切割刀具圖像邊緣破損檢測方法仿真

姜 智，樊軍慶

(海南大學機電工程學院，海南 海口 570228)

1 引言

在機械加工領域中天然橡膠刀具運用廣泛，在高速銑削過程中天然橡膠刀具的磨損較為嚴重[1]。產品的加工效率和加工質量直接受到天然橡膠刀具磨損程度的影響，而且在一定程度上刀具的磨損程度也會對機床壽命產生影響。在機械制造領域中隨著科學技術的發展與普及，人們對產品加工精度的關注度不斷提高。提高產品質量和生產效率的重要手段之一就是及時掌握天然橡膠刀具的磨損狀態[2]。因此，需要對切割刀具邊緣破損檢測方法進行分析和研究。

呂東喜[3]等人提出基于概率統計的切割刀具邊緣破損檢測方法，該方法在壓痕斷裂力學理論的基礎上對壓痕深度與裂紋擴展長度之間存在的關系進行分析，并統計刀具邊緣的磨粒數量，建立切割刀具邊緣破損檢測模型，該方法沒有對刀具圖像進行增強處理，存在圖像對比度低的問題。李德華[4]等人提出基于深度卷積神經網絡的刀具邊緣破損檢測方法，該方法利用電子顯微鏡獲取切割刀具的邊緣圖像，并對邊緣圖像進行小波濾波降噪處理，在卷積神經網絡中輸入降噪處理后的圖像，獲取刀具磨損量，實現切割刀具邊緣破損檢測，該方法對圖像進行降噪處理時，降低了圖像的對比度，導致方法存在檢測精度低的問題。除了上述方法之外，還有研究人員通過濾波器獲取刀具圖像特征，采用GLCM方法統計獲取的特征，構建特征集，并在SVM訓練分類模型中輸入特征集，實現切割刀具邊緣的破損檢測，該方法在特征提取過程中無法保留原始圖像的灰度均值，存在適應性能差的問題。

為了解決上述方法中存在的問題，提出基于直方圖均衡化的切割刀具邊緣破損檢測方法。

2 天然橡膠刀具圖像增強處理

采用直方圖均衡化方法對圖像進行增強處理時，需要分別處理所有的分量[5，6]。基于直方圖均衡化的切割刀具邊緣破損檢測方法對天然橡膠刀具圖像進行增強處理時，首先分割圖像，之后再采用直方圖對分割后的圖像進行均衡化處理，實現圖像增強。

設R={R(i，j)}代表的是天然橡膠切割刀具圖像，存在L級灰度級，用{R0，R1，…Rm，…RL-1}表示，橡膠切割刀具圖像的灰度中值記為第m個灰度級Rm，在圖像灰度中值Rm的基礎上分割處理R分量子圖灰度直方圖，即R=RL∪RU，其中參數RL、RU可通過下式計算得到

(1)

(2)

通過上述分析可知，在一定程度上利用灰度中值Rm對天然橡膠刀具圖像進行分割處理后，再對天然橡膠刀具圖像做直方圖均衡化處理，可以保持天然橡膠刀具圖像的亮度信息。橡膠刀具圖像的視覺效果只通過一次分割處理難以得到增強，因此，需要根據灰度中值繼續對分割后獲得的圖像子塊進行二次分割[7]，處理后天然橡膠刀具圖像的灰度均值與分割次數n之間存在的關系可通過下式進行描述

(3)

綜上所述，圖像的亮度信息保持度與分割次數之間呈正比例關系。但分割次數n是有限制的，不能一直增加，如果一直增加分割次數，不斷地對天然橡膠刀具圖像進行分割處理，不會使圖像得到增強，反而會降低圖像的增強效果[8]。

因此，利用Rm進行一次圖像分割處理后，在等面積分割原則的基礎上利用第ue個灰度級Rue和第le個灰度級Rle結合最大信息熵理論對RL、RU子塊的弧度直方圖進行二次分割，并在分割過程中保證面積相同[9]。

(4)

(5)

(6)

(7)

對上式分析可知，天然橡膠刀具圖像經過處理后獲得的灰度均值，保留了基于最大熵理論的Rle、Rue參數和原始天然橡膠刀具圖像的灰度中值Rm。因此，利用上述方法對天然橡膠刀具圖像進行增強處理后，不僅保證了圖像增強的效果，而且提高了天然橡膠刀具圖像的視覺效果。

3 切割刀具邊緣破損檢測

1)天然橡膠刀具端面圖像處理

所提方法通過輪廓提取算法獲取刀具的外部輪廓，并利用輪廓分割算法和Canny算子分離輪廓的部分線段，由這部分線段構成輪廓數據組Xld。

合并輪廓數據組Xld中的相鄰輪廓，并將其輸入數據組中重新進行遍歷，獲取天然橡膠刀具的角度參數[10]。

2)天然橡膠刀具輪廓幾何模型

設X軸為天然橡膠刀具輪廓對應的直線，Z軸為切割刀具中軸線對應的直線，用O點描述天然橡膠刀具端面的中心點，則切割刀具輪廓對應的極坐標方程可通過下述公式進行描述：

(8)

式中，a代表的是天然橡膠刀具的半徑；θ代表的是螺旋角；b代表的是螺距。

投影曲線在XOZ平面中可通過下述公式描述

(9)

設(x0，z0)代表的是O點對應的坐標，用(x1，z1)描述輪廓點坐標，此時獲得擬合的待檢測的天然橡膠刀具輪廓的方程

(10)

