相关实验视频
Updated: Jun 4, 2025
10:09
Operation of the Collaborative Composite Manufacturing CCM System
Published on: October 1, 2019
6.6K
在CNC机器应用中用于工具状况监控的基于特征的自动化图像注册策略
Eden Lazar1, Kristin S Bennett1, Andres Hurtado Carreon1
1McMaster Manufacturing Research Institute (MMRI), Department of Mechanical Engineering, McMaster University, 230 Longwood Rd S, Hamilton, ON L8P0A6, Canada.
Sensors (Basel, Switzerland)
|December 17, 2024
概括
本研究介绍了一种改进的机器视觉系统,用于工具状况监测. 它使用自动图像注册来准确测量工具磨损,减少错误并更快地捕获图像.
科学领域:
- 制造业 工程 制造工程
- 计算机视觉 计算机视觉
- 材料科学 材料科学 材料科学
背景情况:
- 传统的机器视觉 (MV) 系统用于工具状况监测 (TCM) 由于工具磨损的工件,如粘附或破碎,导致边缘检测不准确.
- 现有的方法独立处理图像,导致不准确的工具磨损测量和增加运营成本.
研究的目的:
- 开发一个自动化的MV系统,具有基于特征的图像注册,用于准确地空间对准工具磨损图像.
- 为了提高工具边缘位置检测在TCM应用中的精度和一致性.
- 为了减少工具磨损的图像捕捉时间和提高测量可靠性.
主要方法:
- 开发了一种MV系统,采用自动化,基于特征的图像注册策略.
- 为了进行MV-TCM注册,评估了各种特征检测-描述算法 (SIFT,KAZE,ORB).
- 采用空间对齐图像实现了一种新型工具参考线检测策略.
主要成果:
- MV系统在加工环境中表现出强性,在和削中心中表现出多功能性.
- 与标准方法相比,图像捕获时间减少了高达85%.
- 自动注册算法实现了1.3秒的平均注册时间.
- 拟议的检测策略导致平均工具磨损测量误差为2.5% (转) 和4.5% (磨).
结论:
- 开发的带有自动注册的MV系统显著提高了工具磨损测量的准确性和效率.
- 该系统在各种工具几何形状和涂层变异中有效,为TCM提供了可靠的解决方案.
- 这一进步使机床操作人员能够通过可靠的磨损测量更有效地捕获切割工具图像.
