基于機(jī)器視覺的數(shù)控盤銑刀磨損狀態(tài)檢測方法

戚國偉，張敏，柳國棟，張建強(qiáng)，吳松林

（1.西京學(xué)院 機(jī)械工程學(xué)院，陜西西安，710123；2.白水縣保障性住房中心，陜西渭南，715699）

0 引言

制造業(yè)的生產(chǎn)實(shí)踐中，刀具使用費(fèi)用大約占機(jī)加工成本的3%～12%。其中，大約20%是由于刀具的磨損或破損造成的。作為銑削加工的主要刀具，組合式盤銑刀利用鑲嵌在刀具頭部的刀片實(shí)現(xiàn)切削，易更換、使用方便且價(jià)格適中，是目前高速數(shù)控銑床使用較為廣泛的刀具之一。但刀片易磨損，對高速銑削加工的質(zhì)量影響較大，實(shí)際生產(chǎn)中往往頻繁定時(shí)更換。因此，實(shí)現(xiàn)數(shù)控盤銑刀片磨損狀態(tài)的自動化檢測，對優(yōu)化刀片更換策略、降低企業(yè)生產(chǎn)成本及提高生產(chǎn)效率有重要的應(yīng)用價(jià)值和現(xiàn)實(shí)意義。

通常，刀片磨損狀態(tài)信息的獲取主要依據(jù)技術(shù)人員觀察或按照實(shí)際加工時(shí)間確定。人工判讀容易受到各種主客觀因素的影響，費(fèi)時(shí)、費(fèi)力且沒有統(tǒng)一的標(biāo)準(zhǔn)，無法準(zhǔn)確地獲取刀片磨損狀態(tài)參數(shù)。

設(shè)計(jì)圖像采集裝置，應(yīng)用數(shù)字圖像處理技術(shù)，研究刀具磨損狀態(tài)檢測方法并準(zhǔn)確獲取相關(guān)信息及其特征識別是目前應(yīng)用研究的熱點(diǎn)[1]，在工業(yè)生產(chǎn)實(shí)踐中有廣泛的應(yīng)用前景。如，Marla T.等應(yīng)用機(jī)器學(xué)習(xí)及形態(tài)學(xué)處理方法實(shí)現(xiàn)了刀具磨損區(qū)域的分割及特征識別，并成功地應(yīng)用于一體式盤銑刀磨損狀態(tài)的在線監(jiān)測[2]。Laura F.等應(yīng)用多樣條插值法及機(jī)器視覺技術(shù)開展銑刀磨損區(qū)域的邊緣檢測，并運(yùn)用于銑刀切刃面破損程度的識別[3]。同樣，劉亞輝等基于改進(jìn)的Zernike矩方法及Lanser算子獲取了刀片圖像像素級邊緣，并獲取了亞像素精度的磨損區(qū)域輪廓信息，實(shí)現(xiàn)了較為準(zhǔn)確的磨損區(qū)域特征識別[4]。程訓(xùn)及余建波提出了基于積分圖加速和Turky bi-weight 核函數(shù)的非局部均值法用于銑刀圖像噪音的去除，并應(yīng)用于麻花鉆頭磨損狀態(tài)的過程監(jiān)測[5]。秦奧蘋以面銑刀為研究對象，設(shè)計(jì)了面銑刀圖像采集系統(tǒng)，提出了一種在主軸旋轉(zhuǎn)狀態(tài)下采集連續(xù)圖像序列的圖像采集方案[6]。目前，所提出的各種檢測方法成本較高，應(yīng)用困難，難以適用于高速銑刀磨損狀態(tài)的在線檢測需求。

應(yīng)用數(shù)字形態(tài)學(xué)原理，結(jié)合最小外接矩形變換算法，本文提出了一新的銑刀刀片磨損區(qū)域的識別方法。步驟包括圖像預(yù)處理、圖像形態(tài)計(jì)算、利用Canny 算子進(jìn)行的磨損邊緣檢測、去除干擾連通區(qū)域、主連通區(qū)域填充及磨損區(qū)域的統(tǒng)計(jì)計(jì)算等，主要參數(shù)有磨損面積及最大磨損寬度。最后，利用19JPC 萬能工具顯微鏡及GUI 平臺進(jìn)行了對比實(shí)驗(yàn)研究，給提出了盤銑刀刃磨損面積及寬度的統(tǒng)計(jì)計(jì)算方法，并進(jìn)行了誤差分析。實(shí)驗(yàn)結(jié)果表明，磨損區(qū)域特征參數(shù)檢測的精度高，檢測效率高，成本相對較低，可以正確地實(shí)現(xiàn)數(shù)控盤銑刀磨損狀態(tài)的在線監(jiān)測，符合企業(yè)生產(chǎn)實(shí)際的需求。

