基于计算机视觉的数控车床加工表面质量检测优化方法与流程

摘要: 本申请涉及图像识别,尤其是涉及基于计算机视觉的数控车床加工表面质量检测优化方法。背景技术:1、数控车床作为轴类、盘类等精密零件加工的重要设备,其加工稳定性直接影...
基于计算机视觉的数控车床加工表面质量检测优化方法与流程

本申请涉及图像识别,尤其是涉及基于计算机视觉的数控车床加工表面质量检测优化方法。

背景技术:

1、数控车床作为轴类、盘类等精密零件加工的重要设备,其加工稳定性直接影响零件尺寸精度、表面粗糙度及后续装配可靠性。加工表面质量不仅反映材料去除过程的平稳程度,也关系到零件的疲劳寿命、摩擦磨损性能和服役安全。与此同时,切削速度、进给方向等加工状态数据决定了刀具与工件表面的相对作用方式,是理解表面缺陷形成原因的重要依据。

2、在实际车削过程中,加工表面的纹理、暗斑、亮边及凹坑形态往往并非孤立存在,而是与刀具运动轨迹、材料塑性变形和积屑瘤脱落压入等过程存在潜在关联。尤其当积屑瘤在切削刃附近形成并周期性脱落时,可能在已加工表面留下具有方向性、拖拽性和散射差异的压坑痕迹;该类痕迹在普通明场图像中可能表现为局部灰度异常,在低角度暗场图像中又会呈现边缘散射增强,因此单一图像信息难以完整反映其形成机理。

3、然而,现有数控车床表面检测多依赖人工观察、粗糙度抽检或单一视觉阈值分割,通常只判断表面是否存在凹坑、划痕等异常,而较少结合进给纹理周期、切削运动方向及多角度光照响应分析缺陷来源。对于积屑瘤压坑与材料本征脱落坑等形态相近的缺陷,现有方法容易出现混淆,导致检测结果难以与切削工艺调整建立稳定联系。进一步地,检测数据往往停留在缺陷数量统计层面,缺乏对缺陷沿切削轨迹分布状态的分析,使得工艺优化多依赖经验调整,存在响应滞后和针对性不足的问题。

技术实现思路

1、针对现有技术的不足,本申请提供基于计算机视觉的数控车床加工表面质量检测优化方法。

2、本申请提供的基于计算机视觉的数控车床加工表面质量检测优化方法,包括以下步骤:

3、获取机床检测工位的同轴明场图像、低角度暗场图像,并同步读取当前机床切削速度向量和进给方向数据;

4、对同轴明场图像进行频域分析,提取进给纹理主频,根据进给纹理主频重构纹理畸变区域;

5、在纹理畸变区域内分割候选凹坑图像,得到候选凹坑图像集合;

6、针对候选凹坑图像集合中的每个候选凹坑图像,提取几何长轴方向和质心至最深点的偏心向量,结合当前机床切削速度向量计算拖拽尾迹指数;

7、提取候选凹坑图像在同轴明场图像中的坑底平均灰度值,以及在低角度暗场图像中的灰度方差值,计算明暗场散射比;

8、将拖拽尾迹指数与第一预设阈值比对,并将明暗场散射比与第二预设阈值比对;

9、当拖拽尾迹指数大于第一预设阈值且明暗场散射比大于第二预设阈值时,将对应候选凹坑图像标记为积屑瘤压坑数据;

10、对未标记的候选凹坑图像提取坑底区域的局部梯度方向直方图,计算各向异性指数;

11、当各向异性指数大于第三预设阈值时,将对应候选凹坑图像补充标记为积屑瘤压坑数据;

12、统计积屑瘤压坑数据在切削轨迹面上的空间分布密度,当空间分布密度大于密度阈值时,输出切削工艺调整数据。

13、综上所述,本申请包括以下至少一种有益技术效果:

14、1.本申请提供了基于计算机视觉的数控车床加工表面质量检测优化方法,通过获取机床检测工位的同轴明场图像、低角度暗场图像,并同步读取当前机床切削速度向量和进给方向数据,使加工表面的视觉信息与机床实时运动信息在同一检测时刻下建立对应关系;对同轴明场图像进行频域分析,提取进给纹理主频,并根据进给纹理主频重构纹理畸变区域,从而先从具有周期性的正常进给纹理中分离出异常扰动区域,再在纹理畸变区域内分割候选凹坑图像,得到候选凹坑图像集合,上述处理方式并非单纯依赖灰度阈值寻找表面暗点,而是利用车削表面进给纹理本身具有稳定主频的特点,将进给纹理主频作为判断纹理是否被破坏的基准,使后续候选凹坑图像的提取建立在加工机理和图像频域特征共同约束的基础上。同时,同轴明场图像能够反映凹坑底部的灰度变化,低角度暗场图像能够突出凹坑边缘和微小斜面的散射响应,二者与当前机床切削速度向量、进给方向数据相互配合,使检测对象不再是孤立的二维图像斑点,而是与实际切削运动方向、进给纹理走向及表面散射特征相联系的加工缺陷单元。由此可有效减少油污、照明不均、材料本征纹理波动等因素造成的误检,使候选凹坑图像集合更集中地反映可能由积屑瘤压入形成的真实异常区域,提高后续判别的针对性和稳定性;