求解上式右邊的參數，擬合處理刀具的輪廓曲線[11]。

3)邊緣破損檢測

①通過Canny算子獲取天然橡膠刀具圖像輪廓，并在全局輪廓屬性的基礎上分割天然橡膠刀具輪廓，獲得不間斷的刀具輪廓曲線，可用圓弧線段或標準直線段進行表示[12]。

②設T1～Tn描述的是天然橡膠刀具輪廓線，獲取其對應的弧度值，構成集合Ar。在集合Ar中挑選符合π/2

③設T1～Ti代表的是挑選的滿足條件的輪廓片段，獲取輪廓端點對應的坐標(Tibr，Tibc)、(Tier，Tiec)，計算輪廓端點之間存在的距離d，當距離d符合下述約束時屬于相鄰輪廓，對其進行合并處理：

d≤MaxDistAbs，MaxDistAbs代表的是輪廓端點在回歸方向中的最大距離值；

d≤|Ti|*MaxDistRel，MaxDistRel代表的是設定的閾值；|Ti|代表的是輪廓段對應的長度。

重復上述過程，直到距離d不符合約束時停止。

④統計合并處理后輪廓中存在的輪廓點數量和端點坐標，根據端點坐標獲得天然橡膠刀具輪廓的表達式。

⑤設(r0-r，c0)代表的是擬合天然橡膠刀具輪廓起點；(r0，c0)代表的是天然橡膠刀具端面對應的理論中心點，根據單次擬合坐標差值Δc=1在輪廓表達式的基礎上對輪廓片段進行擬合處理，獲得天然橡膠刀具完整的輪廓。

⑥連接理論中心點(r0，c0)與擬合天然橡膠刀具輪廓首位坐標點，獲得一個閉合圖形，對該區間進行填充處理，提高區域的完整度。對該區域和刀具實際區域進行對比求差處理，獲得天然橡膠刀具邊緣的破損區域，實現破損檢測。

4 實驗與分析

為了驗證基于直方圖均衡化的切割刀具邊緣破損檢測方法的整體有效性，需要對其進行測試。對切割刀具邊緣破損進行檢測之前需要對圖像進行預處理，圖像預處理的效果直接影響了檢測結果。分別采用基于直方圖均衡化的刀具邊緣破損檢測方法(方法1)、基于概率統計的切割刀具邊緣破損檢測方法(方法2)和基于深度卷積神經網絡的刀具邊緣破損檢測方法(方法3)進行圖像對比度測試，測試結果如圖1所示。

圖1 不同方法的圖像對比度測試結果

圖像對比度在40%-50%時圖像的視覺效果最好，根據圖1中的數據可知，在多次迭代中方法1獲得的圖像對比度均在40%-50%內波動，方法2和方法3獲得的圖像對比度較低，天然橡膠刀具圖像經過處理后的視覺效果較差。由于方法1檢測切割刀具邊緣破損之前對天然橡膠刀具圖像進行了增強處理，首先對天然橡膠刀具圖像進行分割，其次進行均衡化處理，不僅保證了圖像增強的效果，而且提高了天然橡膠刀具圖像的視覺效果，進而提高了天然橡膠刀具圖像的對比度。

將檢測時間和檢測到的角點數作為指標，對方法1、方法2和方法3的適用性能進行測試，測試結果如表1、表2、表3所示。

表1 方法1的適用性能測試結果

表2 方法2的適用性能測試結果

表3 方法3的適用性能測試結果

分析表1、表2和表3中的數據可知，隨著刀具數量的增加，三種方法檢測所用的時間均有所增長，方法1檢測所用的時間雖然有所增加，但波動較小，而方法2和方法3的檢測時間增長趨勢較大，且方法1可準確地檢測到刀尖點數目，方法2在測試過程中的檢測結果數值均偏低，方法3在測試過程中的檢測結果數值偏高。根據上述分析可知，方法1可在較短的時間內準確地檢測到刀尖點的數量，表明方法1的適用性能較好，因為方法1采用直方圖均衡化方法對天然橡膠刀具圖像進行增強處理時，保留了基于最大熵理論的參數，使其高效地檢測出刀尖點數量，提高了方法的適用性能。

分別對方法1、方法2和方法3進行切割刀具邊緣破損檢測測試，測試結果如圖2所示。

圖2 不同方法的檢測結果

分析實際磨損曲線可知，該刀具的區域2、區域4和區域5處的磨損量較高，表明上述區域存在邊緣破損現象。采用方法1進行測試時，磨損曲線與實際磨損曲線波動基本相符，可準確地檢測到區域2、區域4和區域5處存在的邊緣破損，采用方法2進行測試時，檢測到區域3和區域5處存在邊緣破損，采用方法3進行測試時，檢測到區域1和區域3存在邊緣破損。通過上述分析可知，只有方法1可準確地檢測出刀具中存在的邊緣破損，因為方法1通過增強處理天然橡膠刀具圖像，增強了圖像的對比度，方便后續的邊緣破損檢測，進而提高了方法1的檢測精度。

5 結束語

檢測天然橡膠刀具的磨損狀態，可以避免機械加工過程中由于天然橡膠刀具破損導致的停機問題，提高了機械加工的效率。目前切割刀具邊緣磨損檢測方法存在圖像對比度低、適用性能差和檢測精度低的問題。提出基于直方圖均衡化的切割刀具邊緣破損檢測方法，采用直方圖均衡化方法對天然橡膠刀具圖像進行增強處理，提高了圖像的對比度，建立投影幾何模型，實現切割刀具邊緣的破損檢測，解決了目前方法中存在的問題，為天然橡膠刀具的廣泛應用奠定了基礎。