1 圖像預(yù)處理及磨損區(qū)域框定

本文以機(jī)械加工企業(yè)生產(chǎn)實(shí)際中使用較為普遍的組合式盤銑刀為對象，研究自動化的識別切刃面磨損區(qū)域的方法。如圖1 所示是采集到的銑刀圖像預(yù)處理流程，包括圖像灰度變換、圖像濾波處理及圖像檢測區(qū)域的框定，圖2為特征提取流程，包括邊緣特征提取、圖像形態(tài)計(jì)算及磨損區(qū)域特征參數(shù)的統(tǒng)計(jì)計(jì)算等。

圖1 圖像預(yù)處理流

圖2 圖像特征提取流程

首先，采用高斯濾波方法去除圖像采集時(shí)附加的噪聲，即使用3×3 的高斯模板和二維的高斯函數(shù)，逐點(diǎn)處理。以距離中心點(diǎn)（x,y）位置的不同設(shè)置相應(yīng)的加權(quán)值，中心點(diǎn)的權(quán)值最大，隨距離的增加權(quán)值逐漸減小。變換后中心點(diǎn)的灰度值如公式(1)所示，其中為標(biāo)準(zhǔn)差，其取值默認(rèn)為0.5，視濾波效果調(diào)整。

圖3 所示為高斯濾波的效果，其中圖3(a)為原始圖像，圖3(b)為灰度變換后的圖像，圖3(c)為經(jīng)過高斯濾波后的結(jié)果圖像。

圖3 圖像灰度變換及噪音去除過程

銑刀磨損區(qū)域特征提取之前，需要對圖像進(jìn)行適當(dāng)剪裁，即實(shí)現(xiàn)檢測區(qū)域的框定，以減少圖像背景對處理結(jié)果的影響。

首先，應(yīng)用迭代全域值OTSU 分割法進(jìn)行圖像區(qū)域閾值分割處理，相較于其他分割算法該方法在很大程度上保留了圖像主要特征的細(xì)節(jié)，同時(shí)，一定程度上抑制了圖像中的雜質(zhì)點(diǎn)，其效果如圖3(d)所示。計(jì)算方法如公式(2)所示。

采用圖像形態(tài)學(xué)的方法，進(jìn)行開閉合運(yùn)算，即通過圖像的膨脹與腐蝕將圖像中枝節(jié)部分去掉。圖像膨脹使原本分離開的部分融合為一個(gè)整體，相反，圖像的腐蝕可有效斷開圖像間細(xì)微的連接部。閉運(yùn)算體流程是先膨脹再腐蝕，如公式(3)所示，開運(yùn)算的流程與閉運(yùn)算相反，如公式(4)所示，其中，A 是原始圖像，S 是結(jié)構(gòu)元素圖像，則公式表示集合A 被結(jié)構(gòu)元素S 做開運(yùn)算，記為A?S，閉運(yùn)算記為A·В。

處理過程及結(jié)果如圖4 所示，其中圖4(a)為經(jīng)過全域值OTUS 分割法后得到的逆二值化圖像，圖4(b)是進(jìn)行閉運(yùn)算后得到的圖像，可以看出，閉合運(yùn)算后圖像外部輪廓明確。

圖4 圖像形態(tài)學(xué)處理結(jié)果

全域搜索圖像（圖4(b)所示）外輪廓最高點(diǎn)、最低點(diǎn)及最左側(cè)點(diǎn)、最右側(cè)點(diǎn)，獲取最小外接矩形。應(yīng)用最小矩形框定出刀片輪廓區(qū)域，如圖4(c)所示，圖4(d)則是該矩形區(qū)域內(nèi)的原始圖像。

實(shí)際切削加工的磨損區(qū)域是銑刀刀片的刀刃部分，中部用于固定刀片的螺絲孔部分是不需要進(jìn)行圖像處理的。以最小外接矩形的幾何中心向外做邊長為В 的正方形區(qū)域，В的取值比被檢測刀具內(nèi)方略大，如圖5(a)和圖5(b)所示。將正方形區(qū)域內(nèi)像素改為255 級使之與背景像素一致，形成如圖5(b)所示的圖像，這樣可減少后續(xù)圖像處理過程中中部雜質(zhì)點(diǎn)對結(jié)果的影響。

圖5 框定出的原始圖像及去除中心區(qū)域后的圖像

2 磨損區(qū)域特征提取及統(tǒng)計(jì)分析

如圖2 所示，磨損區(qū)域特征提取的步驟是首先進(jìn)行像素尺寸標(biāo)定計(jì)算，再通過圖像形態(tài)計(jì)算獲取磨損面積的計(jì)算，最后，利用磨損區(qū)域邊界檢測及其特征提取實(shí)現(xiàn)磨損最大寬度的計(jì)算。