15、2.针对候选凹坑图像集合中的每个候选凹坑图像,提取几何长轴方向和质心至最深点的偏心向量,并结合当前机床切削速度向量计算拖拽尾迹指数,同时提取候选凹坑图像在同轴明场图像中的坑底平均灰度值以及在低角度暗场图像中的灰度方差值,计算明暗场散射比,再将拖拽尾迹指数与第一预设阈值比对,并将明暗场散射比与第二预设阈值比对,在二者同时满足条件时将对应候选凹坑图像标记为积屑瘤压坑数据,上述设计把积屑瘤压坑通常沿切削运动方向产生拖拽、坑底相对质心发生偏移、坑缘在暗场照明下散射增强等物理表现转化为可计算的视觉判据,使积屑瘤压坑数据的识别不再局限于缺陷尺寸或单幅图像灰度,而是由形态方向、深浅灰度、散射离散性和机床切削运动共同参与判定。对于未标记的候选凹坑图像,本申请继续提取坑底区域的局部梯度方向直方图,计算各向异性指数,并在各向异性指数大于第三预设阈值时补充标记为积屑瘤压坑数据,使处于临界状态或光照响应较弱的压坑仍可通过坑底纹理方向性得到复核确认。随后统计积屑瘤压坑数据在切削轨迹面上的空间分布密度,并在空间分布密度大于密度阈值时输出切削工艺调整数据,使缺陷检测结果进一步转化为可用于切削速度、进给量或冷却参数调整的工艺反馈,上述步骤之间形成了由图像采集、纹理主频筛选、凹坑分割、运动方向判别、明暗场散射验证、各向异性补充识别到工艺调整输出的闭环协同关系,不仅提高了积屑瘤压坑数据识别的准确性和抗干扰能力,还能够帮助加工现场及时发现积屑瘤活跃导致的表面质量劣化趋势,为数控车床加工过程提供更具有针对性和实时性的质量检测及工艺优化依据。

1.基于计算机视觉的数控车床加工表面质量检测优化方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的基于计算机视觉的数控车床加工表面质量检测优化方法,其特征在于,获取机床检测工位的同轴明场图像、低角度暗场图像,并同步读取当前机床切削速度向量和进给方向数据,包括:

3.根据权利要求1所述的基于计算机视觉的数控车床加工表面质量检测优化方法,其特征在于,对同轴明场图像进行频域分析,提取进给纹理主频,根据进给纹理主频重构纹理畸变区域,包括:

4.根据权利要求1所述的基于计算机视觉的数控车床加工表面质量检测优化方法,其特征在于,在纹理畸变区域内分割候选凹坑图像,得到候选凹坑图像集合,包括:

5.根据权利要求4所述的基于计算机视觉的数控车床加工表面质量检测优化方法,其特征在于,针对候选凹坑图像集合中的每个候选凹坑图像,提取几何长轴方向和质心至最深点的偏心向量,结合当前机床切削速度向量计算拖拽尾迹指数,包括:

6.根据权利要求5所述的基于计算机视觉的数控车床加工表面质量检测优化方法,其特征在于,提取候选凹坑图像在同轴明场图像中的坑底平均灰度值,以及在低角度暗场图像中的灰度方差值,计算明暗场散射比,包括:

7.根据权利要求1所述的基于计算机视觉的数控车床加工表面质量检测优化方法,其特征在于,将拖拽尾迹指数与第一预设阈值比对,并将明暗场散射比与第二预设阈值比对,包括:

8.根据权利要求7所述的基于计算机视觉的数控车床加工表面质量检测优化方法,其特征在于,对未标记的候选凹坑图像提取坑底区域的局部梯度方向直方图,计算各向异性指数,包括:

9.根据权利要求1所述的基于计算机视觉的数控车床加工表面质量检测优化方法,其特征在于,统计积屑瘤压坑数据在切削轨迹面上的空间分布密度,包括:

10.根据权利要求9所述的基于计算机视觉的数控车床加工表面质量检测优化方法,当空间分布密度大于密度阈值时,输出切削工艺调整数据,包括: