基于顯微視覺的刀具磨損狀態(tài)監(jiān)測技術(shù)研究.pdf

1、刀具磨損狀態(tài)監(jiān)測技術(shù)是實現(xiàn)現(xiàn)代生產(chǎn)自動化、智能化的一項重要技術(shù)。本文結(jié)合顯微視覺對刀具磨損監(jiān)測關(guān)鍵技術(shù):顯微自動聚焦技術(shù)、刀具磨損區(qū)域分割技術(shù)與工件紋理分析技術(shù)進(jìn)行了深入研究與探討,為實現(xiàn)刀具磨損監(jiān)測系統(tǒng)實用化奠定了基礎(chǔ)。
　　本文的主要創(chuàng)新性工作如下:
　?、裴槍?qiáng)噪聲環(huán)境下傳統(tǒng)聚焦評價函數(shù)無法滿足需要的狀況,提出了一種改進(jìn)的聚焦評價函數(shù)處理方式,即對圖像采用預(yù)處理后,利用分水嶺技術(shù)把圖像分成區(qū)域塊,并以區(qū)域塊灰度均值代替

2、此區(qū)域內(nèi)像素灰度值,以此降低噪聲對聚焦評價函數(shù)的影響,實驗驗證了此處理方式的有效性。
　?、漆槍鹘y(tǒng)焦平面搜索算法存在誤判及實時性較差的問題,提出了一種改進(jìn)自適應(yīng)步長搜索爬山法,此搜索算法設(shè)置兩個閾值,根據(jù)相鄰位置的斜率與兩閾值及局部極值因子間的關(guān)系,確定搜索步長值,步長分為小步距、中步距與大步距三種情況,在確定步長值時,考慮了陡峭區(qū)寬度因子,因此這種自適應(yīng)步長搜索算法既可以降低把局部極值位置作為焦平面位置的情況,又可降低在大步距

3、搜索時,越過焦平面位置的情況,同時降低了計算量,提高了系統(tǒng)實時性。
　?、轻槍鹘y(tǒng)馬爾可夫隨機(jī)場在刀具磨損區(qū)域分割時計算量大且對噪聲敏感的問題,提出了一種自適應(yīng)區(qū)域馬爾可夫隨機(jī)場分割算法。此算法利用分水嶺技術(shù)把預(yù)處理圖像分割成區(qū)域塊,利用區(qū)域塊均值與方差作為特征參數(shù),參與圖像初分割;勢函數(shù)連接參數(shù)根據(jù)當(dāng)前區(qū)域塊與其相鄰區(qū)域塊的連接緊密程度自適應(yīng)地確定其數(shù)值,自適應(yīng)連接參數(shù)符合圖像分割機(jī)理,實驗驗證此算法應(yīng)用于刀具磨損區(qū)域分割時,提

4、高了邊界分割的精確性與魯棒性。
　?、柔槍Φ蛯Ρ榷葓D像采用傳統(tǒng)閾值分割算法分割效果欠佳的狀況,提出了一種像素鄰域灰度共生矩陣分割算法,此算法利用像素點灰度值與其鄰域灰度加權(quán)平均值構(gòu)造共生矩陣,進(jìn)而確定圖像分割閾值;生成步長值是構(gòu)造共生矩陣的一個關(guān)鍵參數(shù),提出利用不同步長值分別構(gòu)造共生矩陣,并對這些共生矩陣特征參數(shù)進(jìn)行仿真,特征參數(shù)仿真曲線第一周期極值位置所對應(yīng)的步長值即為最佳生成步長值,實驗驗證,利用最佳生成步長值構(gòu)造的共生矩陣,