基于图像的数控机床组件智能识别方法技术

本发明专利技术涉及图像处理技术领域，具体涉及基于图像的数控机床组件智能识别方法，包括：为切削刀具灰度图像中每个像素点构建窗口，并对窗口不断扩展，在扩展过程中，获取像素点的窗口内每个像素点的第一权重，根据像素点的窗口内所有像素点的第一权重以及灰度值获取像素点的窗口的复杂性，根据复杂性获取最优窗口大小，根据切削刀灰度图像的灰度直方图为每个像素点设置第二权重，根据每个像素点的第二权重以及最优窗口大小获取超像素块的最优大小，对切削刀灰度图像进行超像素分割，得到切削刀具分割结果图，识别崩刃区域。本发明专利技术可避免超像素块过大过小造成的崩刃区域的欠分割或者过分割，分割效果好，对崩刃区域识别更加准确。对崩刃区域识别更加准确。对崩刃区域识别更加准确。

【技术实现步骤摘要】
基于图像的数控机床组件智能识别方法


[0001]本专利技术涉及图像处理
，具体涉及基于图像的数控机床组件智能识别方法。

技术介绍

[0002]数控机床是受计算机控制的高精度自动化设备，是用数字信息控制零件和刀具位移的机械加工方法，解决了零件品种多变、批量小、形状复杂、精度高等问题和实现了高效化加工。
[0003]数控机床的关键组件之一是切削刀具，它是机械制造中用于切削加工的工具，而切削刀具一旦出现损坏，将导致刀具失去切削工件材料的能力，从而使加工零件的精度下降甚至无法如期完成加工。切削刃崩刃是最常见的刀具损坏类型之一，它是由断续切削、刃磨质量欠佳等各种原因造成，出现这种情况后，刀具将失去一部分切削能力，若持续进行切削，刃区的损坏部分可能迅速扩大，导致更大的破损直至失去工作能力，故及时的识别出切削刃崩刃现象能够帮助机械师解决问题并防止刀具形成更大的破损。
[0004]现有技术通过相机拍照获得切削刀具图像，使用超像素分割的算法提取崩刃区域的轮廓，得到超像素分割结果，对超像素分割结果使用语义分割的方法进行缺陷识别，但由于超像素块大小是操作人员根据经验设定，当超像素块设置过小时，会形成崩刃区域的过分割，像素块设置过大时，可能会导致图像的欠分割，忽略了崩刃区域的细节部分的分割，导致根据超像素分割后的结果识别出的崩刃区域不准确。

