【技术实现步骤摘要】
本专利技术涉及缺陷识别，具体涉及一种数控机床刀具磨损识别方法及系统。
技术介绍
1、数控机床是工业生产过程中重要的生产制造设备，大大减少的人工的干预，其中数控机床的刀具的质量是决定着加工效率和加工质量的主要因素。因此，若数控机床中的刀具由于工作过程中力和热的双重作用下，极易造成刀具的磨损，若无法及时发现刀具的磨损状况，会产生极大的问题，轻则造成经济损失，重则还会造成生命危险。
2、由于图像采集模块中采集设备的影响(包括光源以及相机的影响)以及环境因素的影响，会使得采集的图像中出现欠曝现象，使得在数控机床刀具磨损缺陷传统检测识别过程中，如otsu阈值分割方法中得到错误的分割阈值，进而产生错误的缺陷识别结果，造成缺陷误判。
技术实现思路
1、为了解决上述技术问题，本专利技术的目的在于提供一种数控机床刀具磨损识别方法及系统，所采用的技术方案具体如下：
2、本专利技术提出了一种数控机床刀具磨损识别方法，所述方法包括：
3、获取数控机床的刀具图像；以刀具图像中灰度值大于预设灰度值阈值的像素点作为刀具像素点；获得刀具像素点与预设窗口内其他像素点的灰度趋势性，将滑窗沿着灰度趋势性最大的方向进行滑动；若滑动方向发生改变，则停止滑动，并重新选择未经过滑窗处理的刀具像素点进行滑窗处理；统计每次滑窗过程的滑动次数，选择最大滑动次数的滑窗过程对应的滑动方向作为第一区域划分方向，获取与第一区域划分方向垂直的第二区域划分方向；根据第一区域划分方向和第二区域划分方向将刀具图像
4、根据刀具区域图像中每个像素点与划分边界的距离获得每个像素点的权重，根据每个像素点的权重和预设邻域范围内的灰度值波动性获得灰度差异性；将四个刀具区域图像对准，四个刀具图像中的像素点均存在对应关系，以目标刀具区域图像中每个像素点与其他刀具区域图像中对应像素点的平均灰度差异，作为对称程度差异性；根据灰度差异性和对称程度差异性获得每个像素点的异常程度，根据每个像素点的异常程度调整对应像素点的灰度值，获得调整后的增强刀具图像；
5、根据增强刀具图像中每个像素点的灰度值大小，筛选出缺陷像素点，根据缺陷像素点的个数识别出磨损程度。
6、进一步地，所述获取数控机床的刀具图像包括：
7、获取相机采集到的初始图像，将初始图像输入预先训练好的语义分割网络中，将背景信息去除，获得刀具图像。
8、进一步地，所述预设灰度值阈值的获取方法包括：
9、获取刀具图像的灰度直方图，统计灰度直方图中最后的灰度波峰的灰度范围的均值作为灰度阈值。
10、进一步地，所述获得刀具像素点与预设窗口内其他像素点的灰度趋势性包括：
11、αib＝exp(-|gi-gib|)
12、其中，αib为第i个刀具像素点与窗口内第b个像素点之间的灰度趋势性，gi第i个刀具像素点的灰度值，gib为第i个刀具像素点的窗口内第b个像素点的灰度值，exp()为以自然常数为底的指数函数。
13、进一步地，所述根据第一区域划分方向和第二区域划分方向将刀具图像分为四个刀具区域图像包括：
14、以任意一个刀具像素点为起点，沿着第一区域划分方向进行延伸，延伸到图像边界停止，获得第一初始划分边界；以最长的第一初始划分边界作为第一划分边界；
15、以任意一个刀具像素点为起点，沿着第二区域划分方向进行延伸，延伸到图像边界停止，获得第二初始划分边界；以最长的第二初始划分边界作为第二划分边界；
16、第一划分边界和第二划分边界将刀具图像划分为四个刀具区域图像，每个刀具区域图像中存在一条划分边界。
17、进一步地，所述根据刀具区域图像中每个像素点与划分边界的距离获得每个像素点的权重包括：
18、εjl＝exp(-d)
19、其中，εjl为第j个刀具区域图像中第l个像素点的权重，d为第j个刀具区域图像中第l个像素点到划分边界的距离，exp()为以自然常数为底的指数函数。
20、进一步地，所述根据每个像素点的权重和预设邻域范围内的灰度值波动性获得灰度差异性包括：
21、
