[发明专利]一种基于大数据自主学习检测刀具寿命的系统及方法

说明书

本发明公开了一种基于大数据自主学习检测刀具寿命的系统及方法，包括图像采集模块、刀库、云服务器、图像处理模块，其中云服务器用于基于刀具交点特征训练得到刀具寿命检测模型；图像处理模块用于对刀具图像进行预处理，加载云服务器中训练得到的刀具寿命检测模型，然后基于该刀具寿命检测模型计算刀具检测结果。本发明公开了一种基于大数据自主学习检测刀具寿命的系统及方法，通过拍摄加工完成后的刀具图像，并对进行辅助线标记，然后提取刀具刀尖与辅助线之间的交点特征训练刀具寿命检测模型，并对判断出错的刀具图像进行增量训练不断的对刀具寿命检测模型进行更新，可以实现对多种不同类型的刀具进行检测，减少外界环境的影响，大大提高了刀具寿命检测模型的泛化能力以及检测的准确率。

技术领域

本发明属于智能数控机床领域，更具体地，涉及一种基于大数据自主学习检测刀具寿命的系统及方法。

背景技术

为了使数控机床更加智能化、自动化，保证数控机床高精度、高速度、高效率的自动化运行成为数控机床的主要研究方向之一。在加工过程中，数控机床加工刀具会随着加工过程发生不同程度的损坏，影响加工效率。因此，及时检测出刀具断损情况，可减少后续零件的报废率，降低机床的损耗，保证机床的加工效率。

现有的基于视觉的刀具寿命检测方法主要分为间接检测和直接检测两种，其中间接检测对加工后的零件进行检测，在专利CN109540919A中，通过采用一级升降装置对零件进行检测，然后通过左右两边的光电装置以及固定装置检测装置实现对零件的左右两侧的检测，然后在工作台下方设置一个光电检测装置，对零件底部进行检测，从而判断是否出现刀具寿命，这是一种间接的方式，这种方法不仅整个设备的成本比较高，而且需要针对不同类型的加工零件做不同的判断方法处理，整个设备的可使用范围比较狭窄。另一种直接检测的方法直接对刀具进行拍摄，判刀具寿命具是否出现磨损，在编号为CN109500657A的专利中，首先通过设定的阈值获取对应的加工刀具的图像，通过将图像进行灰度化，得到对应的二值图像，进行形态学处理后，提取二值图像的轮廓，计算提取后的轮廓与标定的正常刀具的面积比，判断其与预设阈值之间的关系，实现对刀具的检测。该方法需要预先标定正常刀具的面积作为参考值，在对图片上的整个刀具面积进行标定时，人工标定误差的影响比较大，另外，在提取轮廓时，受光照和背景影响比较大，泛化能力较弱，当刀具种类较多时容错率较小，准确度较低。

因此，提出一种泛化能力强、准确度高的刀具寿命检测系统及方法是亟需解决的问题。

发明内容

针对现有技术的缺陷，本发明的目的在于提出一种基于大数据自主学习检测刀具寿命的系统及方法，旨在解决现有技术由于将预先标定的正常刀具的面积作为参考值进行刀具寿命判断时受人工标定及光照及北京的影响较大而导致的准确度较低的问题。

为实现上述目的，本发明一方面提供了一种人工智能刀具寿命检测系统，包括：

图像采集模块、刀库、云服务器、图像处理模块；

其中，图像采集模块的输出端与图像处理模块的输入端相连，图像采集模块与刀库之间间隔一段距离，图像处理模块与云服务器之间通过以太网进行通讯；

图像采集模块用于拍摄刀库中的待加工的刀具得到刀尖位置的标定信息，以及拍摄加工完成后的刀具得到背景模糊并且刀具对象凸显的刀具图像，并传输到图像处理模块中；

刀库用于存放待加工的刀具以及加工完成后的待检测刀具；

云服务器用于基于刀具交点特征训练得到刀具寿命检测模型；

图像处理模块用于对刀具图像进行预处理，加载云服务器中训练得到的刀具寿命检测

模型，然后基于该刀具寿命检测模型计算刀具检测结果。

进一步优选地，图像采集模块包括内窥镜，采用内窥镜拍摄刀库中的刀具，刀具未