【技术实现步骤摘要】
本专利技术涉及机床刀具识别，具体为一种基于视觉分析的机床刀具识别分析方法。
技术介绍
1、在工业生产中，机床广泛应用于各个领域，其使用的刀具种类繁多且相似，需要精确的刀具识别来保证加工的质量和效率。传统的刀具识别方法主要依赖于人工检测，存在着操作复杂、速度慢、容易出错等问题。
2、而现有的机床刀具识别分析方法通常只在使用前进行刀具的识别，一旦识别错误就会导致较大的损失和风险，如刀具或加工产品的批量损坏，严重时还会对机床造成较大的损伤，因此，设计一种基于视觉分析的机床刀具识别分析方法。
3、为了解决上述缺陷，现提供一种技术方案。
技术实现思路
1、本专利技术的目的在于解决现有的机床刀具识别分析方法通常只在使用前进行刀具的识别，一旦识别错误就会导致较大的损失和风险，如刀具或加工产品的批量损坏，严重时还会对机床造成较大的损伤的问题，而提出一种基于视觉分析的机床刀具识别分析方法。
2、本专利技术的目的可以通过以下技术方案实现：
3、一种基于视觉分析的机床刀具识别分析方法，包括以下步骤：
4、s1：首先获取机床工作区域的刀具图像，并对获取的刀具图像进行预处理；
5、s2：再通过计算机视觉方法提取刀具图像中的特征信息包括：刀具的形状、纹理及标识特征；
6、s3：然后对提取的刀具图像特征进行分别验证，以得到数据库中相似度最高的一个存储的刀具图像数据，并对与数据库中刀具图像数据不一致的刀具信息作为新刀具数据存储至数
7、s4：再对即将使用的识别后的刀具进行验证，根据刀具路径规划进行分析确定刀具识别是否正确，当识别正确后启动控制机床控制刀具对产品按照实时刀具路径规划进行加工，当识别存在异常时，执行人工校验操作；
8、s5：最后通过人工校验平台对识别存在异常的刀具进行人工校验。
9、进一步的，包括刀具识别系统，刀具识别系统包括：
10、图像采集模块，用于通过摄像头或其他图像采集设备获取机床工作区域的刀具图像，并对获取的刀具图像进行预处理；预处理具体包括去噪、增强、边缘检测操作；
11、特征提取模块用于使用计算机视觉方法，提取刀具图像中的特征信息，通过采用sift及hog特征提取算法提取刀具的形状、纹理及标识特征；
12、识别模块，用于对提取的特征进行分类和识别，分别对刀具的形状、纹理及标识特征进行验证，并根据数据库中刀具检测识别刀具的种类；
13、验证模块，用于对即将使用的识别后的刀具进行验证，判断识别的刀具是否正确，当存在异常时则生成人工校验信令；
14、人工校验模块，用于通过人工校验平台的审核人员对存在识别异常的刀具进行人工远程识别。
15、进一步的，所述识别模块对刀具图像形状及纹理进行验证的具体操作步骤如下：
16、针对刀具图像形状的验证步骤如下：
17、首先将刀具图像形状进行分割，分割为刀柄、刀片和刀尖三个部分，分别对刀具分割的部分的形状进行量化，具体的：获取刀具分割部分的形状尺寸、角度及形状曲率，并分别标定为xc、jd及xq，归一化处理后代入以下公式：xbz=1.23（xc+jd）1.11+xq-0.22，以得到刀具分割部分的形标值xbz；
18、而刀具的三个分割部分的形标值则分别为xbz1、xbz2及xbz3，归一化处理后再代入以下公式：以得到形总值zbz，式中分别为刀柄形标值、刀片形标值及刀尖形标值的预设权重系数，并分别取值为0.993、1.224及1.125；
19、再将得到的形总值zbz与预先录入在数据库中刀具图像数据及相对应的形总值进行比对，得到最为相近的三个形总值相对应的刀具图像数据，对这三个刀具图像数据进行标记，并针对标记的三个刀具图像数据进行纹理验证；
20、针对刀具图像纹理的验证步骤如下：
21、首先在刀具图像数据中截取刀片图像数据，并针对刀片的图像数据进行纹理分析，对刀片的图像数据进行再次分割，并分割为若干个小区域，计算每个区域内像素灰度值的分布，从而得到整个刀片图像数据中刀片表面的灰度直方图；
22、再使用局部二值模式算法即lbp提取刀片图像数据的纹理特征，通过将像素点周围的8个像素与中心像素进行比较，生成一个二进制数，从而表示该像素点所在的纹理类型，对整个图像进行lbp特征提取，以得到一组表示刀片纹理的特征向量；
