一种数控机床刀具崩刃异常检测方法技术

本发明专利技术涉及图像处理技术领域，具体涉及一种数控机床刀具崩刃异常检测方法，包括：获取刀具灰度图像；根据每个网格的灰度方差将刀具灰度图像分割为多个网格；获取每个网格与其相邻网格之间的差异性；根据每个网格与其相邻网格之间的差异性获取各个合并网格；根据各个合并网格获取初始聚类图像；获取每个聚类簇中各像素点的轮廓系数的权重；根据每个聚类簇中各像素点的轮廓系数的权重获取每个初始聚类簇的聚类效果；根据每个初始聚类簇的聚类效果，确定聚类迭代停止的条件，获取准确的聚类结果；根据准确的聚类结果识别出崩刃区域。本发明专利技术能够识别出完整的崩刃区域。明能够识别出完整的崩刃区域。明能够识别出完整的崩刃区域。

【技术实现步骤摘要】
一种数控机床刀具崩刃异常检测方法


[0001]本专利技术涉及图像处理
，具体涉及一种数控机床刀具崩刃异常检测方法。

技术介绍

[0002]数控机床的刀具作为加工工件的关键部件之一，在工件的切削加工、车削和钻孔等的加工以及调整加工量等起到重要作用，所以数控机床刀具的质量、形状和使用情况等将直接影响加工工件的质量和效率。因此，合理选择和使用刀具，并定期对刀具进行维护和更换非常重要。其中，数控机床道具崩刃是一种常见的故障现象，尤其是在长时间加工大批量工件时刀具磨损和应力集中等因素容易导致刀具边缘的崩刃和断裂，容易造成数控机床加工效率降低、加工质量降低，甚至还会对机床和造作人员产生安全隐患，造成特别是尖锐物体的伤害。因此，通过计算机视觉技术及时对其进行检测，以确保加工效率和质量的稳定提高。
[0003]传统的聚类算法是人为根据经验值设置聚类的数目以及选择聚类中心的位置，由于刀具灰度图像的复杂集合形状以及在其表面通常有较复杂的光照影响，因此，如果人为经验值设置的聚类数目以及选择的聚类中心的位置不准确，会使得聚类的结果出现误差，无法准确的分割出完整的崩刃区域。

