基于機器視覺的立銑刀磨損檢測

謝德浩 全燕鳴 黨希超

（華南理工大學(xué)機械與汽車工程學(xué)院）

1 引言

在機械零件切削加工過程中，刀具難免磨損。刀具狀態(tài)是關(guān)系制造成本和工件質(zhì)量的重要因素，刀具磨損直接影響零件的加工精度，所以刀具磨損檢測尤其在位檢測非常重要。

刀具磨損檢測有直接檢測法和間接檢測法。直接檢測法是直接測量刀具磨損面積大小或磨損帶寬度，目前只能離線在測量室借助顯微鏡人工觀察測量，其測量結(jié)果真實、精確；間接法是通過監(jiān)測加工過程中與刀具磨損狀態(tài)相關(guān)的物理信號來估計刀具磨損狀態(tài)，其中最為常見的方法有切削力監(jiān)測、聲發(fā)射監(jiān)測和電機電流/功率監(jiān)測。例如，陳曉智、蒙斌等研究了用聲發(fā)射法在線監(jiān)測數(shù)控切削加工過程中的刀具狀態(tài)，提出一種基于小波分析的刀具磨損判析方法[1,2]；高宏力等通過切削力監(jiān)測，研究利用神經(jīng)網(wǎng)絡(luò)建立不同刀具磨損狀態(tài)下，加工參數(shù)與切削力之間的映射關(guān)系來實現(xiàn)在線監(jiān)測銑刀磨損量的方法[3]。間接法具有在線監(jiān)測的優(yōu)點，其主要問題是由于影響監(jiān)測結(jié)果的因素很多，監(jiān)測結(jié)果難以準(zhǔn)確反映刀具磨損的真實狀態(tài)。

利用圖像傳感和計算機圖像分析的檢測方法具有直接可視且非接觸的優(yōu)點，近年來已廣泛用于直接測量刀具狀況，如市場上多種品牌的二維視像工具顯微鏡和放大儀，也有價格高昂的多維調(diào)刀儀。這方面的研究一直持續(xù)不斷，如M.Sortino、遲輝、張悅[4～6]等人將刀具裝在旋轉(zhuǎn)實驗臺上，用靜置相機拍攝旋轉(zhuǎn)刀具多幅圓周磨損區(qū)域圖像，由計算機對圖像進行濾波、二值化等處理，提取磨損區(qū)域輪廓，計算磨損值。但是這些研究僅限于在實驗室進行刀具離線檢測，未考慮機床在機刀具檢測條件，也缺乏實用圖像獲取與檢測軟件平臺。計時鳴等人嘗試過對切削過程中的切屑進行視覺圖像監(jiān)測[7]，通過統(tǒng)計分析多幅圖像的切屑形態(tài)，建立基于切屑圖像特征估計刀具磨破損狀態(tài)的數(shù)學(xué)模型。這種方法雖為在線監(jiān)測，但是對于刀具磨破損狀態(tài)的識別屬于間接方式，其準(zhǔn)確性受到切削條件及切屑形態(tài)多變性等許多因素影響，而且不能適應(yīng)于旋轉(zhuǎn)刀具。

本文通過自行設(shè)計的一套在機刀具圖像獲取裝置，研究刀具磨損定量檢測軟件系統(tǒng)，主要介紹該系統(tǒng)軟件模塊組成、軟件方法和圖像獲取與圖像處理軟件的集成。該系統(tǒng)可檢測刀具特別是立銑刀等旋轉(zhuǎn)刀具多刃、多面的磨損狀況，定量計算出磨損值，保存檢測結(jié)果，在磨損量超過規(guī)定值時報警提示。

2 立銑刀磨損檢測系統(tǒng)結(jié)構(gòu)

基于機器視覺的立銑刀磨損檢測系統(tǒng)結(jié)構(gòu)如圖1所示。

立銑刀磨損檢測系統(tǒng)由多維平移和轉(zhuǎn)動機械裝置、控制電路、照明光源、工業(yè)相機、圖像采集卡、PC機和軟件平臺組成。系統(tǒng)工作原理：由計算機程序和控制電路驅(qū)動機械裝置，攜帶工業(yè)相機和光源運動到指定距離和方位，在適當(dāng)?shù)墓庹諚l件下，對立銑刀頭部攝取有一定光學(xué)放大倍率的清晰圖像，經(jīng)圖像采集卡輸入PC機進行圖像處理和磨損量測量。

