[發明專利]基于機器視覺的刀具類型判別及幾何參數檢測方法及系統

有效

• 申請號: 202011233500.1
• 申請日: 2020-11-06
• 公開（公告）號: CN112683193B
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 張俊;劉占;尹佳;蘇東旭;趙萬華
• 申請（專利權）人: 西安交通大學
• 主分類號: G01B11/24
• 分類號: G01B11/24
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 李鵬威

1.基于機器視覺的刀具類型判別及幾何參數檢測方法，其特征在于，包括如下步驟，

步驟1，檢測初始化；將刀具安裝在機床主軸上，記錄刀具在機床坐標系下的坐標；

步驟2，獲取刀具動態圖像；

步驟3，采用基于卷積神經網絡訓練的刀具識別模型對步驟2所獲取的刀具動態圖像進行識別，判別當前刀具的類型；

步驟4，對步驟3所識別的刀具的幾何參數進行測量；測量刀具幾何參數時，對常用刀具的幾何參數進行測量，至少包括刀具懸長、直徑和刀尖圓角；對于T型刀，進行刀盤厚度的測量，對于筆型刀，進行錐度的測量，對于螺紋刀要進行內外徑的測量以及牙距的測量；

對于刀具直徑的測量，通過外包絡法測量刀具直徑；

對于刀具懸長的測量，分別計算刀柄底端的坐標和刀尖點的坐標，利用兩個坐標位置做差，得到刀具懸長的大小；

對于刀尖圓角的測量，提取刀尖圓角部分，利用最小二乘法對所提取的刀尖圓弧輪廓坐標點進行擬合運算，從而得到刀尖圓角半徑的大小；

步驟5，對步驟3所得刀具類型以及步驟4所得刀具的幾何尺寸與當前加工文件中刀具類型以及刀具幾何尺寸進行比對，當刀具類型或刀具幾何尺寸不一致時發出相應預警信息；

步驟4中，測量刀具懸長時，確定刀柄底端的坐標和刀尖點的坐標，利用兩個坐標位置做差，得到刀具懸長；采用結合弧段提取與霍夫變換的橢圓檢測方法：首先對獲取的動態圖像的每一幀進行去噪和二值化處理，之后對預處理后的圖像進行邊緣提取并疊加，然后自上而下逐列掃描圖像獲取擬合候選曲線，使用一系列直線段對曲線進行逼近，得到一組直線段l₁，l₂……l_i，θ_i表示相鄰直線之間的夾角，也就是直線段方向的變化角度，如果θ_i的變化值小于設定值，表示這個點處于一條近似直線上，將這個點剔除，如果θ_i的變化值大于設定值，則說明第i點附近曲率變化大，則認為第i點是一個拐點，那么將其鄰域內點剔除，剩下θ_i平緩變化的點即為橢圓上的點，然后通過霍夫變換擬合橢圓并求出橢圓中心點坐標；

對刀尖點位置的計算，根據刀具外部輪廓坐標，提取到刀具底端輪廓的坐標值，統計出所選序列的10％，然后統計所選序列的眾數將其視為刀具的刀尖點坐標。

2.根據權利要求1所述的基于機器視覺的刀具類型判別及幾何參數檢測方法，其特征在于，步驟2中采用第一相機(3)和第二相機(4)獲取刀具動態圖像，對第一相機(3)，采用第一光源(5)補光，第一光源(5)為長條形光源，為第一相機配用物距為200-300mm的鏡頭獲取刀具懸長整體圖像信息；對于第二相機(4)，采用第二光源(6)補光，第二光源(6)為盤狀背光源，為第二相機(4)配用物距為15-50mm的鏡頭，獲取刀尖處局部尺寸圖像信息。

3.根據權利要求1所述的基于機器視覺的刀具類型判別及幾何參數檢測方法，其特征在于，步驟3刀具類型識別，包括如下步驟：

步驟3.1，構建刀具數據集，所述數據集包括訓練集和驗證集，基于步驟2獲取的動態刀具圖像，識別對象包括整體式立銑刀、波紋刀、T型刀、圓刀片機夾刀、筆型刀、反R角刀、U鉆和螺紋銑刀8種常用刀具；

步驟3.2，訓練模型，通過將訓練集輸入到卷積神經網絡模型中，通過誤差反向傳播算法，訓練好模型之后，驗證集用來驗證模型的準確性，訓練完成后將模型保存；

步驟3.3，將刀具圖像數據輸入訓練好的模型對當前刀具的類型進行判別。