姜 智，樊軍慶

(海南大學(xué)機(jī)電工程學(xué)院，海南 ?？?570228)

1 引言

在機(jī)械加工領(lǐng)域中天然橡膠刀具運(yùn)用廣泛，在高速銑削過程中天然橡膠刀具的磨損較為嚴(yán)重[1]。產(chǎn)品的加工效率和加工質(zhì)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(huì)對(duì)機(jī)床壽命產(chǎn)生影響。在機(jī)械制造領(lǐng)域中隨著科學(xué)技術(shù)的發(fā)展與普及，人們對(duì)產(chǎn)品加工精度的關(guān)注度不斷提高。提高產(chǎn)品質(zhì)量和生產(chǎn)效率的重要手段之一就是及時(shí)掌握天然橡膠刀具的磨損狀態(tài)[2]。因此，需要對(duì)切割刀具邊緣破損檢測(cè)方法進(jìn)行分析和研究。

呂東喜[3]等人提出基于概率統(tǒng)計(jì)的切割刀具邊緣破損檢測(cè)方法，該方法在壓痕斷裂力學(xué)理論的基礎(chǔ)上對(duì)壓痕深度與裂紋擴(kuò)展長(zhǎng)度之間存在的關(guān)系進(jìn)行分析，并統(tǒng)計(jì)刀具邊緣的磨粒數(shù)量，建立切割刀具邊緣破損檢測(cè)模型，該方法沒有對(duì)刀具圖像進(jìn)行增強(qiáng)處理，存在圖像對(duì)比度低的問題。李德華[4]等人提出基于深度卷積神經(jīng)網(wǎng)絡(luò)的刀具邊緣破損檢測(cè)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(duì)邊緣圖像進(jìn)行小波濾波降噪處理，在卷積神經(jīng)網(wǎng)絡(luò)中輸入降噪處理后的圖像，獲取刀具磨損量，實(shí)現(xiàn)切割刀具邊緣破損檢測(cè)，該方法對(duì)圖像進(jìn)行降噪處理時(shí)，降低了圖像的對(duì)比度，導(dǎo)致方法存在檢測(cè)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(tǒng)計(jì)獲取的特征，構(gòu)建特征集，并在SVM訓(xùn)練分類模型中輸入特征集，實(shí)現(xiàn)切割刀具邊緣的破損檢測(cè)，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(yīng)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(cè)方法。

2 天然橡膠刀具圖像增強(qiáng)處理

采用直方圖均衡化方法對(duì)圖像進(jìn)行增強(qiáng)處理時(shí)，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(cè)方法對(duì)天然橡膠刀具圖像進(jìn)行增強(qiáng)處理時(shí)，首先分割圖像，之后再采用直方圖對(duì)分割后的圖像進(jìn)行均衡化處理，實(shí)現(xiàn)圖像增強(qiáng)。

設(shè)R={R(i，j)}代表的是天然橡膠切割刀具圖像，存在L級(jí)灰度級(jí)，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(gè)灰度級(jí)Rm，在圖像灰度中值Rm的基礎(chǔ)上分割處理R分量子圖灰度直方圖，即R=RL∪RU，其中參數(shù)RL、RU可通過下式計(jì)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(duì)天然橡膠刀具圖像進(jìn)行分割處理后，再對(duì)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(qiáng)，因此，需要根據(jù)灰度中值繼續(xù)對(duì)分割后獲得的圖像子塊進(jìn)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(shù)n之間存在的關(guān)系可通過下式進(jìn)行描述

(3)

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

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

(4)

(5)

(6)

(7)

對(duì)上式分析可知，天然橡膠刀具圖像經(jīng)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(shù)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(duì)天然橡膠刀具圖像進(jìn)行增強(qiáng)處理后，不僅保證了圖像增強(qiáng)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(cè)

