一种多角度多维度刀具磨损量快速检测装置及方法

1.本发明属于刀具磨损检测技术领域，涉及一种针对多类铣刀的多角度多维度刀具磨损量快速检测装置及方法。


背景技术：

2.在机械加工领域中，刀具作为参与切削运动中直接执行者，是工件成形表面质量的直接影响因素，磨损的刀具进行切削操作后映射到工件表面上反应出较大的粗糙度，影响加工零件的加工质量与加工零件本身的服役性能，映射到机床反应出负载过大影响机床的使用寿命。因此，提供准确、快速且稳定的刀具磨损测量方法是很有必要的。据统计，对于现代机床，停工时间中有20％是由于刀具失效引起的，而刀具本身和换刀带来的成本占据总成本的3％～12％。针对上述问题，刀具磨损检测技术受到了人们的广泛关注与研究。另有统计表明，cnc配置刀具检测系统后，可减少75％的故障停机时间，提高生成效率10％-60％，提高机床利用率50％以上，因此利用刀具磨损检测装置从节约成本的角度上看是非常可观的。随着柔性制造系统(fms)、智能制造系统(ims)和计算机集成制造系统(cims)的兴起，刀具磨损检测装置已然成为未来高端制造系统不可或缺的组成部分。截至目前，刀具磨损的测量方法众多，主要有直接测量法与间接测量法，其中直接测量法中的光学检测法具备多个优点，采用光学传感器技术和微电子技术结合的检测技术不受切削条件和工件材料的影响，能够以非常高的精度获得刀具多个磨损状态下的图片，通过刀具磨损图片更加直观、有效、综合的得到刀具磨损状态的信息。伴随着计算机视觉技术和机器视觉技术的蓬勃发展，目标检测、图像分割技术进入大众的视野。视觉技术与刀具磨损检测技术紧密结合而建立的有监督刀具磨损检测技术能够加速推进生产过程中的自动化和智能化。
3.目前，已有一些刀具磨损状态的检测装置和检测方法。公开号为cn114633153的专利提出了一种用于机床刀具磨损的快速检测装置，通过可进行滑动连接的导轨将装置安装在机床床身上，通过驱动装置将测量部分移动至机床外侧的测量位置，从而实现磨损刀具的快速测量。公开号为cn213481272的专利提出了一种便携式的刀具磨损测量仪，该测量装置的结构紧凑，避免使用庞大的硬件系统，给测量装置的安装和调试带来方便，在复杂的加工现场也可以实现刀具磨损的测量。公开号为cn113523905的专利公开了一种立铣刀在机检测装置，采用在机测量刀具磨损的方法，在不拆卸刀具的情况下实现刀具后刀面的精准测量，以避免为了测量刀具磨损从机床频繁拆卸而引起的二次误差。可见，目前的刀具检测装置向着测量速度快、测量效率高、测量精度高的方向发展，但是，仍存在以下几个问题：第一个问题是由于刀具磨损表面的凹凸不平整性导致采集图像信息时，图像中有效信息对外界环境光线十分敏感，直接影响刀具磨损区域与非磨损区域的判断，进而引入测量误差；第二个问题是以上刀具磨损检测装置的测量对象具有单一性，往往只能测量一种类型或者一种尺寸的铣刀，无疑在应用到实际生产过程中会增加许多额外的成本和困难；第三个问题是刀具磨损评判量只聚焦在铣刀后刀面磨损vb值上，由于金属切削过程是一个多物理场耦合的过程，刀具磨损会受到多个因素的影响，发生在多个切削刀刃和刀面上的磨损是随机
的，并且分布也是不均匀的，仅从一种维度或一种角度去评价一把刀具的磨损状态显然是不合适的；此外，还存在一个关键问题，即众多刀具磨损检测装置的图像定标与刀具磨损量测量不能同时实现而导致磨损量测量效率慢的问题。


技术实现要素：

4.本发明针对立铣刀切削磨损后难以快速、精确和全面地判断刀具磨损状态的问题，提供了一种多角度多维度刀具磨损量快速检测装置及方法。本发明是一种空间结构更加紧凑，方便快速拆卸并且零件互换性极强的装置，是一种用于多尺度直径、多种类旋转刀具的磨损量检测装置，是一种以刀具磨损部位的图像清晰成像为目标且有效屏蔽外界环境光干扰的装置，是一种结合目标检测与图像处理技术实现刀具磨损量快速测量和随动定标的方法，具体来说是一种基于大数据和深度学习框架实现图像配准和图像磨损区域快速定位的方法，是一种结合神经网络和机器视觉实现刀具磨损区域多维度磨损量实时同步测量的方法，是一种集刀具磨损量检测、刀具磨损状态决策、换刀提示一体化的装置与方法。
5.本发明一种多角度多维度刀具磨损量快速检测装置，包括吹屑组件、对射光电开关、自伸缩遮光组件、侧部刀刃旋转拍摄组件、底部刀刃拍摄组件、桶型收光组件、底座自旋转组件。所述的自伸缩遮光组件包括步进电机一、圆柱直齿主动齿轮、圆柱直齿从动齿轮、遮光片和定轨迹轮盘。所述的步进电机一与定轨迹轮盘通过底座固定，圆柱直齿主动齿轮与步进电机一的输出轴固定；圆柱直齿从动齿轮与定轨迹轮盘构成转动副，并与圆柱直齿主动齿轮啮合；所述圆柱直齿从动齿轮的轮毂上开设n个斜向滑槽，n≥3，每个斜向滑槽与一片遮光片上一体成型的立柱构成滑动副；定轨迹轮盘的中心孔横截面呈正n边形，遮光片的横截面呈多边形，定轨迹轮盘的每相邻两个面与一个遮光片朝外的两个位置接触，各遮光片沿周向均布，遮光片的一个尖角朝内设置，任何一个遮光片朝内设置的尖角两侧侧面与相邻两个遮光片的邻近侧面分别接触；各遮光片朝内设置的尖角两侧侧面合围成测量口。空心盖板固定在定轨迹轮盘顶面；吹屑组件、防尘盖和对射光电开关均固定在空心盖板顶面，且对射光电开关和防尘盖均置于吹屑组件内围；所述的防尘盖罩在对射光电开关外，且防尘盖开设有中心过孔。
6.所述的侧部刀刃旋转拍摄组件包括ccd相机、环形光源一和定标平台。所述的桶型收光组件包括遮光薄壁件和透光防尘罩；透光防尘罩上固定有环形标尺台，环形标尺台上设有圆形标尺；自伸缩遮光组件的定轨迹轮盘固定在遮光薄壁件顶端。ccd相机配有物镜；环形光源一与物镜过盈配合连接；ccd相机与遮光薄壁件外壁固定，物镜由遮光薄壁件的一个定位孔伸入遮光薄壁件内；定标尺内嵌到定标平台的凹槽中，定标平台固定在遮光薄壁件的另一个定位孔处；所述的定标尺与物镜正对且间距设置。
7.所述的底座自旋转组件包括步进电机二、电机支撑座、底盘转动主动轮、底盘转动从动轮、圆形转盘和盘形固定架。所述的步进电机二固定在电机支撑座上，电机支撑座固定在盘形固定架上。底盘转动主动轮与步进电机二的输出轴固定；底盘转动从动轮固定在圆形转盘的轮毂上，并与底盘转动主动轮啮合；圆形转盘通过轴承支承在与盘形固定架一体成型的中心轴上。桶形收光组件的遮光薄壁件固定在圆形转盘上。
8.所述的底部刀刃拍摄组件包括大景深相机、环形光源二和环形光源定位件。所述的大景深相机固定在底座自旋转组件的圆形转盘上；环形光源定位件与大景深相机固定；
环形光源二与环形光源定位件过渡配合连接。桶形收光组件的透光防尘罩固定在圆形转盘上，并罩住大景深相机、环形光源二和环形光源定位件。
