本文是一篇机械论文，本文构建了视觉检测平台，根据刀具检测的特点进行了对比分析，对镜头和光源进行了选型设计。另外，进行了工业相机的参数标定实验，设计了图像采集装置及检测机架。
第一章绪论
1.1研究背景
机床在工业加工中扮演着重要的角色，是现代工业之母，一个国家机床所能达到的精度决定着这个国家制造业的水平。而刀具作为工业机床的“牙齿”，其质量和性能的好坏会直接影响产品加工效率的高低和产品质量的好坏[1]。现阶段我国承担着全球大部分的制造工作，然而却面临着大而不精的尴尬局面。这主要由于我国的高端数控机床和高端数控刀具市场仍然长期被国外顶尖制造企业所垄断，这就造成我国制造企业的成本大大增加。
刀具市场的消费变化能够反映一个国家制造业的情况，也往往被视为一个国家制造业的晴雨表。下图1.1是来自我国机床工业协会统计的我国2005年到2020年间刀具市场消费的变化，从图中我们可以看出我国刀具市场整体呈现上升趋势。虽然期间由于金融危机和中美贸易摩擦的影响有所下滑，但整体规模依然十分庞大。
机械论文怎么写
如果说刀具消费可以反应一个国家制造业规模的大小，那么刀具材料结构变化就与一个国家制造业发展水平息息相关。随着我国制造业的转型升级，刀具材料结构也发生了重大变化，高性能材料的硬质合金刀具在使用中的占比在逐年上升。根据我国机床工具工业协会的最新统计，下表1.1是我国机床工具工业协会的最新统计结果，从中可以看出从2017年到2021年间中国刀具行业的产值占比变化情况。从中可以看出刀具企业的硬质合金刀具的产值从2017年的39.45%逐步提高到了2021年的47.47%，硬质合金刀具是高精度数控机床使用的主导刀具。其用量的上升可以从侧面反映我国制造业中机加工刀具转型升级的情况，随着数控机床在制造业中的普及，高性能材料的硬质合金刀具的用量占比还会逐年上升。
....................................
1.2研究的目的及意义
在当前国际竞争日趋激烈的形势下，国家十分重视制造业核心技术的研究与开发，出台了《中国制造2025》，该计划将对我国的智能机械产品进行快速升级。智能机械制造设备和产品是将来工业发展的必然走向[2，3]。
随着我国智能化在制造业中不断推进，现有的工业生产模式不断发生改变，朝着更加智能的方向不断前进[4]。机械加工是工业生产中的一个重要环节，刀具的磨损和破坏将直接导致被加工工件表面质量和宏观尺寸的偏差，如果不能及时发现，会导致零件加工的失败，严重的话会导致机床的主轴精度降低，致使机床损坏[5]。
据学者统计约有20%的机床停工都是由切削刀具失效造成的，刀具破损导致的停工时间占6.8%，造成生产效率降低和经济损失[6，7]。而大多数刀具的失效是由刀具磨损量的质变导致的，因此很多科技人员便对刀具的磨损程度检测格外关注。过去传统的刀具磨损破损检测方式绝大部分是凭借工人直接观察，对人的经验依靠较高，并且容易受到主观因素干扰[8]。在中国工业向着数字化和自动化方向发展的过程中，在刀具检测中用智能化的检测方式代替人工检测必然是大势所趋，因此急需开发一套能够智能化检测刀具磨损状态的系统设备来代替人工检测。
.....................................
第二章刀具失效分析
2.1引言
在机械加工过程中刀具存在着各种各样的失效形式，而这些失效形式的存在对工件加工的精度和效率存在着极大的影响。连续不断的铣削加工过程就是刀具与工件不断挤压摩擦的过程，在剪切作用下工件材料的切屑不断从加工表面剥离。在此过程中虽然刀具材料机械性能远高于被加工件材料的机械性能，但在长时间的工作负荷下也会出现各种各样的问题。刀具的失效形式一般分为磨损、塑性变形、裂缝、崩刃和破碎等[31]，而导致这些问题的主要原因往往与加工过程中切削速度、背吃刀量、进给速度和加工工件的材料等因素息息相关[32]。当这些因素中的任一个发生变化，刀具的失效形式都有可能随之变化，这也就导致刀具失效形式具有多样性和偶然性的特点。本章将对刀具的一般失效形式及其机理进行深度阐述，并重点对本文需要检测的盘铣刀片的失效形式及其检测标准进行说明。
..............................