22、其中，βjl为第j个刀具区域图像中第l个像素点的灰度差异性，εjh为第j个刀具区域图像中第l个像素点预设邻域范围内第h个像素点的权重，h为预设邻域范围内的像素点数量，gjh为第j个刀具区域图像中第l个像素点预设邻域范围内第h个像素点的灰度值，为第j个刀具区域图像中第l个像素点预设邻域范围内的平均灰度值。
23、进一步地，所述根据灰度差异性和对称程度差异性获得每个像素点的异常程度，根据每个像素点的异常程度调整对应像素点的灰度值包括：
24、以灰度差异性和对称程度差异性的乘积作为每个像素点的异常程度；将异常程度归一化后与预设变化系数相乘，获得每个像素点对应的最终变化系数；将最终变化系数与对应像素点的原始灰度值相乘，获得调整后的灰度值。
25、本专利技术还提出了一种数控机床刀具磨损识别系统，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所述一种数控机床刀具磨损识别方法的步骤。
26、本专利技术具有如下有益效果：
27、本专利技术实施例根据数控机床刀具中的对称性和螺旋性特征，刀具中锋利的端面在图像中呈现高灰度值以及对称分布特性，计算图像中每个像素点的异常程度。通过每个像素点的异常程度进行变化系数的自适应确定，避免了传统的线性变化算法中对不同区域像素点设置相同的变化系数，使得图像变化后磨损缺陷区域的像素点的灰度值变化差异仍较小，使得识别效果较差。本专利技术实施例中使用的方法，算法高效简便，图像的变化算法性能较高，进而缺陷的识别效果更加好。
本文档来自技高网...【技术保护点】
1.一种数控机床刀具磨损识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种数控机床刀具磨损识别方法，其特征在于，所述获取数控机床的刀具图像包括：
3.根据权利要求1所述的一种数控机床刀具磨损识别方法，其特征在于，所述预设灰度值阈值的获取方法包括：
4.根据权利要求1所述的一种数控机床刀具磨损识别方法，其特征在于，所述获得刀具像素点与预设窗口内其他像素点的灰度趋势性包括：
5.根据权利要求1所述的一种数控机床刀具磨损识别方法，其特征在于，所述根据第一区域划分方向和第二区域划分方向将刀具图像分为四个刀具区域图像包括：
6.根据权利要求1所述的一种数控机床刀具磨损识别方法，其特征在于，所述根据刀具区域图像中每个像素点与划分边界的距离获得每个像素点的权重包括：
7.根据权利要求1所述的一种数控机床刀具磨损识别方法，其特征在于，所述根据每个像素点的权重和预设邻域范围内的灰度值波动性获得灰度差异性包括：
8.根据权利要求1所述的一种数控机床刀具磨损识别方法，其特征在于，所述根据灰度差异性和对称
9.一种数控机床刀具磨损识别系统，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，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1～8任意一项所述方法的步骤。
...【技术特征摘要】
1.一种数控机床刀具磨损识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种数控机床刀具磨损识别方法，其特征在于，所述获取数控机床的刀具图像包括：
3.根据权利要求1所述的一种数控机床刀具磨损识别方法，其特征在于，所述预设灰度值阈值的获取方法包括：
4.根据权利要求1所述的一种数控机床刀具磨损识别方法，其特征在于，所述获得刀具像素点与预设窗口内其他像素点的灰度趋势性包括：
5.根据权利要求1所述的一种数控机床刀具磨损识别方法，其特征在于，所述根据第一区域划分方向和第二区域划分方向将刀具图像分为四个刀具区域图像包括：
6.根据权利要求1所述的一种数控机床刀具磨损识别方...
【专利技术属性】
技术研发人员：刘中红，
申请(专利权)人：惠州市惠阳区兆顺益五金加工有限公司，
类型：发明
国别省市：
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。