[发明专利]基于工件加工表面图像分析的刀具磨损状态评价方法

权利要求书

1、一种基于工件加工表面图像分析的刀具磨损状态评价方法，其特征在于：包括步骤如下：

首先，进行基于CCD的工件加工表面纹理图像的数据采集，

步骤A，根据评价刀具磨损程度所需要设定的检测精度、工件加工表面的测量视野以及CCD摄像机分辨率，确定光学镜头的放大倍率，焦距以及工作距离等参数；

步骤B，在工件加工表面投射照明光源，调节其光源亮度，使之在被测工件加工表面产生均匀柔和的光强，利用CCD摄像机获得的工件加工表面纹理图像；

步骤C，通过计算机驱动图像采集卡，将步骤B获得的工件加工表面纹理图像传输至计算机；

其次，进行基于工件加工表面图像多特征融合的刀具磨损、破损状态分类，

步骤D，多特征提取步骤，将获得的工件加工表面纹理图像，应用多特征提取方法提取图像特征X1，X2，…，Xn；

步骤E，进行BP神经网络分类器的选择，将提取的图像特征X1，X2，…，Xn分别送入BP神经网络分类器C1，C2，…，Cn，构成多特征融合分类系统；

步骤F，多特征融合分类步骤，每个BP神经网络分类器C1，C2，…，Cn根据融合算法做出相应的决策U1，U2，…，Un，然后将相应的决策U1，U2，…，Un传送到融合中心，融合中心依据融合算法做出全局决策U，并最终得到刀具磨损、破损状态的定性、定量识别。

2、根据权利要求1所述的基于工件加工表面图像分析的刀具磨损状态评价方法，其特征在于：所述的多特征提取步骤提取图像特征X1，X2，…，Xn，具体指基于灰度直方图的纹理描绘子、灰度共生矩阵的二次统计量、图像的奇异值特征、二值图像的联通区域标记及面积统计四个图像特征向量，用来表示加工表面图像的纹理、结构型式、范围大小、边界形状、色调及能量等信息。

3、根据权利要求2所述的基于工件加工表面图像分析的刀具磨损状态评价方法，其特征在于：所述的BP神经网络分类器选择步骤中，由多特征提取步骤中提取的四个输入特征向量构成工件加工表面图像分类的BP神经网络分类器，从而构成多特征融合分类系统。

4、根据权利要求3所述的基于工件加工表面图像分析的刀具磨损状态评价方法，其特征在于：所述BP神经网络是一个包含单层隐含层的三层BP网络，隐含层的激励函数为Sigmoid型函数，网络的训练算法为Levenberg-MarquardtM算法。

5、根据权利要求1所述的基于工件加工表面图像分析的刀具磨损状态评价方法，其特征在于：在多特征融合分类步骤中，所述融合算法采用投票表决算法来处理各BP神经网络分类器的本地决策：

首先，将每个BP神经网络分类器的输出各类别隶属度分别乘上由选通子系统给定的权系数，作为投票系统的输入；

其次，投票系统将每个BP神经网络分类器对类别j的输入值相加得到系统总输出U，最终的判别结果是具有最大判别值Uj的那个类别。