如表1 所示，實(shí)驗(yàn)統(tǒng)計(jì)了10 組刀片（未磨損）的最小外接矩形高度值（即表中刀片邊長像素?cái)?shù)），實(shí)際測量刀片的高度值（刀片邊長），統(tǒng)計(jì)各邊長像素?cái)?shù)與實(shí)際測量值的關(guān)系值f 的平均值為2.3867μm。表1 給出了利用平均值作為像素尺寸轉(zhuǎn)換值，各尺寸換算值的相對誤差值，可以看出誤差控制在1%以內(nèi)。

表1 盤銑刀片尺寸實(shí)驗(yàn)數(shù)據(jù)統(tǒng)計(jì)

表1 中的誤差率（%）可由式(5)計(jì)算得：

式中：D為盤銑刀片像素長度（單位：像素）；f為關(guān)系值（單位）；d為實(shí)際測量長度（單位：mm）。

邊緣檢測中，選擇Two-pass 標(biāo)記法進(jìn)行連通域處理，即圖像逐行以某像素為中心逆時(shí)針掃描，逐步實(shí)現(xiàn)連通域的標(biāo)記。而后，去除將細(xì)小連通域，保留區(qū)域主要的連通域。

如圖6 所示，圖6(a)為去除連通域后的圖像，圖6(b)為去除主連通域周圍的細(xì)小連通域（干擾）后的二值圖像。隨后進(jìn)行邊緣檢測，選用有一定抗干擾能力，且邊緣定位較精確的Canny 算子，其表達(dá)式如公式(6)所示，其中，模

圖6 邊緣檢測結(jié)果

應(yīng)用Canny 算子獲得盤銑刀片磨損區(qū)域邊緣后，再對邊緣內(nèi)部區(qū)域填充，如圖6(c)所示為邊緣檢測的結(jié)果，圖6(d)為區(qū)域填充的結(jié)果。利用填充圖像實(shí)現(xiàn)磨損面積的統(tǒng)計(jì)計(jì)算，如公式(7)所示。

式中：S為磨損區(qū)域面積；m為磨損區(qū)域像素點(diǎn)個(gè)數(shù)；f為像素尺度變換參數(shù)。

數(shù)控加工中，銑刀徑向磨損區(qū)域的寬度NВ 是其磨損程度的重要指標(biāo)之一。如圖7(a)所示為磨損區(qū)域的上半部分截圖，去掉尖角部分，沿圖7(b)所示最大寬度方向，利用公式(8)來計(jì)算，并取四個(gè)方向統(tǒng)計(jì)計(jì)算出的最大磨損寬度NВmax。

圖7 磨損區(qū)域最大寬度的檢測方法

其中，磨損區(qū)域內(nèi)徑向最大寬度；f 為像素尺寸轉(zhuǎn)換值。

利用萬能工具顯微鏡人工測量刀片磨損區(qū)域的實(shí)際參數(shù)，并與上述方法的測試數(shù)據(jù)對比，來檢驗(yàn)其有效性。盤銑刀片磨損區(qū)域面積誤差計(jì)算如公式(9)所示。

如圖8(a)所示，實(shí)際磨損區(qū)域面積與機(jī)器視覺檢測的磨損面積之間的誤差率統(tǒng)計(jì)結(jié)果顯示，檢測刀刃磨損面積的誤差率控制在10%以內(nèi)。圖8(b)所示為最大寬度的對比統(tǒng)計(jì)結(jié)果，其誤差控制在5%以內(nèi)。

圖8 磨損區(qū)域面積及最大寬度的對比結(jié)果

3 總結(jié)

本文以生產(chǎn)實(shí)際中應(yīng)用較為廣泛的組合式盤銑刀為研究對象，為獲取其磨損區(qū)域的特征參數(shù)，進(jìn)行了一系列的圖像處理實(shí)驗(yàn)，包括圖像預(yù)處理、形態(tài)學(xué)運(yùn)算、邊緣檢測、區(qū)域分割及特征提取等。在大量圖像處理實(shí)驗(yàn)的基礎(chǔ)上，進(jìn)行了對比統(tǒng)計(jì)分析及計(jì)算。其中，利用迭代全域值OTSU 分割法及圖像形態(tài)學(xué)方法框定了檢測區(qū)域，運(yùn)用Canny 算子進(jìn)行邊緣檢測，同時(shí)，通過Two-pass 標(biāo)記法實(shí)現(xiàn)了連通域的剪切處理，最終實(shí)現(xiàn)了磨損區(qū)域面積及最大磨損區(qū)域?qū)挾鹊挠?jì)算。

實(shí)驗(yàn)結(jié)果表明：應(yīng)用所提出的盤銑刀刀片磨損區(qū)域分割方法及相關(guān)的參數(shù)計(jì)算，能夠較為準(zhǔn)確地識別銑刀磨損區(qū)域面積及磨損寬度，與顯微鏡實(shí)際測量的結(jié)果相比較，誤差率分別控制在10%及5%的范圍內(nèi)。