随着制造业的发展,机床的利用率日益提高,而刀具作为机床加工工具,其磨损状态会直接影响机床加工精度和加工效率,因此,在加工过程中检测刀具磨损状态具有重要的现实意义。目前,刀具磨损检测方法以传统检测方法为主,而传统检测方法存在精度不稳定和传感器安装复杂等问题,基于这些问题,本文对基于机器视觉的刀具磨损检测方法进行了研究,该方法不仅能获取精确的磨损量,而且不易受环境噪声干扰。本文以利用机器视觉技术实现在机自动检测刀具磨损状态为目的,开展了基于机器视觉的刀具磨损在机自动检测系统的软硬件研究,研究内容如下:（1）介绍了刀具磨损机理及视觉检测方法,确定刀具后刀面最大磨损宽度为刀具磨损评价指标,并对刀具磨损视觉检测原理和系统组成进行了分析。为了实现在机自动采集刀具图像,提出了一种在主轴旋转状态下采集连续图像序列的图像采集方案,促进了基于机器视觉的刀具磨损在机自动检测系统在工业中的应用。（2）设计了刀具磨损检测视觉实验。以面铣刀为实验对象,对切削加工装置和硬件选型进行了介绍,搭建了图像采集系统。根据实际应用场景确定实验参数,并设计了具体的实验方案。详细分析了实验采集的数据,总结了连续图像序列数据的特点。本次实验证明了图像采集方案的可行性,也为后续图像处理算法的测试提供了数据支撑。（3）设计了基于连续图像序列的图像处理算法。首先,通过图像剪裁和增强,提高算法效率和精度。其次,提出了一种基于边缘信息的粒子群优化算法（PSO）优化的最大类间方差（OTSU）分割方法,提取图像目标区域,并设计了一种基于区域面积的二值化图像优化算法,进行孔洞填补和孤立噪声点滤除。接着,提出了一种基于区域形状特征的图像选择算法来确定最佳刀具磨损图像。最后,设计了面铣刀后刀面磨损测量算法。（4）开发了一套刀具磨损检测软件系统。使用Py Qt界面开发框架进行了软件系统界面设计,采用轻小型数据库SQLite进行数据管理。该软件系统可实现刀具磨损的实时检测、离线检测和检测数据的管理,具有广阔的工程应用价值。