9.优选地，所述的吹屑组件包括环形微孔风腔、基座、叶轮和气旋加速器；所述的环形微孔风腔呈中空的圆环状；环形微孔风腔的壁面上开设有沿轴向等距排布的多个风孔组，风孔组由沿周向均布的多个风孔组成；所述的叶轮和气旋加速器同轴置于基座内，且气旋加速器置于叶轮上方；所述的环形微孔风腔置于气旋加速器上方；所述的叶轮由马达驱动；所述的基座开设有进风口，环形微孔风腔固定在基座顶部，且环形微孔风腔的内腔与基座的内腔连通。
10.该多角度多维度刀具磨损量快速检测装置的检测方法，具体如下：
11.步骤一、选取多把刀具，针对每把刀具，每加工1～2分钟后停止加工，进行磨损拍摄操作，直到刀具某个侧部刀刃的后刀面磨损宽度最大值超过6mm或刀具所有侧部刀刃的后刀面磨损宽度最大值均值超过3mm；所述的磨损拍摄操作具体如下：
12.1.1将盘形固定架固定在机床的工作台上，将机床的工作台移动到机床的主轴正下方，使遮光薄壁件中心轴线与固定在机床主轴上的刀具对齐；然后开启吹屑组件。
13.1.2刀具沿竖直方向运动进入ccd相机的测量区：
14.使机床的主轴带动刀具沿竖直方向向下运动，并穿过防尘盖的中心过孔到达触发对射光电开关，该过程中吹屑组件对刀具进行吹屑，吹落的切屑被阻挡在防尘盖外；刀具到达触发对射光电开关后，吹屑组件停止吹屑，自伸缩遮光组件中的步进电机一正转，经圆柱直齿主动齿轮带动圆柱直齿从动齿轮旋转，从而n片遮光片上的立柱分别沿着圆柱直齿从动齿轮上对应的斜向滑槽向外滑动，使各遮光片向外运动并始终与定轨迹轮盘的中心孔侧面接触，测量口扩大。然后，使刀具继续沿竖直方向向下运动穿过测量口进入ccd相机的视野，直到刀具在ccd相机的视野中占图比超过设定阈值时，蜂鸣器提示刀具已进入测量区，刀具停止运动。
15.1.3刀具侧部刀刃部位的拍摄：
16.开启环形光源一，ccd相机自动聚集刀具侧部刀刃并拍摄一张刀具侧部刀刃图像作为标准图像；然后，步进电机二按设定转速正转，经底盘转动主动轮带动底盘转动从动轮和圆形转盘旋转，使圆形转盘经遮光薄壁件带动侧部刀刃旋转拍摄组件、自伸缩遮光组件、吹屑组件和对射光电开关一起旋转，从而ccd相机围绕刀具做圆周运动进行刀具侧部刀刃的多角度拍摄，拍摄的刀具侧部刀刃图像中带有定标平台上的定标尺。
17.1.4刀具底部刀刃磨损部位的拍摄：
18.ccd相机围绕刀具运动一周后回到原位，此时ccd相机停止拍摄，环形光源一关闭，环形光源二开启，大景深相机自动聚集刀具底部刀刃并进行拍摄，拍摄的刀具底部刀刃图像中带有环形标尺台上的圆形标尺。
19.步骤二、建立预测刀具侧部刀刃图像和预测刀具底部刀刃图像中定位框位置的深度残差网络模型，具体如下：
20.2.1、基于标准图像y，使用ssim函数对所有刀具各时刻拍摄的多角度刀具侧部刀刃图像进行筛选，筛选后的各刀具侧部刀刃图像存储在多角度多维度图片数据集中；将所有刀具各时刻拍摄的刀具底部刀刃图像存储在底部刀刃数据集中。
21.2.2对多角度多维度图片数据集中的各刀具侧部刀刃图像进行标注，使用定位框
选出需要检测的磨损部位，计算多角度多维度图片数据集中各刀具侧部刀刃图像的磨损部位像素当量，然后将多角度多维度图片数据集中各刀具侧部刀刃图像对应的标注、定位框4个顶点值、磨损部位以及磨损部位像素当量信息进行存储。
22.2.3对底部刀刃数据集中的各刀具底部刀刃图像进行标注，使用定位框选出需要检测的磨损部位，计算各刀具底部刀刃图像的磨损部位像素当量，然后将各刀具底部刀刃图像对应的标注、各定位框的顶点值、磨损部位以及磨损部位像素当量信息进行存储。
23.2.4将多角度多维度图片数据集划分为训练集和测试集，使用训练集和测试集对预测刀具侧部刀刃图像中定位框位置的深度残差网络模型进行训练和测试，并基于损失函数评价深度残差网络模型，直到测试集测试时损失函数的损失值在0.05～0.1内。将底部刀刃数据集划分为训练集和测试集，使用训练集和测试集对预测刀具底部刀刃图像中定位框位置的深度残差网络模型进行训练和测试，并基于损失函数评价深度残差网络模型，直到测试集测试时损失函数的损失值在0.05～0.1内。
24.步骤三、对待测刀具依次执行步骤一中的磨损拍摄操作和步骤2.1，得到待测刀具的多角度多维度图片数据集和一张刀具底部刀刃图像，然后将多角度多维度图片数据集和刀具底部刀刃图像分别输入各自的深度残差网络模型，得到多角度多维度图片数据集中各刀具侧部刀刃图像的定位框位置，以及刀具底部刀刃图像的定位框位置。
25.步骤四、裁剪出待测刀具的刀具底部刀刃图像和各刀具侧部刀刃图像中定位框内图像，得到待测刀具的各磨损部位图像。
26.步骤五、对待测刀具的各磨损部位图像进行处理。
27.5.1对待测刀具的各个磨损部位图像进行滤波。
28.5.2对各滤波后的待测刀具磨损部位图像进行图像增强。
29.5.3采用自适应阈值分割法对经步骤5.2处理后的各图像中刀具磨损区域和背景进行分割。
30.5.4使用canny算子进行经过阈值分割后的各刀具磨损区域图像中磨损轮廓边缘提取。
31.步骤六、对提取的各磨损轮廓边缘进行行扫描和列扫描，计算每个侧部刀刃的后刀面最大磨损宽度vb
cmax
、每个底部刀刃的后刀面最大磨损宽度vb
dmax
、每个侧部刀刃的后刀面平均磨损宽度vb
cavg
、每个底部刀刃的后刀面平均磨损宽度vb
davg
、每个侧部刀刃的后刀面磨损面积a
cvb
和每个底部刀刃的后刀面磨损面积a
dvb
；vb
cmax
、vb
dmax
、vb
cavg
、vb
davg
、a
cvb
和a
dvb
的表达式如下：
32.vb
imax
＝(c
imax-c
imin
)
·k[0033][0034][0035]
其中，计算侧部刀刃时i用c代入，计算底部刀刃时i用d代入，c
imin
是磨损区域中像素数目最多的那行的最小列，c
imax
是磨损区域中像素数目最多的那行的最大列，n
iwear
是磨损区域的像素总数，n
ir
是磨损区域对应的总行数，k0是单位面积的像素数目。
[0036]
步骤七、确定刀具磨损等级，并判断是否进行换刀。
[0037]
7.1对各侧部刀刃的vb
cmax
求和后除以侧部刀刃数目计算得到vb
index1
，对各侧部刀刃的vb
cavg
求和后除以侧部刀刃数目计算得到vb
index2
，对各底部刀刃的vb
dmax
求和后除以底部刀刃数目计算得到vb
index3
，对各底部刀刃的vb
davg
求和后除以底部刀刃数目计算得到vb
index4
，对各侧部刀刃的a
cvb
求和后除以侧部刀刃数目计算得到a
index1
，对各底部刀刃的a
dvb
求和后除以底部刀刃数目计算得到a
