现代制造技术基于机器视觉的刀具状态监测研究进展 - 图文-

1、基于机器视觉的刀具状态监测研究进展王中任1吴艳花1雷俊杰21襄樊学院2襄樊市机电工程学校摘要:介绍了基于机器视觉的刀具磨损监测的三种方法:基于刀具表面图像的视觉监测方法、基于工件表面纹理图像的视觉监测方法和基于切屑图像的视觉监测方法。综述了各种方法的研究进展,比较了各自的优缺点,分析了当前的研究热点和发展趋势。关键词:刀具状态,监测,机器视觉R evie w of Tool Condition Monitoring B ased on Machine VisionWang ZhongrenWu Y anhuaLei JunjieAbstract:Three kinds of tool wear

2、 condition m onitoring methods based on machine vision are introduced,which are methods basing on the sur face pattern of tool,the sur face texture of w orkpiece and the cutting chip.The research development of various approaches are reviewed,their advantages and shortcomings are com pared.Finally,r

3、esearch hot issues and development trends of tool wear condition m onitoring based on machine vision are analyzed.K eyw ords:tool condition,m onitoring,machine vision1引言采用传统机床加工时,机床操作者主要是通过视觉观察刀具表面形态的变化,以便对刀具状态做出判断。对于现代机床而言,约有20%的停工时间归因于刀具失效,并由此导致生产效率的下降和经济损失1,因此提高对刀具磨、破损状态的监控水平意义重大。采用计算机视觉替代人工对刀具磨损

4、进行监测可以实现刀具状态监测的自动化。机器视觉方法在刀具状态监测中的应用情况主要有三种类型:一是观测点在刀具表面的基于刀具表面图像的直接监测方法,二是观测点在被加工工件表面的基于工件表面图像间接监测方法,三是观测点在刀具刃口处切屑上的基于切屑图像的准直接监测方法。2基于刀具表面图像的视觉监测方法刀具表面是刀具磨破损状态的直接反映,因此基于刀具表面图像的直接监测方法具有其它监测方法所不能比拟的优点。基于刀具表面图像的直接监测系统一般由镜头、CC D、摄像机、光源、图像采集卡、计算机等组成。由于在工件切削的过程中,切屑挡在刀具的表面,因此,基于刀具表面图像的视觉监测方法一般不能在切削过程中进行,因

5、此只是一种间歇式的准在线监测方法。但是,由于这种方法是直接对刀具磨破损部位的几何形态进行检测,具有检测结果直观、准确、可靠的优点,因而具有较广泛的应用前景。目前,主要的研究工作是对于后刀面的测量,但同时进行后刀面和月牙洼磨损检测的研究未见报道。文献2和3研究了把视觉监测用于在线监测后刀面磨损的可能性,使用由平滑直方图决定的阈值勾画出后刀面磨损区域,由于刀具其他部分的虚假反射,观察到后刀面磨损宽度有较大的变化。W.Wang等基于连续图像分析提出了用于铣削加工后刀面磨损的间歇式测量方法4,连续图像是在主轴转动过程中拍摄的,为了使图像的模糊程度最低,研究者采用了高速相机和低速转动(20rpm,研究了

6、基于图像系列的刀具磨损状态的监测方法,与拍摄静止刀具图像不同,由于不需要停机就可以进行刀具的监测,这种方法显示了它在工业监测中的应用潜力。刀具磨损信息主要包括前刀面的月牙形磨损深度、月牙形磨损面积、后刀面的磨损VB值以及它的磨损面积。求取磨损面积和计算VB值的关键之处在于将磨损区域从包括背景和未磨损区域的图像中提取出来,并按像素点通过一定的比例计算它们的值。从原始图像中分割磨损区域,可以采用基于灰度直方图的全局阈值法,从灰度直方图根据人工选择的阈值把灰度图转换为二值图,然后进行计算。此外,磨损区域的分割也可以通过边缘和纹理算子进行,但仅仅使用亮度阈值法进行分割,往往分割图像中的噪声较大,所做出

7、的分割与实际情况相差较大。区别于传统的基于阈值化的方法,文献5提出收稿日期:2007年5月了一种新的由粗到细的图像处理方案来检测刀具后刀面磨损的面积。首先利用获得的二值图像来发现磨损底部边缘点,然后采用一种基于矩不变的阈值无关的边缘检测方法来确定具有亚像素精度的磨损边缘。为了缩短计算时间,首先定义一个临界区域,后面的处理都限定于这个感兴趣区域(ROI,这种方法对后刀面磨损视觉测量是比较有效的。尽管基于机器视觉的刀具检测方法现在是一个研究热点,许多研究也证明了这种方法在工业应用中的可行性,但是目前该方法在工业实际中远不如基于声发射和切削力的检测方法应用得广泛。因为机械加工现场的实际环境比较恶劣,