2.2一般刀具的失效形式
在机械加工过程中，刀具的磨损是时刻存在的，刀具从磨损到失效是量变到质变的过程。不论是铣刀或车刀，在切削机理上并无差异，所以形成磨损的形式与部位也大致相似[33]。如图2.1所示为车刀磨损部位示意图，刀具的磨损部位主要有刀具的前刀面，后刀面和刀尖等部分。
刀具的前刀面磨损主要表现为月牙洼磨损，当刀具以较大的速度切削塑性材料时，前刀面部分在靠近切削点的部位会产生月牙洼[34]。月牙洼一旦出现，其磨损的宽度会随着时间的推移而不断扩大，而它与刀具边刃之间的间距会随着月牙洼的扩大而不断被挤压减小。当月牙洼与边刃之间的间距减小到一定宽度时，刀具边刃的整体强度会被大大削弱，从而会在某个零界点导致崩刃。
刀具的后刀面磨损是因为在高速切削时，刀片表面与工件直接接触，造成了很大的摩擦力，如图2.1（b）所示产生一条磨损带。从图2.1（b）中可以看出后刀面的磨损带的宽度并不是均匀分布的，而是呈现两头宽中间窄的趋势。由于C区实际上是属于刀尖部分，在结构上强度较弱易于磨损，而N区直接接触工件的外表面易于在加工过程中产生磨损沟。中间磨损部位相较于两端而言磨损比较均匀并且在检测过程中易于测量，并且随着B区磨损宽度的增加，会进一步增大刀具与工件的接触面积导致加工过程中切削力进一步增大。从而增大刀尖的磨损引起加工过程中的振动，使得加工工件的表面质量随之降低，因此通常用中部磨损的最大磨损宽度MAXVB来判断刀具整体的磨损宽度。
.............................
第三章刀具图像采集系统硬件组成...........................13
3.1概述..........................15
3.2图像采集系统组成..................................15
第四章盘铣刀磨损图像预处理...............................27
4.1概述.......................................27
4.2图像的灰度处理................................27
第五章盘铣刀片磨损图像检测.........................37
5.1概述..............................37
5.2盘铣刀片外边框磨损面积计算....................37
第六章盘铣刀片磨损实验验证
6.2实验设备及方案设计
6.2.1实验系统及设备
本文设计的检测装置主要检测对象为硬质合金盘铣刀片，由于盘铣刀片的工作环境恶劣，如果采用线上检测则需要克服切削液、残存铁屑和光源等一系列影响因素，所以本文采用的是线下检测方案。如图6.1所示为机器视觉检测系统的硬件采集设备，其中包括电子显微镜、一台笔记本电脑及配套光源等。电子显微镜通过一条USB数据线与电脑相连，可利用电脑端软件对铣刀刀片的图像进行直接采集。
机械论文参考
如图6.2所示为高清数码显微镜参数显示界面，可以显示并调整显微镜采集图像的分辨率、曝光补偿和图像质量等参数。如图6.3所示为检测软件界面，在此界面中可以根据检测零件的实际检测标准输入相应的数值，如零件边长、最大磨损宽度、外框最大磨损面积和边刃最大磨损面积等参数。点击开始按钮后会将相应的检测结果在此界面中显示出来，如各边最大磨损面积、最大磨损宽度以及各个切削刃是否合格等。
.............................
第七章总结与展望
7.1总结
随着装备制造业的不断发展，高端数控刀具的使用日益广泛。企业生产实际中，高端数控盘铣刀片常常是定时更换，再由技术人员依据经验判断其是否可继续使用，费时、费力且效率低。刀具的磨损状态直接关系到被加工零件的质量，基于机器视觉的检测方法较传统人工判别，在精确度和效率方面都会大大提高。本文研究利用机器视觉技术实现数控盘铣刀片磨损状态的自动化检测方法，具体内容如下：
（1）构建了视觉检测平台，根据刀具检测的特点进行了对比分析，对镜头和光源进行了选型设计。另外，进行了工业相机的参数标定实验，设计了图像采集装置及检测机架。
（2）根据盘铣刀片图像的特点进行了图像的预先处理，在详细分析了图像噪声来源的基础上，采用实验对比方式最终确定使用高斯去噪的方法。通过对比实验分析，采用迭代全局阈值分割法实现了图像特征的区域分割。通过形态学处理方法，抑制了部分不必要的枝节，最后利用最小外接矩形法较好地框定了盘铣刀片需要检测的刀刃部分，有效减少了图像本身具有的背景干扰。
（3）进行了图像像素尺寸变换，利用磨损前后的铣刀片图像的像素点差值计算刀具边框的实际磨损面积。用连通域标记法将前刀面中的连通域进行标记，并去除小于一定像素的连通域，有效抑制了刀具图像中的干扰斑点。通过对比实验，选择了Canny算子作为盘铣刀片磨损部位的边缘提取算子，再进行内部填充，计算出磨损部位的面积和最大磨损宽度。最后利用MATLAB GUI设计了操作软件界面，直观的显示检测结果。
（4）利用19JPC型万能工具显微镜和机器视觉检测方法进行了对比实验，从数据结果来看，利用机器视觉检测铣刀刀刃磨损区域宽度的误差率在5%以内，磨损面积的误差率在10%以内，所用的时间小于人工检测的1%，检测成本与高精度检测显微镜相比降低了92.3%。结果表明，基于机器视觉的检测方法有较高的检测精度，且效率高、成本低。
参考文献（略）