index2
。
[0038]
7.2根据vb
index1
、vb
index2
、vb
index3
、vb
index4
、a
index1
和a
index2
确定刀具的vb
cmax
、vb
dmax
、vb
cavg
、vb
davg
、a
cvb
和a
dvb
磨损等级，然后以vb
cmax
、vb
dmax
、vb
cavg
、vb
davg
、a
cvb
和a
dvb
磨损等级中最大的作为刀具磨损等级。
[0039]
7.3对多把刀具进行试验，得到各刀具达到需要换刀的刀具磨损等级时的vb
index1
中的最小值、vb
index2
中的最小值、vb
index3
中的最小值、vb
index4
中的最小值、a
index1
中的最小值和a
index2
中的最小值，分别设定为换刀阈值vb
t1
、vb
t2
、vb
t3
、vb
t4
、a
t1
和a
t2
，然后根据刀具的换刀指标e
tool
判断是否进行换刀，换刀指标e
tool
的值为1则进行换刀，值为0则不进行换刀。换刀指标e
tool
表达式如下：
[0040][0041][0042][0043][0044][0045][0046][0047]
其中，e
vbt1
、e
vbt2
和e
at1
分别为刀具侧部刀刃的换刀指标分量，e
vbt3
、e
vbt4
和e
at2
刀具底部刀刃的换刀指标分量。
[0048]
优选地，所述的ssim函数根据图像亮度、对比度和结构这三个特征的对比函数建立，表达式如下：
[0049]
ssim(x，y)＝l(x，y)
α
·
c(x，y)
β
·
s(x，y)
γ
[0050]
其中，l(x，y)、c(x，y)、s(x，y)分别为刀具侧部刀刃图像x与标准图像y的亮度、对比度和结构对比函数，表达式如下：
[0051]
[0052][0053][0054]
其中，μ
x
、σ
x
分别为刀具侧部刀刃图像x中各像素的像素值均值和标准差，μy、σy分别为标准图像y中各像素的像素值均值和标准差；刀具侧部刀刃图像x与标准图像y中各相同位置像素的像素值协方差σ
xy
的表达式如下：
[0055][0056]
其中，xi、yi分别为刀具侧部刀刃图像x与标准图像y中的第i个像素的像素值，刀具侧部刀刃图像x和标准图像y的像素总数均为n。
[0057]
定义系数c1、c2、c3表达式如下：
[0058]
c1＝(k1l)2[0059]
c2＝(k2l)2[0060]
c3＝c2/2
[0061]
l＝2
m-1
[0062]
其中，m代表标准图像的比特深度，通常取系数k1＝0.01，k2＝0.03。
[0063]
α、β、γ分别代表图像亮度、对比度和结构在ssim函数中的占比，α、β、γ均取值为1，则ssim函数表达式如下：
[0064][0065]
优选地，使用4个串联的全连接层和隐藏层代替常规深度残差网络模型的分类器中的卷积层conv1d和卷积层conv2d；深度残差网络模型中残差模块的表达式如下：
[0066]yl
＝h(x
l
)+f(x
l
，w
l
)
[0067]
x
l+1
＝f(y
l
)
[0068]
其中x
l
为第l层的输入，y
l
为第l层的输出，w
l
为第l层的权重，h(x
l
)代表直接映射，f(x
l
，w
l
)代表残差模块的输出，x
l+1
为第l+1层的输入，f(y
l
)为激活函数的输出，激活函数使用relu函数。
[0069]
损失函数使用mseloss，表达式如下：
[0070]
mseloss(xi，yi)＝(x
i-yi)2[0071]
其中，评价预测刀具侧部刀刃图像中定位框位置的深度残差网络模型时，向量xi中四个元素代表测试集中第i张刀具侧部刀刃图像的定位框4个顶点的像素预测值，向量yi中四个元素代表测试集中存储的第i张刀具侧部刀刃图像的定位框4个顶点的像素值；评价预测刀具底部刀刃图像中定位框位置的深度残差网络模型时，向量xi中所有元素代表测试集中第i张刀具底部刀刃图像的所有定位框顶点的像素预测值，向量yi中所有元素代表测试集中存储的第i张刀具底部刀刃图像的所有定位框顶点的像素值。
[0072]
优选地，步骤5.1选择具有7x7掩码的中值滤波器进行滤波。
[0073]
优选地，步骤5.2使用分段线性变换进行图像增强。
[0074]
优选地，步骤5.3中自适应阈值分割法的自适应阈值采用最大类间方差法来确定。
[0075]
优选地，刀具的vb
cmax
、vb
dmax
、vbc
avg
、vb
davg
、a
cvb
和a
dvb
磨损等级预先划分，划分过程为：通过多把刀具试验后每把刀具每加工预设时间得到的vb
index1
、vb
index2
、vb
index3
、vb
index4
、a
index1
和a
index2
分别建立vb
index1
、vb
index2
、vb
index3
、vb
index4
、a
index1
和a
index2
关于切削时间的曲线，然后根据凹凸性将各曲线划分为多个曲线段，各曲线的每个曲线段分别对应vb
cmax
、vb
dmax
、vbc
avg
、vb
davg
、a
cvb
和a
dvb
的一个磨损等级。
[0076]
本发明的有益效果为：
[0077]
本发明装置利用自伸缩遮光组件和桶型收光组件有效地屏蔽外界环境光，实现磨损刀刃清晰成像，为后期定标和磨损量测量的准确性提供保障，从而为后期快速测量做好铺垫，能适用于测量跨几何尺度和不同类型的铣刀；侧部刀刃旋转拍摄组件配合底座自旋转组件实现刀具侧部刀刃的磨损部位的多角度图像拍摄并实现图像的定标，底部刀刃拍摄组件实现刀具底部刀刃的磨损部位图像拍摄并实现图像的定标。本发明方法利用改进的残差网络实现刀具磨损部位的自提取，并结合图像处理实现刀具多维度磨损量的快速测量，最终快速对刀具磨损级别的判断和换刀提示提供明确的指导。
附图说明
[0078]
图1为本发明的整体结构示意图；
[0079]
图2为本发明中吹屑组件的结构示意图；
[0080]
图3为本发明中自伸缩遮光组件的结构示意图；
[0081]
图4为本发明中侧部刀刃旋转拍摄组件的结构示意图；
[0082]
图5为本发明中桶型收光组件的结构示意图；
[0083]
图6为本发明中底座自旋转组件的结构示意图；
[0084]
图7为本发明中底部刀刃拍摄组件的结构示意图；
[0085]
图8为本发明中磨损量检测方法的流程图。
具体实施方式
[0086]
以下结合附图对本发明进行进一步说明。
[0087]
