论文部分内容阅读
刀具状态监测技术对自动化加工效率和加工质量的提高有着十分重要的意义。基于计算机视觉的刀具状态监测技术较传统刀具状态监测技术有明显的优势,本文以计算机视觉图像处理技术为手段,对刀具磨损图像处理及状态监测的关键技术进行了研究,对刀具状态监测具有重要的指导意义。对刀具磨损状态的特征、磨损过程和磨钝标准进行了分析,建立了基于计算机视觉的刀具后刀面磨损监测实验系统;以该实验系统获得的HSS刀具后刀面磨损图像作为研究对象,进行图像预处理、边缘检测、磨损区域分割等,并计算刀具磨损程度的特征值。采用矩不变亚像素精度检测方法对HSS刀具后刀面磨损图像进行边缘检测;通过图像裁减、图像增强,去噪等对原始图像进行预处理,采用基于自适应遗传算法的Otsu阈值分割方法对Sobel边缘检测后的图像进行分割,以矩不变亚像素精度边缘检测方法获取磨损区域底部边缘。引入马尔可夫随机场理论,建立了刀具后刀面磨损图像的马尔可夫图像分割模型,分别采用确定性松弛ICM算法和随机性松弛Gibbs采样算法,对图像分割问题进行求解,获得MAP准则下的图像分割结果;结果表明采用马尔可夫图像分割方法较传统双阈值分割方法分割效果好,尤其是Gibbs采样算法的分割精度更高。建立了分层马尔可夫分割模型,利用模型中层与层之间的因果性,采用EM算法估计模型参数,获得最大后验边缘概率准则MPM下的分割结果;对该结果与迭代马尔可夫模型分割结果进行比较分析,结果表明该方法对目标区域识别能力更强。采用链码边界搜索算法进行目标区域边界的完整描述,并确定链码长度的合适阈值,以去除分割后图像中的噪声区域;计算不同分割方法和边缘检测方法下的磨损量值VBmax、VBmean,并与实测磨损值进行对比分析,结果表明基于图像的计算值与实际磨损量测量值比较一致,表明图像检测是获取刀具磨损状态的有效手段。在上述研究的基础上,开发了刀具状态检测的图像处理系统,该系统能够实现图像读入、预处理、磨损边缘检测、磨损程度判定以及磨损曲线的绘制等功能,对完善基于计算机视觉的刀具状态检测技术具有重要的实际意义。