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(gòu)成輪廓數(shù)據(jù)組Xld。

合并輪廓數(shù)據(jù)組Xld中的相鄰輪廓，并將其輸入數(shù)據(jù)組中重新進(jìn)行遍歷，獲取天然橡膠刀具的角度參數(shù)[10]。

2)天然橡膠刀具輪廓幾何模型

設(shè)X軸為天然橡膠刀具輪廓對(duì)應(yīng)的直線，Z軸為切割刀具中軸線對(duì)應(yīng)的直線，用O點(diǎn)描述天然橡膠刀具端面的中心點(diǎn)，則切割刀具輪廓對(duì)應(yīng)的極坐標(biāo)方程可通過下述公式進(jìn)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(shè)(x0，z0)代表的是O點(diǎn)對(duì)應(yīng)的坐標(biāo)，用(x1，z1)描述輪廓點(diǎn)坐標(biāo)，此時(shí)獲得擬合的待檢測(cè)的天然橡膠刀具輪廓的方程

(10)

求解上式右邊的參數(shù)，擬合處理刀具的輪廓曲線[11]。

3)邊緣破損檢測(cè)

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(chǔ)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(biāo)準(zhǔn)直線段進(jìn)行表示[12]。

②設(shè)T1～Tn描述的是天然橡膠刀具輪廓線，獲取其對(duì)應(yīng)的弧度值，構(gòu)成集合Ar。在集合Ar中挑選符合π/2

③設(shè)T1～Ti代表的是挑選的滿足條件的輪廓片段，獲取輪廓端點(diǎn)對(duì)應(yīng)的坐標(biāo)(Tibr，Tibc)、(Tier，Tiec)，計(jì)算輪廓端點(diǎn)之間存在的距離d，當(dāng)距離d符合下述約束時(shí)屬于相鄰輪廓，對(duì)其進(jìn)行合并處理：

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

d≤|Ti|*MaxDistRel，MaxDistRel代表的是設(shè)定的閾值；|Ti|代表的是輪廓段對(duì)應(yīng)的長(zhǎng)度。

重復(fù)上述過程，直到距離d不符合約束時(shí)停止。

④統(tǒng)計(jì)合并處理后輪廓中存在的輪廓點(diǎn)數(shù)量和端點(diǎn)坐標(biāo)，根據(jù)端點(diǎn)坐標(biāo)獲得天然橡膠刀具輪廓的表達(dá)式。

⑤設(shè)(r0-r，c0)代表的是擬合天然橡膠刀具輪廓起點(diǎn)；(r0，c0)代表的是天然橡膠刀具端面對(duì)應(yīng)的理論中心點(diǎn)，根據(jù)單次擬合坐標(biāo)差值Δc=1在輪廓表達(dá)式的基礎(chǔ)上對(duì)輪廓片段進(jìn)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(diǎn)(r0，c0)與擬合天然橡膠刀具輪廓首位坐標(biāo)點(diǎn)，獲得一個(gè)閉合圖形，對(duì)該區(qū)間進(jìn)行填充處理，提高區(qū)域的完整度。對(duì)該區(qū)域和刀具實(shí)際區(qū)域進(jìn)行對(duì)比求差處理，獲得天然橡膠刀具邊緣的破損區(qū)域，實(shí)現(xiàn)破損檢測(cè)。

4 實(shí)驗(yàn)與分析

為了驗(yàn)證基于直方圖均衡化的切割刀具邊緣破損檢測(cè)方法的整體有效性，需要對(duì)其進(jìn)行測(cè)試。對(duì)切割刀具邊緣破損進(jìn)行檢測(cè)之前需要對(duì)圖像進(jìn)行預(yù)處理，圖像預(yù)處理的效果直接影響了檢測(cè)結(jié)果。分別采用基于直方圖均衡化的刀具邊緣破損檢測(cè)方法(方法1)、基于概率統(tǒng)計(jì)的切割刀具邊緣破損檢測(cè)方法(方法2)和基于深度卷積神經(jīng)網(wǎng)絡(luò)的刀具邊緣破損檢測(cè)方法(方法3)進(jìn)行圖像對(duì)比度測(cè)試，測(cè)試結(jié)果如圖1所示。

圖1 不同方法的圖像對(duì)比度測(cè)試結(jié)果

圖像對(duì)比度在40%-50%時(shí)圖像的視覺效果最好，根據(jù)圖1中的數(shù)據(jù)可知，在多次迭代中方法1獲得的圖像對(duì)比度均在40%-50%內(nèi)波動(dòng)，方法2和方法3獲得的圖像對(duì)比度較低，天然橡膠刀具圖像經(jīng)過處理后的視覺效果較差。由于方法1檢測(cè)切割刀具邊緣破損之前對(duì)天然橡膠刀具圖像進(jìn)行了增強(qiáng)處理，首先對(duì)天然橡膠刀具圖像進(jìn)行分割，其次進(jìn)行均衡化處理，不僅保證了圖像增強(qiáng)的效果，而且提高了天然橡膠刀具圖像的視覺效果，進(jìn)而提高了天然橡膠刀具圖像的對(duì)比度。

