机器视觉应用于木工刀具磨损检测研究进展

■陈则铭 赵小矛 Chen Zeming & Zhao Xiaomao

(1.2.北京林业大学，北京 100083）

近年来，我国家具生产技术不断发展，家具行业柔性生产能力，自动化水平都在不断提高，家具行业对生产管理、产品质量提出了更高的要求。在家具生产过程中，木工刀具直接作用于木材、板材等家具主材，通过铣削沟槽、铣削平面、铣削线条等加工动作生产出家具零部件。木工刀具的磨损程度，直接影响了家具零部件的加工精度，因此，检测木工刀具磨损程度，有利于加强企业刀具管理，有利于确保家具零件精度，提高产品质量。变化情况，通过比对零件尺寸误差值和刀具磨损量，依据工厂的工艺标准和产品质量要求，判断刀具磨损对加工的影响[1]。

1 木工刀具磨损检测的意义和现状

家具生产工艺系统由机床、工件、夹具、刀具组成，家具零件或部件的一部分加工误差来自于工艺系统存在的误差[1]。目前，已经有家具零件检测设备在生产线上使用，通过检测零件的加工误差，可以判定目前的工艺系统是否还可以继续加工家具零部件，但无法确定零件加工误差是由于工艺系统的哪一部分造成的。刀具是直接作用于材料加工的工艺系统组成部分，开发一种快速、高精度，具备磨损量检测功能的木工刀具磨损检测系统，通过分析刀具磨损量，快速判断是否需要停机换刀，减少停机维护时间，保证生产效率，保证产品质量，同时可以与零件检测系统配合使用，推进形成家具工艺系统状态检测技术。

近年来，木工刀具方面的研究多聚焦于耐磨材料研发和磨损机理研究方面，对于木工刀具磨损检测技术和通过加强刀具管理提高零件加工精度的研究相对较少[2]。机器视觉检测木工刀具磨损情况，是机器视觉技术在设备管理上的新探索，其原理是用相机等视觉采集设备替代人眼拍摄刀具刃口图像，对获取的图像进行标定，分析刃口缺损和刃角

2 机器视觉应用于木工刀具磨损检测系统的构建

经过多年发展，机器视觉的理论框架已经比较完善，目前已经成为了一种解决工程实际问题的现代方法，结合木工刀具磨损检测的要求和特点，用于木工刀具磨损检测的机器视觉系统的构建过程如下：

2.1 确定木工刀具磨损检测的主要指标

在木工刀具磨损检测系统中，主要有三项数据需要计算，一是测量刀具刃口实际尺寸，与设计尺寸进行对比分析，计算得出刃口磨损量；二是测量刀具刃角角度，与设计角度进行对照，输出刃角变化量；三是利用获取的图像，观察刀具后刀面擦伤磨损情况，计算擦伤破损面积。

2.2 .搭建木工刀具图像采集硬件系统

在机器视觉研究领域，“光源-镜头—相机—图像采集模块”已经成为了最基本的图像采集单元，也成为了木工刀具磨损检测系统的“眼睛”[4]。

2.2.1 光源的选取

光源的主要功能是将光线投射到待测物体上，突出待测物体的对比度。根据拍摄方式的不同，目前常用的光源类型有条形光源、环形光源、面光源和点光源等并形成了各自的照明方法，拍摄不同的刃口图像和不同的相机选取，决定了采用的光源的不同，因此，选取合适的光源一是能够有效避免刀具阴影而引起的边缘误检；二是可以提供均匀的照明环境，减少不均匀照明引起的阈值选取困难[5]。

2.2.2 镜头的选取

镜头相当于人眼的角膜，在视觉系统里是采集图像的重要原件，目前市面上主要由广角镜头、远距镜头、显微镜头、变焦镜头和远心镜头等主要类型，选取工业镜头应主要参考视场、物距、分辨率、景深等技术指标和考虑镜头失真对检测结果的影响[6]。刀具是精密加工工具，需要使用畸变小的工业级镜头，以消除因畸变产生的测量误差。