如图1所示，一种多角度多维度刀具磨损量快速检测装置，包括吹屑组件1、对射光电开关102、自伸缩遮光组件2、侧部刀刃旋转拍摄组件3、底部刀刃拍摄组件、桶型收光组件4、底座自旋转组件5。吹屑组件1通过吹走刀刃上残留的细小切屑来提高磨损刀刃的成像质量；自伸缩遮光组件2和桶型收光组件4有效地屏蔽外界环境光，从而给高质量的成像效果提供保障；侧部刀刃旋转拍摄组件3结合底座自旋转组件5完成刀具侧部刀刃的拍摄并实现图像的定标；底部刀刃拍摄组件完成刀具底部刀刃的拍摄并实现图像的定标。
[0088]
如图3所示，自伸缩遮光组件2包括步进电机一201、圆柱直齿主动齿轮202、圆柱直齿从动齿轮203、遮光片204和定轨迹轮盘205。步进电机一201与定轨迹轮盘205通过底座固定，圆柱直齿主动齿轮202与步进电机一201的输出轴固定；圆柱直齿从动齿轮203与定轨迹轮盘205构成转动副，并与圆柱直齿主动齿轮202啮合；圆柱直齿从动齿轮203的轮毂上开设n个斜向滑槽，n＝6，每个斜向滑槽与一片遮光片204上一体成型的立柱构成滑动副；定轨迹轮盘205的中心孔横截面呈正n边形，遮光片204的横截面呈多边形，定轨迹轮盘205的每相
邻两个面与一个遮光片204朝外的两个位置(可以是面，也可以是角)接触，各遮光片204沿周向均布，遮光片204的一个尖角朝内设置，任何一个遮光片204朝内设置的尖角两侧侧面与相邻两个遮光片204的邻近侧面分别接触；各遮光片204朝内设置的尖角两侧侧面合围成测量口。步进电机一201驱动圆柱直齿主动齿轮202，带动圆柱直齿从动齿轮203旋转，使各遮光片204上的立柱沿斜向圆柱直齿从动轮203轮毂上的滑槽运行，各遮光片204在定轨迹轮盘205的内侧壁上滑动，实现测量口的开启和关闭。如图2和图3所示，空心盖板固定在定轨迹轮盘205顶面；吹屑组件1、防尘盖103和对射光电开关102均固定在空心盖板顶面，且对射光电开关102和防尘盖103均置于吹屑组件1内围；防尘盖103罩在对射光电开关102外，且防尘盖103开设有中心过孔；刀具触发对射光电开关时，控制器控制自伸缩遮光组件运动。
[0089]
如图4和图5所示，侧部刀刃旋转拍摄组件3包括ccd相机301、环形光源一303和定标平台304。桶型收光组件4包括遮光薄壁件401和透光防尘罩402；透光防尘罩402上固定有环形标尺台，环形标尺台上设有圆形标尺；自伸缩遮光组件的定轨迹轮盘205固定在遮光薄壁件401顶端。ccd相机301配有物镜302；环形光源一303与物镜302过盈配合连接；ccd相机301与遮光薄壁件401外壁固定，物镜302由遮光薄壁件401的一个定位孔伸入遮光薄壁件401内；定标尺内嵌到定标平台304的凹槽中，定标平台304固定在遮光薄壁件401的另一个定位孔处；定标尺与物镜302正对且间距设置。
[0090]
如图6所示，底座自旋转组件5包括步进电机二504、电机支撑座503、底盘转动主动轮501、底盘转动从动轮502、圆形转盘506和盘形固定架505。步进电机二504固定在电机支撑座503上，电机支撑座通过螺栓连接固定在盘形固定架505上。底盘转动主动轮501与步进电机二504的输出轴固定；底盘转动从动轮502固定在圆形转盘506的轮毂上，并与底盘转动主动轮501啮合；圆形转盘506通过轴承支承在与盘形固定架505一体成型的中心轴上。桶形收光组件4的遮光薄壁件401固定在圆形转盘506上。
[0091]
如图7所示，底部刀刃拍摄组件包括大景深相机602、环形光源二601和环形光源定位件603。大景深相机602固定在底座自旋转组件5的圆形转盘506上；环形光源定位件603与大景深相机602(景深80-120mm)固定；环形光源二601与环形光源定位件603过渡配合连接。桶形收光组件的透光防尘罩402固定在圆形转盘506上，并罩住大景深相机602、环形光源二601和环形光源定位件603，防止灰尘和杂物影响大景深相机602拍摄刀具的底部刀刃；环形光源二601用于改善光线漫反射对刀具表面的影响。
[0092]
其中，步进电机一201、步进电机二504、吹屑组件1、环形光源一303和环形光源二601均由控制器控制，对射光电开关102、ccd相机301和大景深相机602的信号输出端均接控制器，且控制器连接有蜂鸣器。
[0093]
作为一个优选实施例，如图2所示，吹屑组件1包括环形微孔风腔101、基座、叶轮和气旋加速器；环形微孔风腔呈中空的圆环状；环形微孔风腔的壁面上开设有沿轴向等距排布的多个风孔组，风孔组由沿周向均布的多个风孔组成；叶轮和气旋加速器同轴置于基座内，且气旋加速器置于叶轮上方；环形微孔风腔置于气旋加速器上方；叶轮由马达驱动，马达由控制器控制；基座开设有进风口，环形微孔风腔固定在基座顶部，且环形微孔风腔的内腔与基座的内腔连通。吹屑组件利用叶轮的增压技术，将吸入的空气经气旋加速器加速后，通过环形微孔风腔形成圆形轨迹，最终从各风孔喷出，实现刀具上细小切屑的清理。
[0094]
如图8所示，该多角度多维度刀具磨损量快速检测装置的检测方法，具体如下：
[0095]
步骤一、选取多把刀具，针对每把刀具，每加工1分钟后停止加工，进行磨损拍摄操作，直到刀具某个侧部刀刃的后刀面磨损宽度最大值超过6mm或刀具所有侧部刀刃的后刀面磨损宽度最大值均值超过3mm；磨损拍摄操作具体如下：
[0096]
1.1将盘形固定架505固定在机床的工作台上，将机床的工作台移动到机床的主轴正下方，使遮光薄壁件401中心轴线与固定在机床主轴上的刀具对齐；然后开启吹屑组件1。
[0097]
1.2刀具沿竖直方向运动进入ccd相机301的测量区：
[0098]
使机床的主轴带动刀具沿竖直方向向下运动，并穿过防尘盖103的中心过孔到达触发对射光电开关102，该过程中吹屑组件1对刀具进行吹屑，吹落的切屑被阻挡在防尘盖103外；刀具到达触发对射光电开关102后，吹屑组件1停止吹屑，自伸缩遮光组件中的步进电机一201正转，经圆柱直齿主动齿轮202带动圆柱直齿从动齿轮203旋转，从而n片遮光片204上的立柱分别沿着圆柱直齿从动齿轮203上对应的斜向滑槽向外滑动，使各遮光片204向外运动并始终与定轨迹轮盘205的中心孔侧面接触，测量口扩大。然后，使刀具继续沿竖直方向向下运动穿过测量口进入ccd相机301的视野，直到刀具在ccd相机301的视野中占图比超过设定阈值时，蜂鸣器提示刀具已进入测量区，使刀具停止运动。
[0099]
1.3刀具侧部刀刃部位的拍摄：
[0100]
