一种立铣刀磨损参数的在线检测方法

1.本发明涉及机械工程先进制造技术、人工智能以及基于机器视觉的图像处理学科交叉领域，具体涉及一种立铣刀磨损参数的在线检测方法。


背景技术：

2.在工件加工过程中，刀具的选用、安装、控制和磨损都是刀具在使用过程中需要关注的重要环节。刀具在工作过程中，由于刀具材料、工件材料、加工参数等主要因素，直接影响刀具磨损状态，刀具在产生磨损的同时，长时间作业下也会发生产生缺损，刀具磨损和缺损直接影响工件的加工质量。对于刀具磨损的检测则是加工过程中一项至关重要的部分，对于大多数磨损检测方案，往往会只检测立铣刀前刀面的磨损情况，从而忽略铣刀的缺损部分，这对于铣刀刃的磨损检测是不完整的，且对于整个铣刀刃的磨损情况表述是不准确的。针对这一情况，本文主要解决立铣刀空间螺旋刃的磨损量和缺损量的定量检测。
3.随着计算机视觉理论研究不断深入和现代工业化的飞速发展，机器视觉可以在加工过程中实现智能化、柔性、快速和低成本的检测和分类。机器视觉通常都是由相机、镜头、光源组成，以完成在不同工业环境下都能够拍摄图像，完成检测、分类。目前，大多数铣刀磨损检测是铣刀的磨损区域，而对缺损区域却无法通过相机检测来完成，从而导致铣刀的整体磨损精度下降。
4.立铣刀在大切深的情况下侧刃的磨损量和缺损量的在线检测。在铣刀进行大切深的情况下，对于大多数铣刀磨损检测方案，一方面往往会只检测铣刀侧刃后刀面的擦伤情况，从而忽略铣刀的缺损部分；另一方面，由于铣刀切深很大，且侧刃是三维空间曲面，在一个相机视野范围不能捕捉到立铣刀所有磨损信息，是无法获取铣刀的磨损全貌。这对于铣刀刃的磨损检测是不完整的，且对于整个铣刀刃的磨损情况表述是不准确的。


技术实现要素：

5.发明目的：针对现有技术中存在的不足，本发明提供了一种立铣刀磨损参数的在线检测方法，通过安装在相应位置的激光位移传感器测量装置返回距离数据，然后利用机床主轴的位移能力，控制铣刀的移动，手动控制刀具的小幅度往复旋转，采集铣刀缺损部位的点数据，拟合点数据，得到铣刀二维缺损形貌；其次，根据相机沿着铣刀螺旋线拍摄方法，拍摄一组图像，用于把三维铣刀刃拼接成为二维铣刀刃图，并使用已训练完成的vgg16-unet模型识别磨损区域；然后，融合铣刀的缺损区域和磨损区域，即得到铣刀的整体磨损形貌。
6.技术方案：一种立铣刀磨损参数的在线检测方法，包括以下几个步骤：
7.步骤1、在机床上安装相机和激光位移传感器，并且对相机像素尺寸进行标定；
8.步骤2、使用相机进行铣刀图像采集，并且将采集后的图像拼接处理；
9.步骤3、对需要使用的vgg16-unet模型进行训练，根据拼接处理后的图像数据导入vgg16-unet模型中获取刀具磨损二值图，并计算磨损二值图中的磨损宽度值；
10.步骤4、调整激光位移传感器，确定刀具采集位置；
11.步骤5、通过激光位移传感器采集刀具缺损区域数据，处理缺损区域数据；
12.步骤6、将铣刀磨损数据和铣刀缺损数据进行拟合，获取铣刀后刀面缺损值。
13.本发明针对铣刀在大切深的情况下，提出一种沿着铣刀螺旋线拍摄方法，保证多组照片相对于相机拍摄角度、位置一致；并结合语义分割把铣刀侧刃后刀面三维空间曲面表达在二维平面上，结合通过激光传感器数据拟合的缺损形貌，最终，把铣刀侧刃后刀面三维曲面的量化到二维平面上，并通过一维数据进行表示，更为直观的体现出铣刀的磨损以及缺损状态，便于快速判断铣刀状态。
14.优选项，所述步骤1具体为：
15.将相机通过卡座固定安装在靠近机床主轴的侧壁，安装调试相机并对相机进行像素尺寸标定，获得像素当量值，控制机床主轴到达相机拍摄范围位置，进行刀具图像采集；所述的像素尺寸标定采用的计算方法为：
16.宽度像素当量：
[0017][0018]
式中：k为宽度像素当量；l为标尺实际宽度；n为图像中表示标尺宽度所用的像素个数；所述的标尺为已知尺寸的标准物。
[0019]
优选项，所述步骤2具体为：
[0020]
对刀具刃进行编号，调节刀具与相机之间的相对距离，使相机视野中呈现清晰的刀具侧刃图像，根据沿着刀具螺旋刃采集方法采集完整的刀具侧刃图像，并对采集的图像进行拼接处理，将拍摄的片段图像拼接为完整铣刀图像。
