[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

说明书

技术领域

本发明涉及一种基于图像识别的检测方法，具体是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，用于电子测量技术领域。

背景技术

刀具磨损是切削加工过程中不可避免的现象，刀具一旦发生磨损或破损，不仅会使工件加工精度降低，表面粗糙度增大，而且会导致切削力加大，切削温度升高，甚至产生振动而中断正常的切削过程。在切削加工过程中，刀具磨损是一个渐进的过程，变化较为缓慢。操作者可以根据切削过程中的振动、噪声等来估计刀具的磨损程度，考虑是否换刀或刃磨。但由于刀具寿命具有随机性，而这种主观评价方法对刀具的寿命极限的估计往往过于保守，以致大部分刀具未能充分发挥其作用。随着现代科学技术的发展，生产自动化程度、加工精度越来越高，难加工材料和新材料越来越多，零件的形状越来越复杂，如何定量、定时地掌握刀具的工作状态，检测与诊断刀具磨损、破损等损伤故障，对于延长机床设备无故障运行，提高产品质量具有重要的意义。

经对现有技术文献检索发现，中国专利申请号：200410022253.5，专利名称为：一种静态刀具图像的精密测量方法。根据该发明提供的测量方法可以看出，它是利用数字图像处理方法，定位出刀具图像边缘的精确坐标位置，计算出刀具的精确几何参数，就可以得到所要测量刀具边缘包络线，达到刀具精确测量的目的；但是，该方法只能实现刀具的静态离线测量，不能实现刀具的动态测量，亦不能得出刀具表面的磨损深度等信息。中国专利申请号：200810200053.2，专利名称为：一种基于混沌振子的刀具磨损状态检测装置及其检测方法。根据该发明提供的检测方法可以看出，它是利用混沌振子Duffing-Holmes系统检测微弱信号变化的特点，判别出刀具磨损状态。在进一步的检索中，目前尚未发现有关基于工件加工表面图像分析的刀具磨损、破损状态评价方法的文献报道。

发明内容

本发明的目的在于克服现有技术的不足，提出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。使其利用光学系统成像，采集工件加工表面的纹理图像；对加工表面图像进行多特征提取，结合相应的分类器形成分量分类器，采用基于投票系统的融合方法对多特征分类器进行融合，实现刀具磨损、破损状态的定性、定量识别。

本发明是通过以下技术方案实现的，本发明具体步骤如下：

1、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；

2、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。

本发明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。

本发明所述的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。

本发明所述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。

本发明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；