技术实现思路

[0004]本专利技术提供一种数控机床刀具崩刃异常检测方法，以解决现有的问题。
[0005]本专利技术的一种数控机床刀具崩刃异常检测方法采用如下技术方案：本专利技术一个实施例提供了一种数控机床刀具崩刃异常检测方法，该方法包括以下步骤：获取刀具灰度图像；将刀具灰度图像分割为多个网格；获取每个网格与相邻网格之间的差异性；根据每个网格与相邻网格之间的差异性获取各个合并网格；根据各个合并网格获取初始聚类图像；获取初始聚类图像中每个初始聚类簇中各像素点的轮廓系数；获取初始聚类图像中每个初始聚类簇中各像素点的轮廓系数的权重；根据每个初始聚类簇中各像素点的轮廓系数的权重获取每个初始聚类簇的聚类效果；根据每个初始聚类簇的聚类效果，确定聚类迭代停止的条件，获取准确的聚类结果；根据准确的聚类结果识别出崩刃区域。
[0006]优选的，所述将刀具灰度图像分割为多个网格，包括的具体步骤如下：预设方差阈值，将刀具灰度图像等分为两个网格，获取每个网格的灰度方差，若网格的灰度方差大于方差阈值，则继续将该网格等分为两个网格，若网格的灰度方差小于或等于方差阈值，则对该网格不再进行分割，以此类推，直到刀具灰度图像中所有网格的
灰度方差均小于或等于方差阈值时停止，得到多个网格。
[0007]优选的，所述获取每个网格与相邻网格之间的差异性，包括的具体步骤如下：其中，表示第个网格与其相邻的第个网格之间的差异性；为设置的超参数；表示第个网格的灰度方差；表示与第个网格相邻的第个网格的灰度方差；为绝对值符号；为自然常数。
[0008]优选的，所述根据每个网格与相邻网格之间的差异性获取各个合并网格，包括的具体步骤如下：预设差异性阈值，当网格与其相邻网格之间的差异性小于差异性阈值时，将该网格与其相邻网格进行合并，得到合并网格。
[0009]优选的，所述根据各个合并网格获取初始聚类图像，包括的具体步骤如下：统计出合并网格的个数，将合并网格的个数作为聚类数目，并在每个合并网格中随机选择一点作为初始聚类中心，使用聚类算法获取初始聚类图像。
[0010]优选的，所述获取初始聚类图像中每个初始聚类簇中各像素点的轮廓系数的权重，包括的具体步骤如下：其中，表示第个初始聚类簇中各像素点的轮廓系数的权重；表示第个初始聚类簇中像素点总数；表示第个初始聚类簇中含有第个合并网格区域中的像素点个数；代表双曲正切函数；为自然常数。
[0011]优选的，所述根据每个初始聚类簇中各像素点的轮廓系数的权重获取每个初始聚类簇的聚类效果，包括的具体步骤如下：其中，表示第个初始聚类簇的聚类效果；表示第个初始聚类簇中的第个像素点；表示第个初始聚类簇中像素点的个数；表示第个初始聚类簇中的第个像素点的轮廓系数；表示第个初始聚类簇中各像素点的轮廓系数的权重；代表第个初始聚类簇中第个像素点到其所属的初始聚类簇中心像素点的欧式距离。
[0012]优选的，所述根据每个初始聚类簇的聚类效果，确定聚类迭代停止的条件，获取准确的聚类结果，包括的具体步骤如下：预设差异阈值，获取第次迭代后的所有初始聚类簇的聚类效果的均值与第次迭代后的所有初始聚类簇的聚类效果的均值的差值，记为，当时，算法迭代到第次停止，并将第次迭代后的聚类结果作为准确的聚类结果，当时，则算法继续迭代直至前后两次迭代的聚类结果的差值小于时停止，并将前一次迭代后的聚类结果作为准确的聚类结果。
[0013]优选的，所述获取每个网格的灰度方差，包括的具体步骤如下：遍历刀具灰度图像中的任一网格，记为当前网格：式中，代表当前网格的灰度方差；表示当前网格中第行第列的像素点的灰度值，表示当前网格中像素点的平均灰度值；以及表示当前网格的边长。
[0014]优选的，所述根据准确的聚类结果识别出崩刃区域，包括的具体步骤如下：预设灰度阈值，获取每个最终聚类簇的灰度方差值，灰度方差值大于等于灰度阈值的最终聚类簇为崩刃区域。
[0015]本专利技术的技术方案的有益效果是：本方案获取刀具灰度图像，根据每个网格的灰度方差将刀具灰度图像分割为多个网格；根据每个网格与其相邻网格之间的差异性获取各个合并网格；根据各个合并网格获取初始聚类图像；获取每个聚类簇中各像素点的轮廓系数的权重；根据每个聚类簇中各像素点的轮廓系数的权重获取每个初始聚类簇的聚类效果；根据每个初始聚类簇的聚类效果，确定聚类迭代停止的条件，获取准确的聚类结果；根据准确的聚类结果识别出崩刃区域。本方案将合并网格的数目作为聚类数目，并在各个合并网格中任选一点作为初始聚类点，进而获取到初始的聚类图像，解决了人为经验值设置的聚类数目导致的聚类效果差，再通过初始聚类图像构建出各个初始聚类簇的聚类效果，根据各个初始聚类簇的聚类效果获取准确的迭代停止次数并获取准确的聚类结果，解决了人为经验值选择的聚类中心的位置不准确而导致的聚类效果差。
附图说明
[0016]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。
[0017]图1为本专利技术一种数控机床刀具崩刃异常检测方法的步骤流程图。
具体实施方式
[0018]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一种数控机床刀具崩刃异常检测方法，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。
[0019]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。
[0020]下面结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数控机床刀具崩刃异常检测方法，其特征在于，该方法包括以下步骤：获取刀具灰度图像；将刀具灰度图像分割为多个网格；获取每个网格与相邻网格之间的差异性；根据每个网格与相邻网格之间的差异性获取各个合并网格；根据各个合并网格获取初始聚类图像；获取初始聚类图像中每个初始聚类簇中各像素点的轮廓系数；获取初始聚类图像中每个初始聚类簇中各像素点的轮廓系数的权重；根据每个初始聚类簇中各像素点的轮廓系数的权重获取每个初始聚类簇的聚类效果；根据每个初始聚类簇的聚类效果，确定聚类迭代停止的条件，获取准确的聚类结果；根据准确的聚类结果识别出崩刃区域。2.根据权利要求1所述的一种数控机床刀具崩刃异常检测方法，其特征在于，所述将刀具灰度图像分割为多个网格，包括的具体步骤如下：预设方差阈值，将刀具灰度图像等分为两个网格，获取每个网格的灰度方差，若网格的灰度方差大于方差阈值，则继续将该网格等分为两个网格，若网格的灰度方差小于或等于方差阈值，则对该网格不再进行分割，以此类推，直到刀具灰度图像中所有网格的灰度方差均小于或等于方差阈值时停止，得到多个网格。3.根据权利要求1所述的一种数控机床刀具崩刃异常检测方法，其特征在于，所述获取每个网格与相邻网格之间的差异性，包括的具体步骤如下：其中，表示第个网格与其相邻的第个网格之间的差异性；为设置的超参数；表示第个网格的灰度方差；表示与第个网格相邻的第个网格的灰度方差；为绝对值符号；为自然常数。4.根据权利要求1所述的一种数控机床刀具崩刃异常检测方法，其特征在于，所述根据每个网格与相邻网格之间的差异性获取各个合并网格，包括的具体步骤如下：预设差异性阈值，当网格与其相邻网格之间的差异性小于差异性阈值时，将该网格与其相邻网格进行合并，得到合并网格。5.根据权利要求1所述的一种数控机床刀具崩刃异常检测方法，其特征在于，所述根据各个合并网格获取初始聚类图像，包括的具体步骤如下：统计出合并网格的个数，将合并网格的个数作为聚类数目，并在每个合并网格中随机选择一点作为初始聚类中心，使用聚类算法获取初始聚类图像。6.根据权利要求...

【专利技术属性】
技术研发人员：李艳春，
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：