[0021]
优选项，所述步骤3具体为：
[0022]
对图片进行拼接处理后，将处理好的图片输入到已经预先训练好的卷积神经网络vgg16-unet模型中，
[0023]
通过模型的预测即可得到输入图像的磨损二值图；绘制刀具磨损二值图最小外接矩形，计算最小外接矩形的宽，所得宽乘上像素宽度当量即得到刀具磨损区域的实际宽度。
[0024]
优选项，所述步骤4具体为：
[0025]
将激光传感器固定安装在靠近机床主轴的另一侧壁上，利用卡座和夹具实现激光传感器与机床的紧密连接，安装调试激光传感器并通过机床移动刀具使刀具轴线与激光传感器的激光光束的中心线处于同一平面且垂直，完成对心工作；
[0026]
打开激光传感器采集软件，通过机床移动刀具，确保激光传感器光束在刀尖位置时有读数，并开始采集工作。
[0027]
优选项，所述步骤5具体为：
[0028]
在刀尖位置，旋转机床主轴，获取在刀尖位置的点数据，通过机床移动刀具，获取下一个位置的点数据，移动方向为机床z轴刀柄指向刀尖方向，每次移动刀具z轴距离为h＝0.2mm，从刀尖开始采集，直至采集到铣刀未磨损区域为止，其中，采集次数为n：
[0029][0030]
式中：h＝切削深度ap/z轴移动距离h，
[0031]
并在未磨损位置再进行采集，记录其位置的点数据；
[0032]
对激光传感器采集的数据进行处理，绘出点数的折线图，根据激光传感器的采集原理，所需要的缺损刃数据为距离激光传感器最近的点数据，提取出每个采集样本所对应的每个刃的数据，并对其求均值，即刀具径向方向所对应的每个采集位置的数据；
[0033]
铣刀径向方向的缺损转化为铣刀后刀面的缺损，公式如下：
[0034]
b2＝a2+c
2-2ac cosθ
[0035]
b＝a-e
[0036]
式中：a为铣刀半径；b为发生缺损后的铣刀半径；e为步骤7的均值；θ为铣刀径向截面前刀面和后刀面所成的锐角；c为所求的铣刀后刀面缺损值。
[0037]
优选项，所述步骤6具体为：
[0038]
完整拍摄一个铣刀刃的拍摄图像数量n，其中第i张图像最大擦伤值为wi，相对应的最大缺损值为vi(其中：i＝1，2，
…
，n)，提出以下方式计算刀面磨损和缺损结果，公式：
[0039][0040]
优选项，所述步骤2图像采集方法具体为：
[0041]
相机不动，刀具旋转移动，移动的距离与旋转的角度可计算得到，即移动刀具z轴距离为1mm，旋转角度为ф，公式如下：
[0042][0043]
式中：β为铣刀螺旋角，d为铣刀直径。
[0044]
有益效果：本发明针对铣刀在大切深的情况下，提出一种沿着铣刀螺旋线拍摄方法，保证多组照片相对于相机拍摄角度、位置一致；并结合语义分割把铣刀侧刃后刀面三维空间曲面表达在二维平面上，结合通过激光传感器数据拟合的缺损形貌，最终，把铣刀侧刃后刀面三维曲面的量化到二维平面上，并通过一维数据进行表示，更为直观的体现出铣刀的磨损以及缺损状态，便于快速判断铣刀状态。通过获取铣刀磨损全貌可以有效的观察铣刀磨损程度，是否处于均匀磨损，对于加工精度比较高的工件，能够及时更换刀，避免了因刀具问题造成的加工偏差影响产品质量。
附图说明
[0045]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0046]
图1是本发明的步骤流程图。
[0047]
图2是本发明的立铣刀磨损、缺损实图和示意图
[0048]
图3是本发明的相机和激光位移传感器测量位置示意图。
[0049]
图4是本发明的本发明中所述相机拍摄方法采集图像示意图。
[0050]
图5是本发明的u-net结构图。
[0051]
图6是本发明的vgg16结构图。
[0052]
图7是本发明的相机沿着铣刀螺旋线实拍磨损图。
[0053]
图8是本发明的相机沿着铣刀螺旋线拍摄图像拼接图。
[0054]
图9是本发明的铣刀径向图。
[0055]
1为主轴，2为铣刀，3为相机，4为相机支撑结构，5为螺栓结构，6为激光位移传感器，7为激光位移传感器支撑结构，8为螺栓结构，9为机床床身。
具体实施方式
[0056]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0057]
