機器視覺應用于木工刀具磨損檢測研究進展

■陳則銘 趙小矛 Chen Zeming & Zhao Xiaomao

(1.2.北京林業大學，北京 100083）

近年來，我國家具生產技術不斷發展，家具行業柔性生產能力，自動化水平都在不斷提高，家具行業對生產管理、產品質量提出了更高的要求。在家具生產過程中，木工刀具直接作用于木材、板材等家具主材，通過銑削溝槽、銑削平面、銑削線條等加工動作生產出家具零部件。木工刀具的磨損程度，直接影響了家具零部件的加工精度，因此，檢測木工刀具磨損程度，有利于加強企業刀具管理，有利于確保家具零件精度，提高產品質量。變化情況，通過比對零件尺寸誤差值和刀具磨損量，依據工廠的工藝標準和產品質量要求，判斷刀具磨損對加工的影響[1]。

1 木工刀具磨損檢測的意義和現狀

家具生產工藝系統由機床、工件、夾具、刀具組成，家具零件或部件的一部分加工誤差來自于工藝系統存在的誤差[1]。目前，已經有家具零件檢測設備在生產線上使用，通過檢測零件的加工誤差，可以判定目前的工藝系統是否還可以繼續加工家具零部件，但無法確定零件加工誤差是由于工藝系統的哪一部分造成的。刀具是直接作用于材料加工的工藝系統組成部分，開發一種快速、高精度，具備磨損量檢測功能的木工刀具磨損檢測系統，通過分析刀具磨損量，快速判斷是否需要停機換刀，減少停機維護時間，保證生產效率，保證產品質量，同時可以與零件檢測系統配合使用，推進形成家具工藝系統狀態檢測技術。

近年來，木工刀具方面的研究多聚焦于耐磨材料研發和磨損機理研究方面，對于木工刀具磨損檢測技術和通過加強刀具管理提高零件加工精度的研究相對較少[2]。機器視覺檢測木工刀具磨損情況，是機器視覺技術在設備管理上的新探索，其原理是用相機等視覺采集設備替代人眼拍攝刀具刃口圖像，對獲取的圖像進行標定，分析刃口缺損和刃角

2 機器視覺應用于木工刀具磨損檢測系統的構建

經過多年發展，機器視覺的理論框架已經比較完善，目前已經成為了一種解決工程實際問題的現代方法，結合木工刀具磨損檢測的要求和特點，用于木工刀具磨損檢測的機器視覺系統的構建過程如下：

2.1 確定木工刀具磨損檢測的主要指標

在木工刀具磨損檢測系統中，主要有三項數據需要計算，一是測量刀具刃口實際尺寸，與設計尺寸進行對比分析，計算得出刃口磨損量；二是測量刀具刃角角度，與設計角度進行對照，輸出刃角變化量；三是利用獲取的圖像，觀察刀具后刀面擦傷磨損情況，計算擦傷破損面積。

2.2 .搭建木工刀具圖像采集硬件系統

在機器視覺研究領域，“光源-鏡頭—相機—圖像采集模塊”已經成為了最基本的圖像采集單元，也成為了木工刀具磨損檢測系統的“眼睛”[4]。

2.2.1 光源的選取

光源的主要功能是將光線投射到待測物體上，突出待測物體的對比度。根據拍攝方式的不同，目前常用的光源類型有條形光源、環形光源、面光源和點光源等并形成了各自的照明方法，拍攝不同的刃口圖像和不同的相機選取，決定了采用的光源的不同，因此，選取合適的光源一是能夠有效避免刀具陰影而引起的邊緣誤檢；二是可以提供均勻的照明環境，減少不均勻照明引起的閾值選取困難[5]。

2.2.2 鏡頭的選取

鏡頭相當于人眼的角膜，在視覺系統里是采集圖像的重要原件，目前市面上主要由廣角鏡頭、遠距鏡頭、顯微鏡頭、變焦鏡頭和遠心鏡頭等主要類型，選取工業鏡頭應主要參考視場、物距、分辨率、景深等技術指標和考慮鏡頭失真對檢測結果的影響[6]。刀具是精密加工工具，需要使用畸變小的工業級鏡頭，以消除因畸變產生的測量誤差。

