[發明專利]一種基于大數據自主學習檢測刀具壽命的系統及方法

在審

• 申請號: 202011216129.8
• 申請日: 2020-11-04
• 公開（公告）號: CN112247675A
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 陳明意;楊加成
• 申請（專利權）人: 蘇州眾盈恒信息科技有限公司
• 主分類號: B23Q17/09
• 分類號: B23Q17/09
• 代理公司: 杭州聚邦知識產權代理有限公司 33269
• 代理人: 周美鋒

本發明公開了一種基于大數據自主學習檢測刀具壽命的系統及方法，包括圖像采集模塊、刀庫、云服務器、圖像處理模塊，其中云服務器用于基于刀具交點特征訓練得到刀具壽命檢測模型；圖像處理模塊用于對刀具圖像進行預處理，加載云服務器中訓練得到的刀具壽命檢測模型，然后基于該刀具壽命檢測模型計算刀具檢測結果。本發明公開了一種基于大數據自主學習檢測刀具壽命的系統及方法，通過拍攝加工完成后的刀具圖像，并對進行輔助線標記，然后提取刀具刀尖與輔助線之間的交點特征訓練刀具壽命檢測模型，并對判斷出錯的刀具圖像進行增量訓練不斷的對刀具壽命檢測模型進行更新，可以實現對多種不同類型的刀具進行檢測，減少外界環境的影響，大大提高了刀具壽命檢測模型的泛化能力以及檢測的準確率。

技術領域

本發明屬于智能數控機床領域，更具體地，涉及一種基于大數據自主學習檢測刀具壽命的系統及方法。

背景技術

為了使數控機床更加智能化、自動化，保證數控機床高精度、高速度、高效率的自動化運行成為數控機床的主要研究方向之一。在加工過程中，數控機床加工刀具會隨著加工過程發生不同程度的損壞，影響加工效率。因此，及時檢測出刀具斷損情況，可減少后續零件的報廢率，降低機床的損耗，保證機床的加工效率。

現有的基于視覺的刀具壽命檢測方法主要分為間接檢測和直接檢測兩種，其中間接檢測對加工后的零件進行檢測，在專利CN109540919A中，通過采用一級升降裝置對零件進行檢測，然后通過左右兩邊的光電裝置以及固定裝置檢測裝置實現對零件的左右兩側的檢測，然后在工作臺下方設置一個光電檢測裝置，對零件底部進行檢測，從而判斷是否出現刀具壽命，這是一種間接的方式，這種方法不僅整個設備的成本比較高，而且需要針對不同類型的加工零件做不同的判斷方法處理，整個設備的可使用范圍比較狹窄。另一種直接檢測的方法直接對刀具進行拍攝，判刀具壽命具是否出現磨損，在編號為CN109500657A的專利中，首先通過設定的閾值獲取對應的加工刀具的圖像，通過將圖像進行灰度化，得到對應的二值圖像，進行形態學處理后，提取二值圖像的輪廓，計算提取后的輪廓與標定的正常刀具的面積比，判斷其與預設閾值之間的關系，實現對刀具的檢測。該方法需要預先標定正常刀具的面積作為參考值，在對圖片上的整個刀具面積進行標定時，人工標定誤差的影響比較大，另外，在提取輪廓時，受光照和背景影響比較大，泛化能力較弱，當刀具種類較多時容錯率較小，準確度較低。

因此，提出一種泛化能力強、準確度高的刀具壽命檢測系統及方法是亟需解決的問題。

發明內容

針對現有技術的缺陷，本發明的目的在于提出一種基于大數據自主學習檢測刀具壽命的系統及方法，旨在解決現有技術由于將預先標定的正常刀具的面積作為參考值進行刀具壽命判斷時受人工標定及光照及北京的影響較大而導致的準確度較低的問題。

為實現上述目的，本發明一方面提供了一種人工智能刀具壽命檢測系統，包括：

圖像采集模塊、刀庫、云服務器、圖像處理模塊；

其中，圖像采集模塊的輸出端與圖像處理模塊的輸入端相連，圖像采集模塊與刀庫之間間隔一段距離，圖像處理模塊與云服務器之間通過以太網進行通訊；

圖像采集模塊用于拍攝刀庫中的待加工的刀具得到刀尖位置的標定信息，以及拍攝加工完成后的刀具得到背景模糊并且刀具對象凸顯的刀具圖像，并傳輸到圖像處理模塊中；

刀庫用于存放待加工的刀具以及加工完成后的待檢測刀具；

云服務器用于基于刀具交點特征訓練得到刀具壽命檢測模型；

圖像處理模塊用于對刀具圖像進行預處理，加載云服務器中訓練得到的刀具壽命檢測

模型，然后基于該刀具壽命檢測模型計算刀具檢測結果。

進一步優選地，圖像采集模塊包括內窺鏡，采用內窺鏡拍攝刀庫中的刀具，刀具未