8、而机器视觉对于环境照明、污染等方面的要求比较高,同时,机器视觉系统与加工机床的有机结合也一直是一个难题。文献6研究了自适应照明技术,揭示了照明的稍小变化对刀具磨损图像的影响,获得了优化照明条件下的较好图像处理效果。求取磨损面积的关键在于从包括背景和未磨损区域的图像中提取磨损区域的像素。从理论上说,在黑暗的背景中,明亮的磨损区将产生双峰的强度直方图,选择谷底作为灰度阈值将得到合理的磨损区域边界。但这一方法往往由于背景光强的不规则性,导致准确性很差。另外,文献7研究了基于纹理算子的边缘检测,完成了由CC D照相机获取的前刀面磨损图像的分割。文献8研究了采用立体视觉测量刀具前刀面的方法,并测量了前刀

9、面的三维尺寸,采用多组立体图像来实现刀具磨损几何形状的可视化;提出采用人工神经网络的方法来预测刀具的磨损状态,利用了广泛应用的多层感知器,通过反向传播算法神经网络进行训练,可以利用比较少的数据量来估计刀具的磨损。以切削速度、进给量和吃刀量作为输入参数,而后刀面宽度和前刀面深度作为输出参数。对车刀前刀面的磨损情况进行判别,涉及磨损深度和磨损面积的检测,文献9详细阐述了双目视觉系统获取磨损深度三维信息的原理,采用立体摄像机生成的体视图像来描述刀具前刀面磨损的状态(见图1,而且可以得到刀具磨损的深度和前刀面磨损面积的参数,这种技术为刀具磨损提供了一种快速的在线分析方法。白光干涉法是一种快速精确测量表

10、面高度和形貌的技术。文献10提出了采用白光干涉法测量前刀面的方法进行刀具检测,利用光学轮廓仪来获得各种切削条件下前刀面的三维图像, 测量前刀面几图1双目视觉前刀面磨损三维轮廓图像何参数(包括长度、宽度、深度和体积,以此来评估刀具磨损的状态。W.H.Wang等采用相移法研究了前刀面的三维测量,通过条纹分析对刀片的月牙区域进行了三维重构测量,具体方法是将四条不同相移的条纹投影到刀具的前刀面上,获得四副灰度图像,通过运算、解相得到月牙洼的整个尺寸,包括月牙洼深度(KT、月牙洼宽度(K B、月牙洼中心距离(K M和月牙洼前端距离(KF。采用这种方法评估了具有各种月牙洼表面的刀片,图2为相移法得到的前刀

11、面三维形貌图像以及尺寸。这种基于结构光的方法,对环境光具有健壮性,对于工厂实际监测有一定的实用价值11 。KT=220m,K B=1283m,K M=135m,KF=0图2相移法得到的前刀面三维形貌图像砂轮磨损状态的监测与监控对于保证砂轮表面的质量以及精加工表面的质量十分重要。文献12采用直接视觉测量砂轮表面的方法,采用多方向照明和图像融合,得到图像的深层相关信息,然后采用多尺度小波变换进行了图像分割(图3, 对砂轮表(a带有较少磨粒的(b对a利用多尺度小波砂轮图像分割定位与分类图3砂轮表面图像与处理面的砂粒和孔穴进行了定位与分类(白色为磨粒,黑色为孔穴。3基于工件表面纹理图像的视觉监测方法工

12、件表面纹理指对已加工工件表面形貌或几何特征等参数的定义,它包括一些呈现在表面轮廓中的一些特征,如粗糙度、波形和缺陷等等。工件表面纹理是刀具刀刃状态的负映像。刀刃锋利时切削出的工件纹理清晰,连续性好;刀刃磨钝时切削出的工件纹理紊乱,不连续且有断痕。不同的加工方式和刀具具有不同的纹理特性。由于被加工工件的表面是刀具表面形状的负映像,直接受刀具刃口形态的影响,因此,观测被加工工件表面的纹理,同样可以判别出刀具的刃口状态。基于工件表面图像的视觉监测方法是通过计算机视觉分析被加工工件加工后表面的纹理,从而判断刀具状态的一种间接监测方法。A.A.K assim 等提出了一种面向连通性的快速H ough 变