开启环形光源一303，ccd相机301自动聚集刀具侧部刀刃并拍摄一张刀具侧部刀刃图像作为标准图像；然后，步进电机二504按设定转速正转，经底盘转动主动轮501带动底盘转动从动轮502和圆形转盘506旋转，使圆形转盘506经遮光薄壁件401带动侧部刀刃旋转拍摄组件3、自伸缩遮光组件2、吹屑组件1和对射光电开关102一起旋转，从而ccd相机301围绕刀具做圆周运动进行刀具侧部刀刃的多角度拍摄，拍摄的刀具侧部刀刃图像中带有定标平台304上的定标尺。
[0101]
1.4刀具底部刀刃磨损部位的拍摄：
[0102]
ccd相机301围绕刀具运动一周后回到原位，此时ccd相机301停止拍摄，环形光源一303关闭，环形光源二601开启，大景深相机602自动聚集刀具底部刀刃并进行拍摄，拍摄的刀具底部刀刃图像中带有环形标尺台上的圆形标尺。
[0103]
步骤二、建立预测刀具侧部刀刃图像和预测刀具底部刀刃图像中定位框位置(即需要检测的磨损部位)的深度残差网络模型，具体如下：
[0104]
2.1、考虑图像的亮度、对比度和结构，基于标准图像y，使用ssim函数对所有刀具各时刻拍摄的多角度刀具侧部刀刃图像进行筛选，筛选后的各刀具侧部刀刃图像存储在多角度多维度图片数据集中。而由于刀具底部刀刃在静止状态拍摄，不进行筛选，直接将所有刀具各时刻拍摄的刀具底部刀刃图像存储在底部刀刃数据集中。
[0105]
其中，ssim函数根据图像亮度、对比度和结构这三个特征的对比函数建立，表达式如下：
[0106]
ssim(x,y)＝l(x,y)
α
·
c(x,y)
β
·
s(x,y)
γ
[0107]
其中，l(x,y)、c(x,y)、s(x,y)分别为刀具侧部刀刃图像x与标准图像y的亮度、对比度和结构对比函数，表达式如下：
[0108]
[0109][0110][0111]
其中，μ
x
、σ
x
分别为刀具侧部刀刃图像x中各像素的像素值均值和标准差，μy、σy分别为标准图像y中各像素的像素值均值和标准差；刀具侧部刀刃图像x与标准图像y中各相同位置像素的像素值协方差σ
xy
的表达式如下：
[0112][0113]
其中，xi、yi分别为刀具侧部刀刃图像x与标准图像y中的第i个像素的像素值，刀具侧部刀刃图像x和标准图像y的像素总数均为n。
[0114]
为了避免l(x，y)、c(x，y)、s(x，y)的值接近0时不稳定，定义系数c1、c2、c3表达式如下：
[0115]
c1＝(k1l)2[0116]
c2＝(k2l)2[0117]
c3＝c2/2
[0118]
l＝2
m-1
[0119]
其中，m代表标准图像的比特深度，通常取系数k1＝0.01，k2＝0.03。
[0120]
α、β、γ分别代表图像亮度、对比度和结构在ssim函数中的占比，根据经验，将α、β、γ均取值为1，则ssim函数表达式如下：
[0121][0122]
ssim函数的值在[0，1]之间，刀具侧部刀刃图像x与标准图像y越相近，其值越接近1。
[0123]
2.2使用lableme软件对多角度多维度图片数据集中的各刀具侧部刀刃图像进行标注，使用定位框选出需要检测的磨损部位，计算多角度多维度图片数据集中各刀具侧部刀刃图像的磨损部位像素当量，然后将多角度多维度图片数据集中各刀具侧部刀刃图像对应的标注、定位框4个顶点值、磨损部位以及磨损部位像素当量信息进行存储并导出为xml格式文件。
[0124]
2.3对底部刀刃数据集中的各刀具底部刀刃图像进行标注，使用定位框选出需要检测的磨损部位(有几个底部刀刃就设置几个定位框)，计算各刀具底部刀刃图像的磨损部位像素当量，然后将各刀具底部刀刃图像对应的标注、各定位框的顶点值、磨损部位以及磨损部位像素当量信息进行存储并导出为xml格式文件。
[0125]
2.4将多角度多维度图片数据集按9：1划分为训练集和测试集，使用训练集和测试集对预测刀具侧部刀刃图像中定位框位置的深度残差网络模型进行训练和测试，并基于损失函数评价深度残差网络模型，直到测试集测试时损失函数的损失值在0.05～0.1内，认为深度残差网络模型训练完毕。同样，将底部刀刃数据集按9：1划分为训练集和测试集，使用训练集和测试集对预测刀具底部刀刃图像中定位框位置的深度残差网络模型进行训练和
测试，并基于损失函数评价深度残差网络模型，直到测试集测试时损失函数的损失值在0.05～0.1内，认为深度残差网络模型训练完毕。其中，本发明使用4个串联的全连接层(fc)和隐藏层(relu)代替常规深度残差网络模型的classifier(分类器)中的卷积层conv1d和卷积层conv2d；本发明深度残差网络模型中残差模块的表达式如下：
[0126]yl
＝h(x
l
)+f(x
l
,w
l
)
[0127]
x
l+1
＝f(y
l
)
[0128]
其中x
l
为第l层的输入，y
l
为第l层的输出，w
l
为第l层的权重，h(x
l
)代表直接映射，f(x
l
,w
l
)代表残差模块的输出，x
l+1
为第l+1层的输入，f(y
l
)为激活函数的输出，激活函数通常使用relu函数。
[0129]
损失函数使用mseloss，表达式如下：
[0130]
mseloss(xi,yi)＝(x
i-yi)2[0131]
其中，评价预测刀具侧部刀刃图像中定位框位置的深度残差网络模型时，向量xi中四个元素代表测试集中第i张刀具侧部刀刃图像的定位框4个顶点的像素预测值，向量yi中四个元素代表测试集中存储的第i张刀具侧部刀刃图像的定位框4个顶点的像素值；评价预测刀具底部刀刃图像中定位框位置的深度残差网络模型时，向量xi中所有元素代表测试集中第i张刀具底部刀刃图像的所有定位框顶点(向量xi中元素个数为刀具底部刀刃图像中定位框个数的4倍)的像素预测值，向量yi中所有元素代表测试集中存储的第i张刀具底部刀刃图像的所有定位框顶点的像素值。
[0132]
步骤三、对待测刀具依次执行步骤一中的磨损拍摄操作和步骤2.1，得到待测刀具的多角度多维度图片数据集和一张刀具底部刀刃图像，然后将多角度多维度图片数据集和刀具底部刀刃图像分别输入各自的深度残差网络模型，得到多角度多维度图片数据集中各刀具侧部刀刃图像的定位框位置，以及刀具底部刀刃图像的定位框位置。
[0133]
步骤四、裁剪出待测刀具的刀具底部刀刃图像和各刀具侧部刀刃图像中定位框内图像，得到待测刀具的各磨损部位图像。
[0134]
步骤五、对待测刀具的各磨损部位图像进行处理。
[0135]
5.1对待测刀具的各个磨损部位图像进行滤波，可以选择具有7x7掩码的中值滤波器进行滤波，具体是：以待测刀具的磨损部位图像中任意像素点(i，j)为中心点，对像素点(i，j)的邻域像素灰度进行排序，然后取中值作为像素点(i，j)的新灰度。
[0136]
5.2为突出各滤波后图像的磨损区域并有效地将其与无关区域区分开来，对各滤波后的待测刀具磨损部位图像使用分段线性变换进行图像增强；分段线性变换是基于灰度的算法，抑制对噪声不敏感的无关区域，为刀具磨损区域的提取提供方便。