技术实现思路

[0005]本专利技术提供基于图像的数控机床组件智能识别方法，以解决现有的问题。
[0006]本专利技术的基于图像的数控机床组件智能识别方法采用如下技术方案：本专利技术一个实施例提供了基于图像的数控机床组件智能识别方法，该方法包括以下步骤：获取切削刀具灰度图像；以切削刀具灰度图像中每个像素点为中心构建窗口；对每个像素点的窗口进行判断操作，包括：获取像素点的窗口内每个像素点的第一权重，根据像素点的窗口内所有像素点的第一权重以及灰度值获取像素点的窗口的复杂性；当像素点的窗口的复杂性大于或等于预设阈值时，将像素点的窗口的边长减去预设扩展长度，得到像素点的最优窗口大小；当像素点的窗口复杂性小于预设阈值时，根据预设扩展长度将像素点的窗口的边长扩展，得到像素点的新窗口；对像素点的新窗口重复进行判断操作，直到获取像素点的最优窗口大小时停止迭代；绘制切削刀具灰度图像的灰度直方图，获取灰度直方图中的分界点，根据分界点获取切削刀具灰度图像每个像素点的第二权重；根据每个像素点的第二权重以及最优窗口
大小获取超像素块的最优大小；根据超像素块的最优大小对切削刀具灰度图像进行超像素分割，得到切削刀具分割结果图；根据切削刀具分割结果图识别崩刃区域；所述根据像素点的窗口内所有像素点的第一权重以及灰度值获取像素点的窗口的复杂性，包括的具体步骤如下：其中为第个像素点的窗口的复杂性；为第个像素点的窗口中第行第列的像素点的第一权重；为第个像素点的窗口中第行第列的像素点的灰度值；为第个像素点的窗口中所有像素点的灰度值的均值；为第个像素点的窗口的边长；所述根据每个像素点的第二权重以及最优窗口大小获取超像素块的最优大小，包括的具体步骤如下：根据每个像素点的第二权重以及最优窗口大小获取超像素块的最优边长：其中，为超像素块的最优边长；为第个像素点的第二权重；为第个像素点的最优窗口大小；为切削刀具灰度图像中所有像素点的个数；将作为超像素块的最优大小。
[0007]优选的，所述获取像素点的窗口内每个像素点的第一权重，包括的具体步骤如下：获取第个像素点的窗口内每个像素点的关注权重：其中为第个像素点的窗口中第行第列的像素点的关注权重；为第个像素点的窗口中第行第列的像素点的灰度值；为第个像素点的窗口中第行第列的像素点的八邻域中第个像素点的灰度值；为绝对值符号；将第个像素点的窗口内每个像素点的关注权重除以第个像素点的窗口内所有像素点的关注权重之和，得到第个像素点的窗口内每个像素点的第一权重。
[0008]优选的，所述获取灰度直方图中的分界点，包括的具体步骤如下：对灰度直方图进行平滑处理，获取平滑之后的灰度直方图中所有的波谷点，将位于灰度直方图最右侧的波谷点对应的灰度值作为分界点。
[0009]优选的，所述根据分界点获取切削刀具灰度图像每个像素点的第二权重，包括的具体步骤如下：将灰度直方图中分界点及分界点左侧的灰度值在切削刀灰度图像中对应的像素点的权值设为，将灰度直方图中分界点右侧的灰度值在切削刀灰度图像中对应的像素点
的权值设为，和满足；将每个像素点的权值除以所有像素点的权值之和，得到每个像素点的第二权重。
[0010]本专利技术的技术方案的有益效果是：现有的超像素分割中，由人为设置超像素块的大小，但超像素块过大过小造成的崩刃区域的欠分割或者过分割，以至于造成崩刃区域识别的不准确。本专利技术对每个像素点建立窗口，结合窗口中像素点的分布特征对窗口进行不断扩展，直到得到每个像素点的最优窗口大小，在对窗口进行扩展的过程中，根据窗口内像素点的局部分布特征为窗口内像素点设置第一权重，利用第一权重降低了噪声点的影响，使得得到的最优窗口大小更加准确，后续根据每个像素点的最优窗口大小获得的超像素块的最优大小更加准确，分割效果更好；本专利技术根据每个像素点的灰度分布特征为每个像素点设置第二权重，利用第二权重对所有像素点的最优窗口大小进行加权平均，将加权平均结果作为超像素块的最优大小，后续根据超像素块的最优大小进行超像素分割，可避免超像素块过大过小造成的崩刃区域的欠分割或者过分割，相较于现有方法中人为设置超像素块的大小，分割效果更好，对崩刃区域识别更加准确。
附图说明
[0011]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0012]图1为本专利技术的基于图像的数控机床组件智能识别方法的步骤流程图；图2为切削刀具灰度图像；图3为过分割图像；图4为欠分割图像；图5为灰度直方图；图6为切削刀具分割结果图。
具体实施方式
[0013]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的基于图像的数控机床组件智能识别方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
[0014]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0015]下面结合附图具体的说明本专利技术所提供的基于图像的数控机床组件智能识别方法的具体方案。
[0016]请参阅图1，其示出了本专利技术一个实施例提供的基于图像的数控机床组件智能识别方法的步骤流程图，该方法包括以下步骤：S001．采集数控机床组件中切削刀具的图像，获取切削刀具灰度图像。
[001本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于图像的数控机床组件智能识别方法，其特征在于，该方法包括以下步骤：获取切削刀具灰度图像；以切削刀具灰度图像中每个像素点为中心构建窗口；对每个像素点的窗口进行判断操作，包括：获取像素点的窗口内每个像素点的第一权重，根据像素点的窗口内所有像素点的第一权重以及灰度值获取像素点的窗口的复杂性；当像素点的窗口的复杂性大于或等于预设阈值时，将像素点的窗口的边长减去预设扩展长度，得到像素点的最优窗口大小；当像素点的窗口复杂性小于预设阈值时，根据预设扩展长度将像素点的窗口的边长扩展，得到像素点的新窗口；对像素点的新窗口重复进行判断操作，直到获取像素点的最优窗口大小时停止迭代；绘制切削刀具灰度图像的灰度直方图，获取灰度直方图中的分界点，根据分界点获取切削刀具灰度图像每个像素点的第二权重；根据每个像素点的第二权重以及最优窗口大小获取超像素块的最优大小；根据超像素块的最优大小对切削刀具灰度图像进行超像素分割，得到切削刀具分割结果图；根据切削刀具分割结果图识别崩刃区域；所述根据像素点的窗口内所有像素点的第一权重以及灰度值获取像素点的窗口的复杂性，包括的具体步骤如下：其中为第个像素点的窗口的复杂性；为第个像素点的窗口中第行第列的像素点的第一权重；为第个像素点的窗口中第行第列的像素点的灰度值；为第个像素点的窗口中所有像素点的灰度值的均值；为第个像素点的窗口的边长；所述根据每个像素点的第二权重以及最优窗口大小获取超像素块的最优大小，包括的具体步骤如下：根据每个像素点的第二权重以及最优窗口大小获取超像素块...

【专利技术属性】
技术研发人员：苏丽，
申请(专利权)人：无锡惠星智能化设备有限公司，
类型：发明
国别省市：