基于机器视觉铣削刀具磨损在机检测系统研究

发布时间：2023-02-26 13:54

　　随着计算机技术的广泛应用,机械制造业正向智能化、数字化、网络化方向发展。特别是航空航天、汽车等制造行业的快速发展,对现代制造业的加工质量与加工效率提出更高要求,而刀具的磨损状态影响着切削加工的效率以及工件的加工质量,因此需要构建高效的刀具磨损状态检测系统。磨损状态检测系统可获取加工过程中刀具的磨损状态及磨损量,优化切削加工参数,合理选择换刀时间,提高刀具利用率以及切削加工效率,节约成本。本文基于机器视觉方法对铣削刀具磨损在机检测系统进行研究,主要研究内容如下:研究了刀具磨损的形态和过程,利用加权平均值灰度化法、自适应混合滤波降噪方法、对比度线性拉伸图像增强法以及OTSU自适应阈值分割算法对刀具磨损图像进行预处理,将分割出的磨损区域二值图像利用闭合运算和区域填充进行孔洞填平以及边缘完整化。基于改进的Zernike矩方法对Lanser算子获取的像素级边缘进行重定位,以获取其亚像素精度的轮廓边缘。根据球头铣刀和平底铣刀的磨损特征,分别设计不同的图像处理算法提取刀具磨损量。设计了一套铣削刀具磨损图像在机采集装置,针对平底铣刀、球头铣刀以及盘铣刀设计不同的图像动态采集方案,确定了机床主轴转速和采...

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题来源
    1.2 研究的目的及意义
    1.3 相关领域国内外研究现状
        1.3.1 刀具磨损状态检测技术发展概况
        1.3.2 基于机器视觉刀具磨损检测研究现状
        1.3.3 基于深度学习的图像识别研究现状
    1.4 论文主要研究内容
第2章 刀具磨损理论及刀具磨损视觉检测原理
    2.1 引言
    2.2 刀具磨损理论研究
        2.2.1 刀具磨损形态
        2.2.2 刀具磨损过程
    2.3 刀具磨损图像预处理
        2.3.1 图像灰度化
        2.3.2 图像自适应混合滤波降噪处理
        2.3.3 图像对比度拉伸
        2.3.4 基于OTSU算法的自适应阈值图像分割
    2.4 图像形态学处理
    2.5 图像边缘检测
    2.6 基于改进的Zernike矩亚像素边缘检测
    2.7 铣削刀具磨损几何参数测量方法研究
        2.7.1 平底铣刀磨损测量方法研究
        2.7.2 球头铣刀磨损测量方法研究
    2.8 本章小结
第3章 铣削刀具磨损在机检测
    3.1 引言
    3.2 检测系统刀具磨损信息采集
        3.2.1 检测系统硬件的选择
        3.2.2 图像采集系统机械结构设计
        3.2.3 检测系统图像采集方案设计
    3.3 自动检测刀具磨损验证实验
        3.3.1 在机检测系统像素当量的标定
        3.3.2 平底铣刀磨损识别实验分析
        3.3.3 球头铣刀磨损识别实验分析
        3.3.4 盘铣刀磨损识别实验分析
    3.4 本章小结
第4章 基于卷积神经网络铣削刀具磨损类型自动识别
    4.1 引言
    4.2 深度学习的典型学习模型
        4.2.1 自动编码机
        4.2.2 循环神经网络
        4.2.3 深度置信网络
        4.2.4 卷积神经网络
    4.3 基于卷积神经网络的铣削刀具磨损类型自动识别
        4.3.1 刀具磨损类型识别的总体流程
        4.3.2 刀具磨损类型识别网络结构设计
        4.3.3 卷积神经网络的训练过程
    4.4 实验结果和分析
        4.4.1 实验数据集
        4.4.2 实验数据设置及评估指标
        4.4.3 实验结果分析
    4.5 本章小结
第5章 铣削刀具磨损在机检测系统的软件设计及开发
    5.1 引言
    5.2 检测系统功能需求分析
    5.3 检测系统软件界面和软件控制流程设计
    5.4 软件功能模块设计
        5.4.1 图像采集模块设计
        5.4.2 图像处理模块设计
        5.4.3 刀具磨损类型智能识别模块设计
    5.5 本章小结
结论
参考文献
攻读硕士期间发表的学术论文及研究成果
致谢



本文编号：3750442