將檢測(cè)時(shí)間和檢測(cè)到的角點(diǎn)數(shù)作為指標(biāo)，對(duì)方法1、方法2和方法3的適用性能進(jìn)行測(cè)試，測(cè)試結(jié)果如表1、表2、表3所示。

表1 方法1的適用性能測(cè)試結(jié)果

表2 方法2的適用性能測(cè)試結(jié)果

表3 方法3的適用性能測(cè)試結(jié)果

分析表1、表2和表3中的數(shù)據(jù)可知，隨著刀具數(shù)量的增加，三種方法檢測(cè)所用的時(shí)間均有所增長(zhǎng)，方法1檢測(cè)所用的時(shí)間雖然有所增加，但波動(dòng)較小，而方法2和方法3的檢測(cè)時(shí)間增長(zhǎng)趨勢(shì)較大，且方法1可準(zhǔn)確地檢測(cè)到刀尖點(diǎn)數(shù)目，方法2在測(cè)試過程中的檢測(cè)結(jié)果數(shù)值均偏低，方法3在測(cè)試過程中的檢測(cè)結(jié)果數(shù)值偏高。根據(jù)上述分析可知，方法1可在較短的時(shí)間內(nèi)準(zhǔn)確地檢測(cè)到刀尖點(diǎn)的數(shù)量，表明方法1的適用性能較好，因?yàn)榉椒?采用直方圖均衡化方法對(duì)天然橡膠刀具圖像進(jìn)行增強(qiáng)處理時(shí)，保留了基于最大熵理論的參數(shù)，使其高效地檢測(cè)出刀尖點(diǎn)數(shù)量，提高了方法的適用性能。

分別對(duì)方法1、方法2和方法3進(jìn)行切割刀具邊緣破損檢測(cè)測(cè)試，測(cè)試結(jié)果如圖2所示。

圖2 不同方法的檢測(cè)結(jié)果

分析實(shí)際磨損曲線可知，該刀具的區(qū)域2、區(qū)域4和區(qū)域5處的磨損量較高，表明上述區(qū)域存在邊緣破損現(xiàn)象。采用方法1進(jìn)行測(cè)試時(shí)，磨損曲線與實(shí)際磨損曲線波動(dòng)基本相符，可準(zhǔn)確地檢測(cè)到區(qū)域2、區(qū)域4和區(qū)域5處存在的邊緣破損，采用方法2進(jìn)行測(cè)試時(shí)，檢測(cè)到區(qū)域3和區(qū)域5處存在邊緣破損，采用方法3進(jìn)行測(cè)試時(shí)，檢測(cè)到區(qū)域1和區(qū)域3存在邊緣破損。通過上述分析可知，只有方法1可準(zhǔn)確地檢測(cè)出刀具中存在的邊緣破損，因?yàn)榉椒?通過增強(qiáng)處理天然橡膠刀具圖像，增強(qiáng)了圖像的對(duì)比度，方便后續(xù)的邊緣破損檢測(cè)，進(jìn)而提高了方法1的檢測(cè)精度。

5 結(jié)束語

檢測(cè)天然橡膠刀具的磨損狀態(tài)，可以避免機(jī)械加工過程中由于天然橡膠刀具破損導(dǎo)致的停機(jī)問題，提高了機(jī)械加工的效率。目前切割刀具邊緣磨損檢測(cè)方法存在圖像對(duì)比度低、適用性能差和檢測(cè)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(cè)方法，采用直方圖均衡化方法對(duì)天然橡膠刀具圖像進(jìn)行增強(qiáng)處理，提高了圖像的對(duì)比度，建立投影幾何模型，實(shí)現(xiàn)切割刀具邊緣的破損檢測(cè)，解決了目前方法中存在的問題，為天然橡膠刀具的廣泛應(yīng)用奠定了基礎(chǔ)。