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

1、刀具磨損狀態(tài)監(jiān)測(cè)技術(shù)是實(shí)現(xiàn)現(xiàn)代生產(chǎn)自動(dòng)化、智能化的一項(xiàng)重要技術(shù)。本文結(jié)合顯微視覺(jué)對(duì)刀具磨損監(jiān)測(cè)關(guān)鍵技術(shù):顯微自動(dòng)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(shí)現(xiàn)刀具磨損監(jiān)測(cè)系統(tǒng)實(shí)用化奠定了基礎(chǔ)。
　　本文的主要?jiǎng)?chuàng)新性工作如下:
　?、裴槍?duì)強(qiáng)噪聲環(huán)境下傳統(tǒng)聚焦評(píng)價(jià)函數(shù)無(wú)法滿足需要的狀況,提出了一種改進(jìn)的聚焦評(píng)價(jià)函數(shù)處理方式,即對(duì)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(duì)聚焦評(píng)價(jià)函數(shù)的影響,實(shí)驗(yàn)驗(yàn)證了此處理方式的有效性。
　?、漆槍?duì)傳統(tǒng)焦平面搜索算法存在誤判及實(shí)時(shí)性較差的問(wèn)題,提出了一種改進(jìn)自適應(yīng)步長(zhǎng)搜索爬山法,此搜索算法設(shè)置兩個(gè)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(zhǎng)值,步長(zhǎng)分為小步距、中步距與大步距三種情況,在確定步長(zhǎng)值時(shí),考慮了陡峭區(qū)寬度因子,因此這種自適應(yīng)步長(zhǎng)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(shí),越過(guò)焦平面位置的情況,同時(shí)降低了計(jì)算量,提高了系統(tǒng)實(shí)時(shí)性。
　?、轻槍?duì)傳統(tǒng)馬爾可夫隨機(jī)場(chǎng)在刀具磨損區(qū)域分割時(shí)計(jì)算量大且對(duì)噪聲敏感的問(wèn)題,提出了一種自適應(yīng)區(qū)域馬爾可夫隨機(jī)場(chǎng)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(shì)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(shí)驗(yàn)驗(yàn)證此算法應(yīng)用于刀具磨損區(qū)域分割時(shí),提

4、高了邊界分割的精確性與魯棒性。
　?、柔槍?duì)低對(duì)比度圖像采用傳統(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(diǎn)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(zhǎng)值是構(gòu)造共生矩陣的一個(gè)關(guān)鍵參數(shù),提出利用不同步長(zhǎng)值分別構(gòu)造共生矩陣,并對(duì)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(duì)應(yīng)的步長(zhǎng)值即為最佳生成步長(zhǎng)值,實(shí)驗(yàn)驗(yàn)證,利用最佳生成步長(zhǎng)值構(gòu)造的共生矩陣,