[0137]
5.3为了提取刀具磨损轮廓边界，采用自适应阈值分割法对经步骤5.2处理后的各图像中刀具磨损区域和背景进行分割；其中，自适应阈值采用最大类间方差法来确定。
[0138]
5.4经过阈值分割后，各刀具磨损区域图像中磨损轮廓边缘的灰度值变化陡增，使用具有良好检测能力和鲁棒性的canny算子进行经过阈值分割后的各刀具磨损区域图像中磨损轮廓边缘提取。
[0139]
步骤六、计算刀具每个底部刀刃和每个侧部刀刃的后刀面最大磨损宽度、后刀面平均磨损宽度以及后刀面磨损面积。
[0140]
对提取的各磨损轮廓边缘进行行扫描和列扫描，计算每个侧部刀刃的后刀面最大
磨损宽度vb
cmax
、每个底部刀刃的后刀面最大磨损宽度vb
dmax
、每个侧部刀刃的后刀面平均磨损宽度vb
cavg
、每个底部刀刃的后刀面平均磨损宽度vb
davg
、每个侧部刀刃的后刀面磨损面积a
cvb
和每个底部刀刃的后刀面磨损面积a
dvb
；其中，磨损宽度定义为：磨损区域(即包含磨损轮廓边缘以及磨损轮廓边缘以内像素的图像)中像素数目最多的那行具有的像素数目与刀具磨损区域图像中磨损部位的像素当量k的乘积；vb
cmax
、vb
dmax
、vbc
avg
、vb
davg
、a
cvb
和a
dvb
的表达式如下：
[0141]
vb
imax
＝(c
imax-c
imin
)
·k[0142][0143][0144]
其中，计算侧部刀刃时i用c代入，计算底部刀刃时i用d代入，c
imin
是磨损区域中像素数目最多的那行的最小列，c
imax
是磨损区域中像素数目最多的那行的最大列，n
iwear
是磨损区域的像素总数，n
ir
是磨损区域对应的总行数，k0是单位面积的像素数目。
[0145]
步骤七、确定刀具磨损等级，并判断是否进行换刀。
[0146]
7.1对各侧部刀刃的vb
cmax
求和后除以侧部刀刃数目(本实施中侧部刀刃有三个)计算得到vb
index1
，对各侧部刀刃的vb
cavg
求和后除以侧部刀刃数目计算得到vb
index2
，对各底部刀刃的vb
dmax
求和后除以底部刀刃数目(本实施中底部刀刃有三个)计算得到vb
index3
，对各底部刀刃的vb
davg
求和后除以底部刀刃数目计算得到vb
index4
，对各侧部刀刃的a
cvb
求和后除以侧部刀刃数目计算得到a
index1
，对各底部刀刃的a
dvb
求和后除以底部刀刃数目计算得到a
index2
。
[0147]
7.2根据vb
index1
、vb
index2
、vb
index3
、vb
index4
、a
index1
和a
index2
确定刀具的vb
cmax
、vb
dmax
、vb
cavg
、vb
daug
、a
cvb
和a
dvb
磨损等级，然后以vb
cmax
、vb
dmax
、vb
cavg
、vb
davg
、a
cvb
和a
dvb
磨损等级中最大的作为刀具磨损等级；其中，刀具的vb
cmax
、vb
dmax
、vb
cavg
、vb
davg
、a
cvb
和a
dvb
磨损等级预先划分，划分过程为：通过多把刀具试验后每把刀具每加工预设时间得到的vb
index1
、vb
index2
、vb
index3
、vb
index4
、a
index1
和a
index2
分别建立vb
index1
、vb
index2
、vb
index3
、vb
index4
、a
index1
和a
index2
关于切削时间的曲线，然后根据凹凸性将各曲线划分为多个曲线段，各曲线的每个曲线段分别对应vb
cmax
、vb
dmax
、vb
cavg
、vb
davg
、a
cvb
和a
dvb
的一个磨损等级。
[0148]
7.3对多把刀具进行试验，得到各刀具达到需要换刀的刀具磨损等级时的vb
index1
中的最小值、vb
index2
中的最小值、vb
index3
中的最小值、vb
index4
中的最小值、a
index1
中的最小值和a
index2
中的最小值，分别设定为换刀阈值vb
t1
、vb
t2
、vb
t3
、vb
t4
、a
t1
和a
t2
，然后根据刀具的换刀指标e
tool
判断是否进行换刀，换刀指标e
tool
的值为1则进行换刀，值为0则不进行换刀。换刀指标e
tool
表达式如下：
[0149][0150]
[0151][0152][0153][0154][0155][0156]
其中，e
vbt1
、e
vbt2
和e
at1
分别为刀具侧部刀刃的换刀指标分量，e
vbt3
、e
vbt4
和e
at2
刀具底部刀刃的换刀指标分量。

技术特征：
1.一种多角度多维度刀具磨损量快速检测装置，包括侧部刀刃旋转拍摄组件和底座自旋转组件，其特征在于：还包括吹屑组件、对射光电开关、自伸缩遮光组件、底部刀刃拍摄组件和桶型收光组件；所述的自伸缩遮光组件包括步进电机一、圆柱直齿主动齿轮、圆柱直齿从动齿轮、遮光片和定轨迹轮盘；所述的步进电机一与定轨迹轮盘通过底座固定，圆柱直齿主动齿轮与步进电机一的输出轴固定；圆柱直齿从动齿轮与定轨迹轮盘构成转动副，并与圆柱直齿主动齿轮啮合；所述圆柱直齿从动齿轮的轮毂上开设n个斜向滑槽，n≥3，每个斜向滑槽与一片遮光片上一体成型的立柱构成滑动副；定轨迹轮盘的中心孔横截面呈正n边形，遮光片的横截面呈多边形，定轨迹轮盘的每相邻两个面与一个遮光片朝外的两个位置接触，各遮光片沿周向均布，遮光片的一个尖角朝内设置，任何一个遮光片朝内设置的尖角两侧侧面与相邻两个遮光片的邻近侧面分别接触；各遮光片朝内设置的尖角两侧侧面合围成测量口；空心盖板固定在定轨迹轮盘顶面；吹屑组件、防尘盖和对射光电开关均固定在空心盖板顶面，且对射光电开关和防尘盖均置于吹屑组件内围；所述的防尘盖罩在对射光电开关外，且防尘盖开设有中心过孔；所述的侧部刀刃旋转拍摄组件包括ccd相机、环形光源一和定标平台；所述的桶型收光组件包括遮光薄壁件和透光防尘罩；透光防尘罩上固定有环形标尺台，环形标尺台上设有圆形标尺；自伸缩遮光组件的定轨迹轮盘固定在遮光薄壁件顶端；ccd相机配有物镜；环形光源一与物镜过盈配合连接；ccd相机与遮光薄壁件外壁固定，物镜由遮光薄壁件的一个定位孔伸入遮光薄壁件内；定标尺内嵌到定标平台的凹槽中，定标平台固定在遮光薄壁件的另一个定位孔处；所述的定标尺与物镜正对且间距设置；所述的底座自旋转组件包括步进电机二、电机支撑座、底盘转动主动轮、底盘转动从动轮、圆形转盘和盘形固定架；所述的步进电机二固定在电机支撑座上，电机支撑座固定在盘形固定架上；底盘转动主动轮与步进电机二的输出轴固定；底盘转动从动轮固定在圆形转盘的轮毂上，并与底盘转动主动轮啮合；圆形转盘通过轴承支承在与盘形固定架一体成型的中心轴上；桶形收光组件的遮光薄壁件固定在圆形转盘上；所述的底部刀刃拍摄组件包括大景深相机、环形光源二和环形光源定位件；所述的大景深相机固定在底座自旋转组件的圆形转盘上；环形光源定位件与大景深相机固定；环形光源二与环形光源定位件过渡配合连接；桶形收光组件的透光防尘罩固定在圆形转盘上，并罩住大景深相机、环形光源二和环形光源定位件。