切削加工是金属加工的主要加工形式,切削刀具的磨损与加工质量有着密不可分的关系。基于人工经验检测刀具磨损,主观因素干扰太多,很容易造成资源的浪费。而传统的刀具磨损检测只能检测出刀具磨损值。在智能加工过程中不仅需要提取刀具磨损值同时还需要得到刀具磨损特点、刀具磨损趋势以及刀具的最大使用寿命,由此需要对刀具磨损有一个全面的了解。因此设计一套智能、直观、实时的刀具磨损检测方案是十分必要的。本论文主要完成以下内容:研究了基于机器视觉的刀具磨损检测技术及刀具磨损图像的预处理算法,利用图像识别方法测量刀具磨损量。针对球头铣刀以及立铣刀的特点结合机床主轴转速、进给速度、刀具直径、CCD工业相机的采集视野分别设计了球头铣刀以及立铣刀的动态采集方案。使用设计的刀具磨损检测系统进行铣削刀具磨损在机检测实验:首先用本文设计的采集方案采集刀具磨损图像,然后利用SIFT算法进行图像配准以及图像融合,将实时采集的多幅铣削刀具磨损图像拼接成清晰的刀具磨损图像。最后分别对立铣刀以及球头铣刀进行了自动识别磨损值实验,并对图像进行处理得到刀具磨损值。研究了基于卷积神经网络的刀具磨损类型识别方法。首先利用Image Net网络结构搭建本文的训练集,并用反馈神经网络训练数据集。然后对比预训练卷积神经网络和无训练的卷积神经网络识别刀具磨损状态的类型以及识别准确率。设计开发基于机器视觉刀具磨损检测系统软件。利用Visual Studio开发软件的界面,结合Visual Studio与相机自带CCD开发包开发图像采集模块,利用Matlab的图像处理和深度学习工具包与Visual Studio混合编程开发刀具磨损图像处理和刀具磨损类型识别模块。