2.2.3 相機的選取

相機相當于人眼的視網膜，是鏡頭采集到圖像的成像元件，根據圖像傳感器類型不同，市面上主要是CCD相機和CMOS相機兩種相機，目前比較常用的是CCD相機，近年來隨著CMOS的電路消噪技術在很大程度上減少了成像的噪聲干擾，CMOS也開始進入工業相機成像領域，根據不同的應用需求，在相機選取上，對于圖像采集系統而言，并不是越貴的相機越合適，應結合拍攝像素需要，合理選配工業相機。

2.3 選取木工刀具圖像處理算法

根據硬件系統條件，為了實現機器視覺系統的計算目標，選取合適的算法判定刀具磨損狀況，進而確定刀具磨損數據[7]。為減少運算量，提高計算速度，本研究拍攝的木工刀具磨損圖像 均為灰度圖像，因此圖像處理算法主要由目標提取、邊緣檢測和刀具磨損的幾何參數檢測。

2.3.1 從圖像中提取木工刀具刃口圖像

木工刀具由金屬制作，長期加工磨損使部分區域非常光滑，可能會發生反光，獲取圖像的部分區域可能會出現高光，如果直接處理會丟失部分需要被檢測到的測量特征（如后刀面常會被切削木材摩擦光滑），因此，不僅要選取合適的光源系統和光照強度，更需要采用合適的圖像處理算法分析刀具圖片。

提取目標圖像與物體特性、拍攝方法有密切的關系，具有很強的針對性，但并不存在適合所有場景的通用性方法。對于拍攝到的木工刀具的灰度圖像，為提高運算速度，應保證拍攝刀具背景簡單，光照均勻[8]。目前，二值化處理是把目標物從圖像中提取出來的主要方法，運用這種方法提取刃口圖像，首先要通過直方圖分析出背景峰值和目標物峰值，運用大津法（OTSU）確定閾值，將灰度在閾值以上或以下設置為黑色或白色，以此提取出刃口圖像。

2.3.2 從刃口圖像中提取磨損區域邊緣

在圖像處理中，邊緣并不是指圖像的輪廓邊界線，還應該包括能夠描繪圖像特征的線。對于刀具圖像而言，磨損部分的邊界線形成的閉合曲線可以計算出磨損部分的面積，前刀面和后刀面延長線與刃口形成的閉合圖形，可以計算刃口的磨損量[9-10]。與提取目標圖像一樣，并不存在通用性的邊緣提取方法，因此，需要從常見的邊緣提取方法中，選取一種適合提取刀具磨損特征輪廓線的提取方法，根據目前的研究情況，Canny算法是比較適合提取磨損區域邊緣的算法。

2.3.3 運用標定技術，將刀具磨損圖像像素值轉換為磨損真實值

相機標定是建立圖像像素位置與刀具實際位置之間聯系的一種技術。通過鏡頭拍攝的圖像，或多或少都會發生畸變，而相機標定的作用就是矯正鏡頭產生的畸變，形成刀具磨損的真實值與像素值的映射關系，從而求得刀具磨損刃口數據。許多學者提出多種標定方法，以適應各種不同的機器視覺任務的復雜要求，對于木工刀具磨損檢測而言，視覺場景相對簡單，需要從圖像中獲取的信息簡明清晰，一些簡便的標定方法即可滿足要求，例如在測量背景上做輔助標定、或在相機鏡頭前固定標定玻璃片等方法[12-13]。

3 機器視覺應用于木工刀具磨損檢測研究進展

家具生產過程中，主要使用柄銑刀完成開槽、開孔、清底等加工動作，或者銑削門板線條等造型，因此，本研究木工刀具磨損檢測對象為柄銑刀，獲取柄銑刀刃口磨損量、刃角變化量和后刀面磨損情況，目前，經過前期研究，編寫的軟件已經可以識別刃口缺損情況、可以確定刃口磨損位置，正在推進研究標定技術確定刀具刃口尺寸、刃角角度和后刀面磨損部位面積的相關研究。

4 結語

家具工業經過多年的發展，已經開始走向數字化和信息化生產之路。近年來，企業通過數字化設備提高了生產效率，數字化生產工藝管理前景廣闊。家具零件加工精度檢測已收到各大企業重視，但零件加工精度已屬于結果，需要解決生產工藝問題仍需要對刀具、設備等生產主要工具的加工狀態進行研究判斷，機器視覺應用于木工刀具磨損檢測結果，可以應用于比對家具零部件加工誤差，分析零件被該刀具加工部位的精度誤差與刀具的磨損量，即可判定刀具對家具零件加工精度的影響，得出繼續使用刀具生產和停機更換新刀具加工的量化依據。