2.根据权利要求1所述的一种多角度多维度刀具磨损量快速检测装置，其特征在于：所述的吹屑组件包括环形微孔风腔、基座、叶轮和气旋加速器；所述的环形微孔风腔呈中空的圆环状；环形微孔风腔的壁面上开设有沿轴向等距排布的多个风孔组，风孔组由沿周向均布的多个风孔组成；所述的叶轮和气旋加速器同轴置于基座内，且气旋加速器置于叶轮上方；所述的环形微孔风腔置于气旋加速器上方；所述的叶轮由马达驱动；所述的基座开设有进风口，环形微孔风腔固定在基座顶部，且环形微孔风腔的内腔与基座的内腔连通。3.根据权利要求1或2所述的一种多角度多维度刀具磨损量快速检测装置的检测方法，其特征在于：该方法具体如下：步骤一、选取多把刀具，针对每把刀具，每加工1～2分钟后停止加工，进行磨损拍摄操作，直到刀具某个侧部刀刃的后刀面磨损宽度最大值超过6mm或刀具所有侧部刀刃的后刀面磨损宽度最大值均值超过3mm；所述的磨损拍摄操作具体如下：
1.1将盘形固定架固定在机床的工作台上，将机床的工作台移动到机床的主轴正下方，使遮光薄壁件中心轴线与固定在机床主轴上的刀具对齐；然后开启吹屑组件；1.2刀具沿竖直方向运动进入ccd相机的测量区：使机床的主轴带动刀具沿竖直方向向下运动，并穿过防尘盖的中心过孔到达触发对射光电开关，该过程中吹屑组件对刀具进行吹屑，吹落的切屑被阻挡在防尘盖外；刀具到达触发对射光电开关后，吹屑组件停止吹屑，自伸缩遮光组件中的步进电机一正转，经圆柱直齿主动齿轮带动圆柱直齿从动齿轮旋转，从而n片遮光片上的立柱分别沿着圆柱直齿从动齿轮上对应的斜向滑槽向外滑动，使各遮光片向外运动并始终与定轨迹轮盘的中心孔侧面接触，测量口扩大；然后，使刀具继续沿竖直方向向下运动穿过测量口进入ccd相机的视野，直到刀具在ccd相机的视野中占图比超过设定阈值时，蜂鸣器提示刀具已进入测量区，刀具停止运动；1.3刀具侧部刀刃部位的拍摄：开启环形光源一，ccd相机自动聚集刀具侧部刀刃并拍摄一张刀具侧部刀刃图像作为标准图像；然后，步进电机二按设定转速正转，经底盘转动主动轮带动底盘转动从动轮和圆形转盘旋转，使圆形转盘经遮光薄壁件带动侧部刀刃旋转拍摄组件、自伸缩遮光组件、吹屑组件和对射光电开关一起旋转，从而ccd相机围绕刀具做圆周运动进行刀具侧部刀刃的多角度拍摄，拍摄的刀具侧部刀刃图像中带有定标平台上的定标尺；1.4刀具底部刀刃磨损部位的拍摄：ccd相机围绕刀具运动一周后回到原位，此时ccd相机停止拍摄，环形光源一关闭，环形光源二开启，大景深相机自动聚集刀具底部刀刃并进行拍摄，拍摄的刀具底部刀刃图像中带有环形标尺台上的圆形标尺；步骤二、建立预测刀具侧部刀刃图像和预测刀具底部刀刃图像中定位框位置的深度残差网络模型，具体如下：2.1、基于标准图像y，使用ssim函数对所有刀具各时刻拍摄的多角度刀具侧部刀刃图像进行筛选，筛选后的各刀具侧部刀刃图像存储在多角度多维度图片数据集中；将所有刀具各时刻拍摄的刀具底部刀刃图像存储在底部刀刃数据集中；2.2对多角度多维度图片数据集中的各刀具侧部刀刃图像进行标注，使用定位框选出需要检测的磨损部位，计算多角度多维度图片数据集中各刀具侧部刀刃图像的磨损部位像素当量，然后将多角度多维度图片数据集中各刀具侧部刀刃图像对应的标注、定位框4个顶点值、磨损部位以及磨损部位像素当量信息进行存储；2.3对底部刀刃数据集中的各刀具底部刀刃图像进行标注，使用定位框选出需要检测的磨损部位，计算各刀具底部刀刃图像的磨损部位像素当量，然后将各刀具底部刀刃图像对应的标注、各定位框的顶点值、磨损部位以及磨损部位像素当量信息进行存储；2.4将多角度多维度图片数据集划分为训练集和测试集，使用训练集和测试集对预测刀具侧部刀刃图像中定位框位置的深度残差网络模型进行训练和测试，并基于损失函数评价深度残差网络模型，直到测试集测试时损失函数的损失值在0.05～0.1内；将底部刀刃数据集划分为训练集和测试集，使用训练集和测试集对预测刀具底部刀刃图像中定位框位置的深度残差网络模型进行训练和测试，并基于损失函数评价深度残差网络模型，直到测试集测试时损失函数的损失值在0.05～0.1内；
步骤三、对待测刀具依次执行步骤一中的磨损拍摄操作和步骤2.1，得到待测刀具的多角度多维度图片数据集和一张刀具底部刀刃图像，然后将多角度多维度图片数据集和刀具底部刀刃图像分别输入各自的深度残差网络模型，得到多角度多维度图片数据集中各刀具侧部刀刃图像的定位框位置，以及刀具底部刀刃图像的定位框位置；步骤四、裁剪出待测刀具的刀具底部刀刃图像和各刀具侧部刀刃图像中定位框内图像，得到待测刀具的各磨损部位图像；步骤五、对待测刀具的各磨损部位图像进行处理；5.1对待测刀具的各个磨损部位图像进行滤波；5.2对各滤波后的待测刀具磨损部位图像进行图像增强；5.3采用自适应阈值分割法对经步骤5.2处理后的各图像中刀具磨损区域和背景进行分割；5.4使用canny算子进行经过阈值分割后的各刀具磨损区域图像中磨损轮廓边缘提取；步骤六、对提取的各磨损轮廓边缘进行行扫描和列扫描，计算每个侧部刀刃的后刀面最大磨损宽度vb
cmax
、每个底部刀刃的后刀面最大磨损宽度vb
dmax
、每个侧部刀刃的后刀面平均磨损宽度vb
cavg
、每个底部刀刃的后刀面平均磨损宽度vb
davg
、每个侧部刀刃的后刀面磨损面积a
cvb
和每个底部刀刃的后刀面磨损面积a
dvb
；vb
cmax
、vb
dmax
、vb
cavg
、vb
davg
、a
cvb
和a
dvb
的表达式如下：vb
imax
＝(c
imax-c
imin
)
·
kk其中，计算侧部刀刃时i用c代入，计算底部刀刃时i用d代入，c
imin
是磨损区域中像素数目最多的那行的最小列，c
imax
是磨损区域中像素数目最多的那行的最大列，n
iwear
是磨损区域的像素总数，n
ir
是磨损区域对应的总行数，k0是单位面积的像素数目；步骤七、确定刀具磨损等级，并判断是否进行换刀；7.1对各侧部刀刃的vb
cmax
求和后除以侧部刀刃数目计算得到vb
index1