2.2.3 相机的选取

相机相当于人眼的视网膜，是镜头采集到图像的成像元件，根据图像传感器类型不同，市面上主要是CCD相机和CMOS相机两种相机，目前比较常用的是CCD相机，近年来随着CMOS的电路消噪技术在很大程度上减少了成像的噪声干扰，CMOS也开始进入工业相机成像领域，根据不同的应用需求，在相机选取上，对于图像采集系统而言，并不是越贵的相机越合适，应结合拍摄像素需要，合理选配工业相机。

2.3 选取木工刀具图像处理算法

根据硬件系统条件，为了实现机器视觉系统的计算目标，选取合适的算法判定刀具磨损状况，进而确定刀具磨损数据[7]。为减少运算量，提高计算速度，本研究拍摄的木工刀具磨损图像 均为灰度图像，因此图像处理算法主要由目标提取、边缘检测和刀具磨损的几何参数检测。

2.3.1 从图像中提取木工刀具刃口图像

木工刀具由金属制作，长期加工磨损使部分区域非常光滑，可能会发生反光，获取图像的部分区域可能会出现高光，如果直接处理会丢失部分需要被检测到的测量特征（如后刀面常会被切削木材摩擦光滑），因此，不仅要选取合适的光源系统和光照强度，更需要采用合适的图像处理算法分析刀具图片。

提取目标图像与物体特性、拍摄方法有密切的关系，具有很强的针对性，但并不存在适合所有场景的通用性方法。对于拍摄到的木工刀具的灰度图像，为提高运算速度，应保证拍摄刀具背景简单，光照均匀[8]。目前，二值化处理是把目标物从图像中提取出来的主要方法，运用这种方法提取刃口图像，首先要通过直方图分析出背景峰值和目标物峰值，运用大津法（OTSU）确定阈值，将灰度在阈值以上或以下设置为黑色或白色，以此提取出刃口图像。

2.3.2 从刃口图像中提取磨损区域边缘

在图像处理中，边缘并不是指图像的轮廓边界线，还应该包括能够描绘图像特征的线。对于刀具图像而言，磨损部分的边界线形成的闭合曲线可以计算出磨损部分的面积，前刀面和后刀面延长线与刃口形成的闭合图形，可以计算刃口的磨损量[9-10]。与提取目标图像一样，并不存在通用性的边缘提取方法，因此，需要从常见的边缘提取方法中，选取一种适合提取刀具磨损特征轮廓线的提取方法，根据目前的研究情况，Canny算法是比较适合提取磨损区域边缘的算法。

2.3.3 运用标定技术，将刀具磨损图像像素值转换为磨损真实值

相机标定是建立图像像素位置与刀具实际位置之间联系的一种技术。通过镜头拍摄的图像，或多或少都会发生畸变，而相机标定的作用就是矫正镜头产生的畸变，形成刀具磨损的真实值与像素值的映射关系，从而求得刀具磨损刃口数据。许多学者提出多种标定方法，以适应各种不同的机器视觉任务的复杂要求，对于木工刀具磨损检测而言，视觉场景相对简单，需要从图像中获取的信息简明清晰，一些简便的标定方法即可满足要求，例如在测量背景上做辅助标定、或在相机镜头前固定标定玻璃片等方法[12-13]。

3 机器视觉应用于木工刀具磨损检测研究进展

家具生产过程中，主要使用柄铣刀完成开槽、开孔、清底等加工动作，或者铣削门板线条等造型，因此，本研究木工刀具磨损检测对象为柄铣刀，获取柄铣刀刃口磨损量、刃角变化量和后刀面磨损情况，目前，经过前期研究，编写的软件已经可以识别刃口缺损情况、可以确定刃口磨损位置，正在推进研究标定技术确定刀具刃口尺寸、刃角角度和后刀面磨损部位面积的相关研究。

4 结语

家具工业经过多年的发展，已经开始走向数字化和信息化生产之路。近年来，企业通过数字化设备提高了生产效率，数字化生产工艺管理前景广阔。家具零件加工精度检测已收到各大企业重视，但零件加工精度已属于结果，需要解决生产工艺问题仍需要对刀具、设备等生产主要工具的加工状态进行研究判断，机器视觉应用于木工刀具磨损检测结果，可以应用于比对家具零部件加工误差，分析零件被该刀具加工部位的精度误差与刀具的磨损量，即可判定刀具对家具零件加工精度的影响，得出继续使用刀具生产和停机更换新刀具加工的量化依据。