[发明专利]刀具检测模型的生成方法、检测方法、系统、设备及介质

权利要求书

1.一种刀具检测模型的生成方法，其特征在于，所述生成方法包括：

获取不同使用状态的刀具在加工过程中的负载值，所述使用状态为正常使用状态或断刀使用状态；

从所述负载值中提取特征数据；

将所述特征数据作为输入，所述特征数据对应的使用状态作为输出训练机器学习模型以获取所述刀具检测模型，所述刀具检测模型用于检测目标刀具的当前使用状态；所述机器学习模型包括二分类模型；

所述将所述特征数据作为输入，所述特征数据对应的使用状态作为输出训练机器学习模型以获取所述刀具检测模型的步骤包括：

初始化每一所述特征数据的权重；

根据初始化的所述权重训练所述二分类模型的学习器，且将训练后的所述学习器加入弱学习器集合中；

根据所述学习器的学习误差率更新所述特征数据的权重，以使得所述学习器的学习误差率高的训练样本点的权重变高，根据更新后的所述特征数据的权重再次训练所述学习器，且将再次训练后的所述学习器加入所述弱学习器集合中；

判断所述弱学习器集合中的学习器的数量是否达到预设目标数：若是，则停止训练，并根据所述弱学习器集合中的所有学习器获取所述刀具检测模型；若否，则执行所述根据所述学习器的学习误差率更新所述特征数据的权重，根据更新后的所述特征数据的权重再次训练所述学习器，且将再次训练后的所述学习器加入所述弱学习器集合中的步骤；

所述根据所述弱学习器集合中的所有学习器获取所述刀具检测模型的步骤包括：

根据所述学习误差率确定所述弱学习器集合中的对应的学习器的权重，并根据每一所述学习器的权重获取所述刀具检测模型。

2.如权利要求1所述的刀具检测模型的生成方法，其特征在于，所述训练机器学习模型以获取所述刀具检测模型的步骤包括：

当训练次数达到预设目标数时，确定训练后的所述机器学习模型为所述刀具检测模型。

3.如权利要求1所述的刀具检测模型的生成方法，其特征在于，所述二分类模型包括adaboost模型。

4.如权利要求1所述的刀具检测模型的生成方法，其特征在于，所述获取不同使用状态的刀具在加工过程中的负载值的步骤后还包括：

预处理所述负载值；

所述从所述负载值中提取特征数据的步骤包括：从预处理后的所述负载值中提取特征数据。

5.如权利要求1所述的刀具检测模型的生成方法，其特征在于，所述获取不同使用状态的刀具在加工过程中的负载值的步骤包括：

在每一次加工刀具的过程中，通过滑动窗口获取不同使用状态的刀具在加工过程中的负载值。

6.一种刀具使用状态的检测方法，其特征在于，所述刀具检测方法包括：

获取在当前加工过程中的目标刀具的负载值；

从所述负载值中提取目标特征数据；

将所述目标特征数据输入如权利要求1-5中任意一项所述的生成方法生成的刀具检测模型中以获取所述目标刀具对应的当前使用状态。

7.如权利要求6所述的刀具使用状态的检测方法，其特征在于，所述获取在当前加工过程中的目标刀具的负载值的步骤后包括：

预处理所述负载值；

所述从所述负载值中提取目标特征数据的步骤包括：

从预处理后的所述负载值中提取目标特征数据。