圖1 立銑刀磨損檢測系統(tǒng)結(jié)構(gòu)示意圖

3 刀具圖像的獲取與處理

3.1 刀具磨損檢測流程

獲取刀具工作部位圖像后，通過自行編寫的軟件進行圖像處理，然后對磨損區(qū)進行定量測量。處理流程見圖2 。

圖2 刀具磨損檢測流程圖

3.2 圖像處理方法

由于環(huán)境干擾等原因，所采集的刀具工作部位圖像難免存在噪聲，所以首先對圖像用濾波法降噪。通過對各種濾波方法進行比較，確定采用濾波效果比較好的中值濾波器。

接著對濾波降噪后的圖像進行二值化處理。圖像二值化是將灰度圖像變成黑白二值圖像，其目的是從圖像中把目標(biāo)區(qū)域和背景區(qū)域分開。二值化處理的關(guān)鍵是閾值的選取。刀具磨損通常是由于刀具頭部經(jīng)受了很高的切削溫度和切削力而產(chǎn)生，一般發(fā)生在前刀面、后刀面及其邊界，磨損區(qū)域表面形狀不規(guī)則。以刀具磨損區(qū)域為識別目標(biāo)，在適當(dāng)?shù)墓庹諚l件下，由于所攝取刀具表面圖像通常為灰色，其中磨損區(qū)表面因角度改變而對光照有不同反射，其圖像顏色相對較白。據(jù)此特點，采用整體閾值法合理選取閾值，對刀具圖像進行二值化處理后可得到黑基底與白色磨損區(qū)的二值化圖形，從而識別出刀具磨損區(qū)域。但此時的二值化圖形還含有一些分散干擾噪聲點，需再經(jīng)一些數(shù)學(xué)形態(tài)學(xué)方法（主要有膨脹、收縮、清除孤立點、清除粒子和洞穴填充等操作），對二值化圖進行二次處理，得到比較純凈的二值圖，才能對刀具磨損量進行測量。圖3 為三刃立銑刀端面圖像在處理過程中各個環(huán)節(jié)顯示的實例。

圖3 三刃立銑刀圖像處理過程

3.3 磨損量測量

采集刀具圖像時記錄當(dāng)時的光學(xué)放大倍數(shù)，所得到的刀具圖像亦有確定的屏幕顯示分辨率。設(shè)圖像的像素尺寸為M×N，根據(jù)光學(xué)放大倍數(shù)，可計算標(biāo)定圖像上一個像素的實際面積S和邊長a×b。也可以通過對刀具圖像庫中基準(zhǔn)圖像的標(biāo)準(zhǔn)尺寸與當(dāng)前刀具圖像的像素比較，標(biāo)定出當(dāng)前圖像像素與實際尺寸的關(guān)系。然后對磨損區(qū)域進行磨損量測量，如計算磨損面積和磨損帶寬度。

將計算結(jié)果與數(shù)據(jù)庫中的刀具磨鈍標(biāo)準(zhǔn)進行比較，判斷是否超過磨損限度，如果超出則給出提示警報。最后把刀具磨損檢測信息存入數(shù)據(jù)庫。測量結(jié)果顯示面板如圖4所示。

4 圖像獲取與圖像處理軟件集成

本文搭建的刀具磨損測量軟件平臺由圖像采集模塊、圖像處理模塊、磨損測量模塊、數(shù)據(jù)庫模塊及機電控制模塊組成。圖像采集模塊實現(xiàn)圖像的實時采集與存儲；圖像處理模塊實現(xiàn)上文3.2節(jié)中所述的各環(huán)節(jié)刀具圖像處理；磨損測量模塊實現(xiàn)從處理后的刀具磨損區(qū)圖像中定量計算磨損值；數(shù)據(jù)庫負(fù)責(zé)刀具圖像信息管理；機電控制模塊控制相機和光源相對刀具目標(biāo)自動移動和定位以進行圖像獲取。