13、换,能够容易地检测到加工表面纹理二值边缘图像的所有线性部分,发现从图像分割提取的特征与刀具磨损联系紧密(图4,并采用多层感知器神经网络来估计各种加工过程的后刀面磨损。采用这种基于改进的H ough 变换的方法能够有效地分析加工表面的质量,从而能够用来监测刀具的磨损13。 (a 锋利刀刃加工的表面条纹(b 图a 的COHT分割结果 (c 磨钝刀刃加工的表面条纹(d 图c 的COHT 分割结果图4工件表面纹理和图像分割结果熊四昌等以随机图像纹理模型为基础,分别研究了基于分数布朗运动和马尔可夫随机场理论的图像纹理特征的提取方法和应用,并对工件表面纹理图像的特点进行了分析。在车削试验数据的基础上,对工

14、件表面纹理图像的特征参数进行提取,提出采用相对距离作为刀具磨损程度的评价指标。指出三阶马尔可夫随机场能够比较充分地反映工件表面纹理图像的特征14。4基于切屑图像的视觉监测方法由于切屑形态是切屑变形的直观表象,若在切削中,工件材料、切削用量、刀具的几何参数等影响切屑变形的基本条件不变,那么刀具磨破损就是引起切屑形态规律发生变化的主要原因。因此,切屑形态一直被作为操作工人判断刀具损坏的主要信息来源。在切屑形态的变化规律中蕴涵着的刀具磨破损状态信息可以被用于刀具状态的在线自动监控。计时鸣等对基于切屑图像的刀具状态视觉监测方法进行了初步的研究,但也只是从理论上分析了这种方法的可行性,并没有进行具体的试

15、验研究,由于切屑产生的随机性和变形的复杂性,用于在线视觉监测更加困难15。目前国内外基于切屑的刀具磨损状态研究都处于初探阶段,尚未获得具体的研究结果。5结语基于计算机视觉的刀具磨损状态监测技术是国外近年来研究的热点,但国内相关研究还比较滞后。随着光学三维测量技术,特别是结构光技术的快速发展,基于三维深度图像的磨损状态测量将会获得更多的重视,成为今后的研究热点。可以预见的是:随着计算机技术的发展和各种图像分析算法的提出与完善,必将带动刀具状态视觉监测乃至整个刀具监测技术的发展与广泛应用。参考文献1S K urada ,C Bradley.A review of machine vision se

16、ns or for toolcondition m onitoring.C om puters in Industry ,34(1997:55722K B Pedersen.Wear measurement of cutting tools by com putervision.International Journal of Machine and T ools Manu factur 2ing ,30,1(1990:1311393J J ParkA ,G alip Uls oy.On 2line flank wear estimation usingadaptive observer an

17、d com puter vision.J Eng.Ind.,115(1993:37434W Wang ,Y S W ong ,G S H ong.Flank wear measurement bysuccessive image analysis.C om puters in Industry ,56(2005:816830 5W H Wang,G S H ong,Y S W ong.Flank wear measurement bya threshold independent method with sub2pixel accuracy.Inter2national Journal of

18、Machine T ools&Manu facture,46(2006: 1992076T P feifer,L Wiegers.Reliable tool wear m onitoring by opti2 mized image and illumination control in machine vision.Mea2 surement,28(2000:2092187S K urada,C Bradley.A machine vision system for tool wear as2 sessment.T ribology International,V ol.30.N o

19、.4.(1997:PP 2953048K Niranjan Prasad,B Ramam oorthy.T ool wear evaluation by stereo vision and prediction by artificial neural netw ork.Journal of Material Processing T echnology,112(2001:43529K arthik A,Chandra S.3D tool wear measurement and visual2 ization using stereo imaging.Int J Mach T ools Ma

20、nu fact.,1997, 37:1573158110A Devillez,S Lesko,W M ozer.Cutting tool crater wear mea2surement with white light inter ferometry.Wear,256(2004: 566511W H Wang,Y S W ong,G S H ong.3D measurement of crater wear by phase shifting method.Wear,261(2006:164171 12Thomas Heger,Madhukar Pandit.Optical wear assessment system for grinding tools.Journal of E lectronic Imaging,13(3 2004:45046113A A K assim,Zhu M ian,M A Mannan.C onnectivity oriented fast H ough trans form for tool wear m onitoring.Pattern Recogni2 tion,37(2004:1925193314熊四昌.基于计算机视觉的刀具磨损状态监测技术的研究.浙江大学博士学位论文,200315