在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
[0058]
在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。
[0059]
如图1至9所示，一种立铣刀磨损参数的在线检测方法，包括以下几个步骤：
[0060]
步骤1、在机床上安装相机和激光位移传感器，并且对相机像素尺寸进行标定；
[0061]
将图像采集设备安装在靠近机床主轴的侧壁，利用卡座实现采集设备与机床的紧密连接，安装调试视觉系统并对相机进行像素尺寸标定，获得像素当量值，控制机床主轴到达视觉系统附近位置，准备进行刀具图像采集；所述的像素尺寸标定采用的算法为：
[0062]
宽度像素当量：
[0063][0064]
式中：k为宽度像素当量；l为标尺实际宽度；n为图像中表示标尺宽度所用的像素个数；所述的标尺为已知尺寸的标准物；
[0065]
步骤2、使用相机进行铣刀图像采集，并且将采集后的图像拼接处理；
[0066]
图像采集方法为：相机不动，刀具旋转移动，移动的距离与旋转的角度可计算得到，即移动刀具z轴距离为h2，旋转角度为ф2，其中每上升1mm，旋转角度：
[0067][0068]
式中：β为铣刀螺旋角，d为铣刀直径。
[0069]
对刀具刃进行编号，调节刀具与相机之间的相对距离，使相机视野中呈现清晰的刀具侧刃图像，根据沿着刀具螺旋刃采集方法采集完整的刀具3张侧刃图像，并对采集的图
像进行预处理；
[0070]
步骤3、对需要使用的vgg16-unet模型进行训练，根据拼接处理后的图像数据导入vgg16-unet模型中获取刀具磨损二值图，并计算磨损二值图中的磨损宽度值；
[0071]
对图片进行预处理后，将处理好的图片输入到已经预先训练好的卷积神经网络vgg16-unet模型中，
[0072]
其中vgg16-unet模型是u-net和vgg16的组合。
[0073]
图像训练流程为：采集图像并制作图像标签-训练-验证-测试。
[0074]
u-net的主干特征提取部分由卷积+最大池化组成，整体结构与vgg类似，本文所采用u-net的主干特征提取网络更换为vgg16。
[0075]
u-net网络结构是对称的，形似英文字母u所以被称为u-net，u-net原始架构见图5。整张图都是由灰色/白色框与各种颜色的箭头组成，其中，灰色/白色矩形体表示特征图(feature map)；
①
号箭头(conv3x3,relu)表示3x3卷积，用于特征提取；
②
号箭头(copy and crop)表示跳跃连接(skip-connection)，用于特征融合；
③
号箭头(max pool 2x2)表示池化(pooling)，用于降低维度；
④
号箭头(up-conv 2x2)表示上采样(upsample)，用于恢复维度；
⑤
号箭头(conv 1x1)表示1x1卷积，用于输出结果。
[0076]
通过模型的预测即可得到输入图像的磨损二值图；
[0077]
本发明所采用u-net的主干特征提取部分更换为vgg16，其名称为vgg16-unet，vgg16-unet结构分为三部分，第一部分是主干特征提取部分，此部分结构采用vgg16的前4次池化和13个卷积核作为特征提取网络结构，采用卷积加最大池化的堆叠操作进行下采样，将原512像素
×
512像素
×
3像素，经过4次下采样变为32像素
×
32像素
×
512像素，完成特征的提取，利用主干特征提取部分我们可以获得四个初步有效特征层，在第二部分，利用这四个有效特征层进行特征融合；第二部分是加强特征提取部分，此部分是上采样加卷积堆叠，完成铣刀磨损特征图的还原，并且进行特征融合，获得一个最终的融合了所有特征的有效特征层，并将最后的输出特征图恢复至512像素
×
x512像素大小；第三部分是预测部分，利用最终获得的最后一个有效特征层对每一个特征点进行分类，相当于对每一个像素点进行分类，输出铣刀磨损二值图。
[0078]