圖4 磨損量測量結(jié)果顯示面板

本文利用Labview軟件在PC機上搭建刀具磨損測量軟件平臺。Labview自身功能強大，在測試與測量、過程控制與處理、科學(xué)研究和分析等方面有廣泛應(yīng)用。但是對于一些需要大量數(shù)據(jù)運算處理的復(fù)雜應(yīng)用，Labview并不能很好地滿足系統(tǒng)對運算速度方面的要求。Matlab具有強大的矩陣運算和圖像處理功能，但其界面開發(fā)及流程控制的能力較差，且數(shù)據(jù)采集、網(wǎng)絡(luò)通信、硬件控制等方面比較繁瑣。本文利用Labview與Matlab混合編程，使其在功能上互補，發(fā)揮各自優(yōu)勢：機電控制、圖像采集、數(shù)據(jù)庫等模塊用Labview編程，圖像處理用Matlab編程。圖5為用Labview編制的刀具磨損檢測軟件平臺的用戶界面。

圖5 用Labview編制的刀具檢測軟件平臺界面

Labview提供了Matlab Script節(jié)點，但Matlab Script節(jié)點對輸入、輸出數(shù)據(jù)的類型有明確要求，只有Labview中的數(shù)據(jù)類型與Matlab中的數(shù)據(jù)類型相匹配，才能進行數(shù)據(jù)傳輸。位于Labview Function>>Mathematics>>Formula模板中的Matlab Script節(jié)點可以導(dǎo)入Matlab腳本[8]。圖6為Labview中使用Matlab Script 節(jié)點進行圖像處理的程序框圖，可簡單方便地在Labview與Matlab所編模塊中實現(xiàn)類型相匹配的數(shù)據(jù)傳輸。

圖6 Labview調(diào)用Matlab Script進行圖像處理

5 結(jié)束語

本文用 Matlab對所獲取的刀具圖像編制處理程序，包括對原始圖像的濾波處理，以減少噪聲干擾、改善圖質(zhì)；合理選取閾值對圖像進行黑白二值化處理，從而識別出刀具磨損區(qū)域；適當(dāng)?shù)男螒B(tài)學(xué)處理，以凈化二值化圖形；通過刀具基準(zhǔn)圖像標(biāo)定檢測圖像，從而定量計算出被檢刀具磨損量。利用Labview軟件在PC機上建立的刀具磨損測量軟件平臺，采用基于Matlab Script節(jié)點的方法調(diào)用Matlab程序，實現(xiàn)了在機刀具的圖像采集、圖像處理、磨損測量、數(shù)據(jù)管理及硬件裝置機電控制的集成。

[1]陳曉智,李蓓智,楊建國.基于小波分析的聲發(fā)射刀具狀態(tài)判析[J].傳感器與微系統(tǒng),2006,25(6):19-24.

[2]蒙斌.數(shù)控機床刀具磨損與破損的聲發(fā)射監(jiān)測法[J].機械工程與自動化,2010(06):46-49.

[3]高宏力,許明恒,傅攀.一種在線監(jiān)測銑刀磨損量的新方法[J].中國機械工程,2005,16(12).

[4]M.Sortino. Application of statistical filtering for optical detection of tool wear[J]. International Journal of Machine Tools&Manufacture,2003 (43):493-496.

[5]遲輝,張偉,陳穎.圖像處理技術(shù)在刀具磨損檢測中的應(yīng)用[J].工具技術(shù),2007,41(8):100-102.

[6]張悅.基于計算機視覺的刀具磨損檢測技術(shù)的研究[J].機械工程與自動化,2008,27(4):107-109.

[7]計時鳴,張憲,張利.計算機視覺在刀具狀態(tài)監(jiān)測中的應(yīng)用[J].浙江工業(yè)大學(xué)學(xué)報,2002,30(2):143-148.

[8]梁曉剛,張永昌,翟弘泰. LabVIEW與Matlab混合編程的實現(xiàn)[J].電腦開發(fā)與應(yīng)用,2009(09):25-28.