的边缘为直线，不能广泛应用于磨损形状复杂的刀具以及呈现刀具真实的
技术实现思路
1、本专利技术是为了解决上述问题而进行的，目的在于提供一种基于机器视觉的钻削刀具磨损自动检测与磨损量测量方法。
2、本专利技术提供了一种基于机器视觉的钻削刀具磨损自动检测与磨损量测量方法，用于对磨损钻削刀具进行检测并计算得到磨损数据，具有这样的特征，包括以下步骤：步骤s1，采集磨损钻削刀具的图像作为磨损钻削刀具图像；步骤s2，采集与磨损钻削刀具相同款式的新钻削刀具的图像作为新钻削刀具图像；步骤s3，分别对磨损钻削刀具图像和新钻削刀具图像进行预处理，分别得到对应的预处理磨损钻削刀具图像和预处理新钻削刀具图像；步骤s4，分别对预处理磨损钻削刀具图像和预处理新钻削刀具图像依次进行图像分割和边缘提取，分别得到对应的磨损钻削刀具边缘和新钻削刀具边缘；步骤s5，对磨损钻削刀具边缘和新钻削刀具边缘依次进行配准和最大连通域提取，得到钻削刀具磨损区域边缘图像；步骤s6，计算钻削刀具磨损区域边缘图像的像素数作为磨损钻削刀具的磨损面积像素数；步骤s7，对钻削刀具磨损区域边缘图像依次进行亚像素边缘检测和亚像素边缘曲线拟合，得到对应的亚像素边缘曲线；步骤s8，根据亚像素边缘曲线计算得到磨损钻削刀具的最大磨损宽度像素数；步骤s9，设置标定板并根据采集到的标定板的图像计算得到像素当量；步骤s10，根据像素当量、磨损面积像素数和最大磨损宽度像素数进行计算，得到磨损钻削刀具的磨损面积和最大磨损宽度作为磨损数据。
3、在本专利技术提供的基于机器视觉的钻削刀具磨损自动检测与磨损量测量方法中，还可以具有这样的特征：其中，步骤s3中预处理包括依次进行双边滤波降噪、基于自适应局部幂变换的灰度级变换和基于同态滤波与限制对比度的自适应直方图均衡化算法的图像增强。
4、在本专利技术提供的基于机器视觉的钻削刀具磨损自动检测与磨损量测量方法中，还可以具有这样的特征：其中，步骤s4包括以下子步骤：步骤s4-1，根据高斯拉普拉斯算子分别对预处理磨损钻削刀具图像和预处理新钻削刀具图像进行滤波，分别得到对应的磨损钻削刀具初步边缘信息和新钻削刀具初步边缘信息；步骤s4-2，根据otsu算法，分别结合磨损钻削刀具初步边缘信息和新钻削刀具初步边缘信息，分别得到对应的磨损钻削刀具轮廓和新钻削刀具轮廓；步骤s4-3，分别对磨损钻削刀具轮廓和新钻削刀具轮廓进行基本形态学开运算与闭运算处理，分别得到处理后磨损钻削刀具轮廓和处理后新钻削刀具轮廓；步骤s4-4，分别对处理后磨损钻削刀具轮廓和处理后新钻削刀具轮廓进行基于多重形态学组合的梯度边缘检测和形态学细化操作，分别得到单一像素的磨损钻削刀具边缘和新钻削刀具边缘。
5、在本专利技术提供的基于机器视觉的钻削刀具磨损自动检测与磨损量测量方法中，还可以具有这样的特征：其中，步骤s5包括以下子步骤：步骤s5-1，分别对磨损钻削刀具边缘和新钻削刀具边缘进行高斯金字塔向下采样变换，分别得到顶层磨损刀具图像和顶层新刀具图像；步骤s5-2，根据归一化互相关函数对顶层磨损刀具图像和顶层新刀具图像进行相似性度量，得到最佳变化系数；步骤s5-3，根据最佳变化系数，向上采样至底层，得到最佳匹配位置；步骤s5-4，将对应最佳匹配位置的磨损钻削刀具边缘和新钻削刀具边缘的图像部分进行相减，得到相减结果图；步骤s5-5，将相减结果图中具有最多像素点的连通区域作为钻削刀具磨损区域边缘图像。
6、在本专利技术提供的基于机器视觉的钻削刀具磨损自动检测与磨损量测量方法中，还可以具有这样的特征：其中，步骤s7包括以下子步骤：步骤s7-1，根据拉格朗日多项式插值法从钻削刀具磨损区域边缘图像中提取多个亚像素边缘点；步骤s7-2，将所有亚像素边缘点设置在坐标系中；步骤s7-3，根据软k段主曲线算法对坐标系中所有亚像素边缘点进行曲线拟合，得到亚像素边缘曲线。
7、在本专利技术提供的基于机器视觉的钻削刀具磨损自动检测与磨损量测量方法中，还可以具有这样的特征：其中，在步骤s9中，标定板为不反光的氧化铝微型棋盘格标定板，像素当量的计算表达式为：k＝w/n，式中k为像素当量，w为氧化铝微型棋盘格标定板的每一格边长的实际尺寸，n为氧化铝微型棋盘格标定板的图像的每一格边长对应的像素数。
8、在本专利技术提供的基于机器视觉的钻削刀具磨损自动检测与磨损量测量方法中，还可以具有这样的特征：其中，在步骤s10中，磨损面积的计算表达式为：s＝n·s＝n·k2，式中s为磨损面积，n为磨损面积像素数，s为单个像素的面积，k为像素当量，最大磨损宽度的计算表达式为：dmax＝nmax·k，式中dmax为最大磨损宽度，nmax为最大磨损宽度像素数。
9、专利技术的作用与效果
10、根据本专利技术所涉及的基于机器视觉的钻削刀具磨损自动检测与磨损量测量方法，因为通过对机器视觉采集得到的图像进行处理，实现非接触、高精度、实时性、高稳定性、低成本、不间断、便捷地对不规则的磨损钻削刀具的磨损区域测量磨损面积与最大磨损宽度，并能达到微米级的精度。所以，本专利技术的基于机器视觉的钻削刀具磨损自动检测与磨损量测量方法实现高精度钻削刀具磨损自动检测，从而对钻削刀具进行健康状态检测和维护。
本文档来自技高网...【技术保护点】
1.一种基于机器视觉的钻削刀具磨损自动检测与磨损量测量方法，用于对磨损钻削刀具进行检测并计算得到磨损数据，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器视觉的钻削刀具磨损自动检测与磨损量测量方法，其特征在于：
3.根据权利要求1所述的基于机器视觉的钻削刀具磨损自动检测与磨损量测量方法，其特征在于：
4.根据权利要求1所述的基于机器视觉的钻削刀具磨损自动检测与磨损量测量方法，其特征在于：
5.根据权利要求1所述的基于机器视觉的钻削刀具磨损自动检测与磨损量测量方法，其特征在于：
6.根据权利要求1所述的基于机器视觉的钻削刀具磨损自动检测与磨损量测量方法，其特征在于：
7.根据权利要求1所述的基于机器视觉的钻削刀具磨损自动检测与磨损量测量方法，其特征在于：
【技术特征摘要】
1.一种基于机器视觉的钻削刀具磨损自动检测与磨损量测量方法，用于对磨损钻削刀具进行检测并计算得到磨损数据，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器视觉的钻削刀具磨损自动检测与磨损量测量方法，其特征在于：
3.根据权利要求1所述的基于机器视觉的钻削刀具磨损自动检测与磨损量测量方法，其特征在于：
4.根据权利要求1所述...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。