绘制刀具磨损二值图最小外接矩形，计算最小外接矩形的宽，所得宽乘上像素宽度当量即得到刀具磨损区域的实际宽度，其中n1为第一张图像磨损区域宽度方向所占的像素，l2为对应的实际宽度，其中n2为第二张图像磨损区域宽度方向所占的像素，l1为对应的实际宽度，其中n3为第三张图像磨损区域宽度方向所占的像素，l3为对应的实际宽度；
[0079]
l1＝k
×
n1＝0.002232
×
14.16＝0.0316mm
[0080]
l2＝k
×
n2＝0.002232
×
14.95＝0.0334mm
[0081]
l3＝k
×
n3＝0.002232
×
145.33＝0.0342mm
[0082]
激光位移传感器的安装与对心：
[0083]
将激光传感器设备安装在靠近机床主轴的侧壁，靠近视觉系统，且不影响机床的正常加工，利用卡座和夹具实现激光传感器设备与机床的紧密连接，安装调试激光传感器设备并通过机床移动刀具使刀具轴线与激光传感器的激光光束的中心线处于同一平面且垂直，完成对心工作；
[0084]
步骤4、调整激光位移传感器，确定刀具采集位置；
[0085]
打开激光传感器采集软件，通过机床移动刀具，确保激光传感器光束在刀尖位置时是有读数，并开始采集工作；
[0086]
步骤5、通过激光位移传感器采集刀具缺损区域数据，处理缺损区域数据；
[0087]
在刀尖位置，旋转机床主轴，获取在刀尖位置的点数据，通过机床移动刀具，获取下一个位置的点数据，移动方向为机床z轴刀柄指向刀尖方向，每次移动刀具z轴距离为h＝0.2mm，从刀尖开始采集，直至采集到铣刀未磨损区域为止，其中，采集次数为n：
[0088][0089]
式中：h＝切削深度ap/z轴移动距离h，
[0090]
并在未磨损位置再进行采集，记录其位置的点数据，共采集17组数据；
[0091]
对激光传感器采集的数据进行处理，绘出点数的折线图，根据激光传感器的采集原理，所需要的缺损刃数据为距离激光传感器最近的点数据，提取出本实例采集刃的数据5组数值，并去掉最大值和最小值，求其均值；
[0092]
铣刀径向方向的缺损转化为铣刀后刀面的缺损，公式如下：
[0093]
b2＝a2+c
2-2ac cosθ
[0094]
b＝a-e
[0095]
式中：a为铣刀半径；b为发生缺损后的铣刀半径；e为步骤7的均值；θ为铣刀径向截面前刀面和后刀面所成的锐角；c为所求的铣刀后刀面缺损值，其中位置15和位置16为铣刀刀尖部分，由于刀尖存在特殊的倒角，本文暂不对考虑；
[0096]
表1数据处理结果
[0097][0098]
步骤6、将铣刀磨损数据和铣刀缺损数据进行拟合，获取铣刀后刀面缺损值。
[0099]
完整拍摄一个铣刀刃的拍摄图像数量3，v1＝0.0316mm，v2＝0.0334mm，v3＝0.0342mm为每张图像对应的最大磨损值，相对应的最大缺损值w1＝0.0563mm，w＝20.0639mm，w3＝0.0611mm，通过以下公式，得到w
mean
和v
mean
：
[0100][0101]wmean
＝0.0604mm
[0102]vmean
＝0.0331mm
[0103]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0104]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

技术特征：
1.一种立铣刀磨损参数的在线检测方法，其特征在于，包括以下几个步骤：步骤1、在机床上安装相机和激光位移传感器，并且对相机像素尺寸进行标定；步骤2、使用相机进行铣刀图像采集，并且将采集后的图像拼接处理；步骤3、对需要使用的vgg16-unet模型进行训练，根据拼接处理后的图像数据导入vgg16-unet模型中获取刀具磨损二值图，并计算磨损二值图中的磨损宽度值；步骤4、调整激光位移传感器，确定刀具采集位置；步骤5、通过激光位移传感器采集刀具缺损区域数据，处理缺损区域数据；步骤6、将铣刀磨损数据和铣刀缺损数据进行拟合，获取铣刀后刀面缺损值。2.根据权利要求1所述的立铣刀磨损参数的在线检测方法，其特征在于，所述步骤1具体为：将相机通过卡座固定安装在靠近机床主轴的侧壁，安装调试相机并对相机进行像素尺寸标定，获得像素当量值，控制机床主轴到达相机拍摄范围位置，进行刀具图像采集；所述的像素尺寸标定采用的计算方法为：宽度像素当量：式中：k为宽度像素当量；l为标尺实际宽度；n为图像中表示标尺宽度所用的像素个数；所述的标尺为已知尺寸的标准物。