，对各侧部刀刃的vb
cavg
求和后除以侧部刀刃数目计算得到vb
index2
，对各底部刀刃的vb
dmax
求和后除以底部刀刃数目计算得到vb
index3
，对各底部刀刃的vb
davg
求和后除以底部刀刃数目计算得到vb
index4
，对各侧部刀刃的a
cvb
求和后除以侧部刀刃数目计算得到a
index1
，对各底部刀刃的a
dvb
求和后除以底部刀刃数目计算得到a
index2
；7.2根据vb
index1
、vb
index2
、vb
index3
、vb
index4
、a
index1
和a
index2
确定刀具的vb
cmax
、vb
dmax
、vb
cavg
、vb
davg
、a
cvb
和a
dvb
磨损等级，然后以vb
cmax
、vb
dmax
、vb
cavg
、vb
davg
、a
cvb
和a
dvb
磨损等级中最大的作为刀具磨损等级；7.3对多把刀具进行试验，得到各刀具达到需要换刀的刀具磨损等级时的vb
index1
中的最小值、vb
index2
中的最小值、vb
index3
中的最小值、vb
index4
中的最小值、a
index1
中的最小值和a
index2
中的最小值，分别设定为换刀阈值vb
t1
、vb
t2
、vb
t3
、vb
t4
、a
t1
和a
t2
，然后根据刀具的换刀指标e
tool
判断是否进行换刀，换刀指标e
tool
的值为1则进行换刀，值为0则不进行换刀；换刀指标e
tool
表达式如下：
其中，e
vbt1
、e
vbt2
和e
at1
分别为刀具侧部刀刃的换刀指标分量，e
vbt3
、e
vbt4
和e
at2
刀具底部刀刃的换刀指标分量。4.根据权利要求3所述的一种多角度多维度刀具磨损量快速检测装置的检测方法，其特征在于：所述的ssim函数根据图像亮度、对比度和结构这三个特征的对比函数建立，表达式如下：ssim(x,y)＝l(x,y)
α
·
c(x,y)
β
·
s(x,y)
γ
其中，l(x,y)、c(x,y)、s(x,y)分别为刀具侧部刀刃图像x与标准图像y的亮度、对比度和结构对比函数，表达式如下：和结构对比函数，表达式如下：和结构对比函数，表达式如下：其中，μ
x
、σ
x
分别为刀具侧部刀刃图像x中各像素的像素值均值和标准差，μ
y
、σ
y
分别为标准图像y中各像素的像素值均值和标准差；刀具侧部刀刃图像x与标准图像y中各相同位置像素的像素值协方差σ
xy
的表达式如下：其中，x
i
、y
i
分别为刀具侧部刀刃图像x与标准图像y中的第i个像素的像素值，刀具侧部刀刃图像x和标准图像y的像素总数均为n；
定义系数c1、c2、c3表达式如下：c1＝(k1l)2c2＝(k2l)2c3＝c2/2l＝2
m-1其中，m代表标准图像的比特深度，通常取系数k1＝0.01，k2＝0.03；α、β、γ分别代表图像亮度、对比度和结构在ssim函数中的占比，α、β、γ均取值为1，则ssim函数表达式如下：5.根据权利要求3所述的一种多角度多维度刀具磨损量快速检测装置的检测方法，其特征在于：使用4个串联的全连接层和隐藏层代替常规深度残差网络模型的分类器中的卷积层conv1d和卷积层conv2d；深度残差网络模型中残差模块的表达式如下：y
l
＝h(x
l
)+f(x
l
,w
l
)x
l+1
＝f(y
l
)其中x
l
为第l层的输入，y
l
为第l层的输出，w
l
为第l层的权重，h(x
l
)代表直接映射，f(x
l
,w
l
)代表残差模块的输出，x
l+1
为第l+1层的输入，f(y
l
)为激活函数的输出，激活函数使用relu函数；损失函数使用mseloss，表达式如下：mseloss(x
i
,y
i
)＝(x
i-y
i
)2其中，评价预测刀具侧部刀刃图像中定位框位置的深度残差网络模型时，向量x
i
中四个元素代表测试集中第i张刀具侧部刀刃图像的定位框4个顶点的像素预测值，向量y
i
中四个元素代表测试集中存储的第i张刀具侧部刀刃图像的定位框4个顶点的像素值；评价预测刀具底部刀刃图像中定位框位置的深度残差网络模型时，向量x
i
中所有元素代表测试集中第i张刀具底部刀刃图像的所有定位框顶点的像素预测值，向量y
i
中所有元素代表测试集中存储的第i张刀具底部刀刃图像的所有定位框顶点的像素值。6.根据权利要求3所述的一种多角度多维度刀具磨损量快速检测装置的检测方法，其特征在于：步骤5.1选择具有7x7掩码的中值滤波器进行滤波。7.根据权利要求3所述的一种多角度多维度刀具磨损量快速检测装置的检测方法，其特征在于：步骤5.2使用分段线性变换进行图像增强。8.根据权利要求3所述的一种多角度多维度刀具磨损量快速检测装置的检测方法，其特征在于：步骤5.3中自适应阈值分割法的自适应阈值采用最大类间方差法来确定。9.根据权利要求3所述的一种多角度多维度刀具磨损量快速检测装置的检测方法，其特征在于：刀具的vb
cmax
、vb
dmax
、vb
cavg
、vb
davg
、a
cvb
和a
dvb
磨损等级预先划分，划分过程为：通过多把刀具试验后每把刀具每加工预设时间得到的vb
index1
、vb
index2
、vb
index3
、vb
index4
、a
index1
和a
index2
分别建立vb
index1
、vb
index2
、vb
index3
、vb
index4
、a
index1
和a
index2
关于切削时间的曲线，然后根据凹凸性将各曲线划分为多个曲线段，各曲线的每个曲线段分别对应vb
cmax
、vb
dmax
、vb
cavg
、vb
davg
、a
cvb
和a
dvb
的一个磨损等级。

技术总结
本发明公开了一种多角度多维度刀具磨损量快速检测装置及方法，检测装置包括吹屑组件、对射光电开关、自伸缩遮光组件、侧部刀刃旋转拍摄组件、底部刀刃拍摄组件、桶型收光组件、底座自旋转组件。检测方法如下：建立深度残差网络模型；对待测刀具进行磨损拍摄，得到刀刃图像数据集，输入深度残差网络模型得到定位框位置；裁剪出定位框内图像，得到待测刀具的各磨损部位图像；对待测刀具的各磨损部位图像进行处理，根据提取的各磨损轮廓边缘计算磨损量，确定刀具磨损等级，并判断是否进行换刀。本发明实现刀具多角度图像拍摄与定标，利用改进残差网络结合图像处理实现刀具多维度磨损量的快速测量，对刀具磨损级别的判断和换刀提示提供明确的指导。提供明确的指导。提供明确的指导。


技术研发人员：倪敬 刘轩松 张浩瀚 蒙臻 李锐智
受保护的技术使用者：杭州电子科技大学
技术研发日：2022.12.21
技术公布日：2023/9/23