23、将得到的刀片表面灰度直方图及一组刀片纹理的特征向量分别与数据库中标记的三个刀具图像数据相对应的刀片表面灰度直方图及一组刀片纹理的特征向量进行校对，以得到相似度最高的一个刀具图像数据；
24、则确定该相似度最高的刀具图像数据为识别到的刀具，并获取数据库中该刀具的信息。
25、进一步的，所述识别模块对刀具标识信息进行验证的具体操作步骤如下：
26、当检测到刀具图像数据中存在标识信息时，根据获取的该刀具图像数据中的刀具标识信息，其中刀具标识信息包括：刀具型号、生产日期、生产厂家或序列号，并实时获取的刀具标识信息与相似度最高的刀具图像数据中相对应标识信息通过标识边缘检测的方法进行核对，判断是否一致，当刀具信息一致时，则完成验证，确定该相似度最高的刀具图像数据为识别到的刀具；
27、当刀具信息不一致时，则判断识别的刀具信息为未录入刀具，并将该未录入刀具作为新刀具并获取该刀具图像数据及标识信息存储至数据库中。
28、进一步的，所述验证模块对即将使用的识别后的刀具进行验证的具体操作步骤如下：
29、在完成对刀具的识别后，获取数据库中该刀具的所有刀具路径规划，刀具路径规划具体包括机床控制刀具的运动轨迹、速度、加速度和转角，再对启动机床控制刀具进行加工前的实时刀具路径规划进行比对，将实时刀具路径规划与存储在数据库中该刀具的所有刀具路径规划进行比对，当存储在数据库中该刀具的所有刀具路径规划存在与实时刀具路径规划相同的刀具路径规划时，则完成对该刀具的验证，确定该刀具识别正确并通过机床执行操作命令；
30、当存储在数据库中该刀具的所有刀具路径规划没有与实时刀具路径规划相同的刀具路径规划时，则对刀具的识别情况进行进一步验证，具体的步骤如下：
31、获取此刀具的实时刀具路径规划，并对加工的产品信息进行获取，具体的加工产品信息包括产品材质、尺寸和几何形状、表面平整度及表面粗糙度，通过加工产品信息中的尺寸和几何形状计算加工产品的体积和表面积，并同加工产品表面平整度及表面粗糙度一起归一化处理后，代入以下公式：，以得到品信值dxz，式中tj、bj、pz及cc分别为加工产品的体积、表面积、表面平整度及表面粗糙度；
32、将得到的品信值dxz与数据库中不同加工产品的品信值分别进行差值计算，对每个差值进行求绝对值处理以得到差绝值，将得到的若干个差绝值与预设差阈值进行比对，当存在小于预设差阈值的差绝值时，则对相对应的加工产品进行标记，并对本文档来自技高网...
【技术保护点】
1.一种基于视觉分析的机床刀具识别分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于视觉分析的机床刀具识别分析方法，其特征在于，包括刀具识别系统，刀具识别系统包括：
3.根据权利要求2所述的一种基于视觉分析的机床刀具识别分析方法，其特征在于，所述识别模块对刀具图像形状及纹理进行验证的具体操作步骤如下：
4.根据权利要求2所述的一种基于视觉分析的机床刀具识别分析方法，其特征在于，所述识别模块对刀具标识信息进行验证的具体操作步骤如下：
5.根据权利要求2所述的一种基于视觉分析的机床刀具识别分析方法，其特征在于，所述验证模块对即将使用的识别后的刀具进行验证的具体操作步骤如下：
6.根据权利要求2所述的一种基于视觉分析的机床刀具识别分析方法，其特征在于，所述人工校验模块通过人工校验平台的审核人员对存在识别异常的刀具进行人工远程识别的具体操作步骤如下：
【技术特征摘要】
1.一种基于视觉分析的机床刀具识别分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于视觉分析的机床刀具识别分析方法，其特征在于，包括刀具识别系统，刀具识别系统包括：
3.根据权利要求2所述的一种基于视觉分析的机床刀具识别分析方法，其特征在于，所述识别模块对刀具图像形状及纹理进行验证的具体操作步骤如下：
4.根据权利要求2所述的一种基于视觉分析的机床刀具识别分...
【专利技术属性】
技术研发人员：冀汉烈，郭敏，潘文贵，纪顺文，
申请(专利权)人：深圳市领志光机电自动化系统有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。