3.根据权利要求2所述的立铣刀磨损参数的在线检测方法，其特征在于，所述步骤2具体为：对刀具刃进行编号，调节刀具与相机之间的相对距离，使相机视野中呈现清晰的刀具侧刃图像，根据沿着刀具螺旋刃采集方法采集完整的刀具侧刃图像，并对采集的图像进行拼接处理，将拍摄的片段图像拼接为完整铣刀图像。4.根据权利要求3所述的立铣刀磨损参数的在线检测方法，其特征在于，所述步骤3具体为：对图片进行拼接处理后，将处理好的图片输入到已经预先训练好的卷积神经网络vgg16-unet模型中，通过模型的预测即可得到输入图像的磨损二值图；绘制刀具磨损二值图最小外接矩形，计算最小外接矩形的宽，所得宽乘上像素宽度当量即得到刀具磨损区域的实际宽度。5.根据权利要求4所述的立铣刀磨损参数的在线检测方法，其特征在于，所述步骤4具体为：将激光传感器固定安装在靠近机床主轴的另一侧壁上，利用卡座和夹具实现激光传感器与机床的紧密连接，安装调试激光传感器并通过机床移动刀具使刀具轴线与激光传感器的激光光束的中心线处于同一平面且垂直，完成对心工作；打开激光传感器采集软件，通过机床移动刀具，确保激光传感器光束在刀尖位置时有读数，并开始采集工作。6.根据权利要求5所述的立铣刀磨损参数的在线检测方法，其特征在于，所述步骤5具体为：在刀尖位置，旋转机床主轴，获取在刀尖位置的点数据，通过机床移动刀具，获取下一
个位置的点数据，移动方向为机床z轴刀柄指向刀尖方向，每次移动刀具z轴距离为h＝0.2mm，从刀尖开始采集，直至采集到铣刀未磨损区域为止，其中，采集次数为n：：式中：h＝切削深度ap/z轴移动距离h，并在未磨损位置再进行采集，记录其位置的点数据；对激光传感器采集的数据进行处理，绘出点数的折线图，根据激光传感器的采集原理，所需要的缺损刃数据为距离激光传感器最近的点数据，提取出每个采集样本所对应的每个刃的数据，并对其求均值，即刀具径向方向所对应的每个采集位置的数据；铣刀径向方向的缺损转化为铣刀后刀面的缺损，公式如下：b2＝a2+c
2-2ac cosθb＝a-e式中：a为铣刀半径；b为发生缺损后的铣刀半径；e为步骤7的均值；θ为铣刀径向截面前刀面和后刀面所成的锐角；c为所求的铣刀后刀面缺损值。7.根据权利要求6所述的立铣刀磨损参数的在线检测方法，其特征在于，所述步骤6具体为：完整拍摄一个铣刀刃的拍摄图像数量n，其中第i张图像最大擦伤值为w
i
，相对应的最大缺损值为v
i
(其中：i＝1，2，
…
，n)，提出以下方式计算刀面磨损和缺损结果，公式：8.根据权利要求2所述的立铣刀磨损参数的在线检测方法，其特征在于，所述步骤2图像采集方法具体为：刀具不动，镜头沿着刀具螺旋线进行移动拍摄，获取一组拍摄角度相同的照片。9.根据权利要求2所述的立铣刀磨损参数的在线检测方法，其特征在于，所述步骤2图像采集方法具体为：相机不动，刀具旋转移动，移动的距离与旋转的角度可计算得到，即移动刀具z轴距离为1mm，旋转角度为ф，公式如下：式中：β为铣刀螺旋角，d为铣刀直径。

技术总结
本发明提供了一种立铣刀磨损参数的在线检测方法，该方法通过安装在相应位置的激光位移传感器测量装置返回距离数据，然后利用机床主轴的位移能力，控制铣刀的移动，手动控制刀具的小幅度往复旋转，采集铣刀缺损部位的点数据，拟合点数据，得到铣刀二维缺损形貌；其次，根据相机沿着铣刀螺旋线拍摄方法，拍摄一组图像，用于把三维铣刀刃拼接成为二维铣刀刃图，并使用已训练完成的VGG16-Unet模型识别磨损区域；然后，融合铣刀的缺损区域和磨损区域，即得到铣刀的整体磨损形貌。本发明为铣刀磨损提供了一种更为精确的检测方法，且安装相机和激光位移传感器安装简单，检测方便，在提高检测精度的同时，也提高了检测效率。也提高了检测效率。也提高了检测效率。


技术研发人员：李国超 胥实现 郑浩 江茹 刘志刚 侯秋林 孙丽 孙福来 周宏根 田崇顺 富艳玲 董宝江
受保护的技术使用者：江苏科技大学
技术研发日：2023.08.11
技术公布日：2023/10/11