一种切割机刀具磨损视觉检测方法及系统

技术领域

本发明涉及图像处理技术领域，具体涉及一种切割机刀具磨损视觉检测方法及系统。

背景技术

切割机刀具的磨损会直接影响切割质量和效率，因此及时检测和识别刀具磨损对于生产过程的稳定性和产品质量的保证非常重要，通过实时监测和自动化检测，可以及时更换磨损严重的刀具，避免因切割质量下降或切割速度变慢而导致的生产延误，对于提高生产效率、降低生产成本和实现自动化生产等方面具有重要作用。

传统的边缘检测算法是根据梯度的大小来进行边缘的寻找的，对于刀具磨损图像，磨损区域与其他区域的边缘线的梯度值并不一定是最大的，故利用传统的边缘检测算法并不一定能得到磨损区域较为完整的边缘检测结果，或其结果中存在诸多非磨损区域的边缘线，这对于刀具磨损程度的判断是不利的。

发明内容

本发明提供一种切割机刀具磨损视觉检测方法及系统，以解决现有的问题。

本发明的一种切割机刀具磨损视觉检测方法采用如下技术方案：

本发明一个实施例提供了一种切割机刀具磨损视觉检测方法，该方法包括以下步骤：

获取刀具磨损图像；

获取刀具磨损图像的边缘图像；根据边缘图像获取刀刃真实边缘，根据刀刃真实边缘获取第一边缘图像以及刀刃真实边缘的方向角度；

对刀具磨损图像进行超像素分割，得到各个超像素块；根据刀刃真实边缘的方向角度获取每个超像素块中含有刀刃表面磨损边缘上的像素点的概率；根据每个超像素块中含有刀刃表面磨损边缘上的像素点的概率，获取边缘图像中每个边缘点为刀刃表面磨损边缘上的像素点的概率；

获取边缘图像中每个边缘点的邻域区域；根据边缘图像中每个边缘点的邻域区域获取边缘图像中每个边缘点的置信度；

根据边缘图像中每个边缘点为刀刃表面磨损边缘上的像素点的概率以及置信度，获取边缘图像中每个边缘点的抑制程度；

根据边缘图像中每个边缘点的抑制程度获取边缘图像中每个边缘点修正后的梯度值；

根据边缘图像中每个边缘点修正后的梯度值获取第二边缘图像，根据第一边缘图像以及第二边缘图像获取磨损区域。

优选的，所述根据边缘图像获取刀刃真实边缘，根据刀刃真实边缘获取第一边缘图像以及刀刃真实边缘的方向角度，包括的具体步骤如下：

预设个数阈值

对所有刀刃边缘上的边缘点进行直线拟合，将得到的拟合直线作为刀刃真实边缘，将边缘图像中刀刃真实边缘处的像素点的灰度值置为1，其余像素点的灰度值置为0，得到第一边缘图像；

以刀刃真实边缘上的任一点为原点建立直角坐标系，获取刀刃真实边缘在直角坐标系上的角度，作为刀刃真实边缘的方向角度。

优选的，所述根据刀刃真实边缘的方向角度获取每个超像素块中含有刀刃表面磨损边缘上的像素点的概率，包括的具体步骤如下：

以第

式中，

优选的，所述根据每个超像素块中含有刀刃表面磨损边缘上的像素点的概率，获取边缘图像中每个边缘点为刀刃表面磨损边缘上的像素点的概率，包括的具体步骤如下：

将超像素分割结果叠加至边缘检测图像中，将任一超像素块中含有刀刃表面磨损边缘处的像素点的概率作为当前超像素块中各个边缘点为刀刃表面磨损边缘上的像素点的概率，得到了边缘图像中每个边缘点为刀刃表面磨损边缘上的像素点的概率。

优选的，所述获取边缘图像中每个边缘点的邻域区域，包括的具体步骤如下：

预设区域边长

优选的，所述根据边缘图像中每个边缘点的邻域区域获取边缘图像中每个边缘点的置信度，包括的具体步骤如下：

获取垂直于刀刃真实边缘方向角度：

式中，

优选的，所述根据边缘图像中每个边缘点为刀刃表面磨损边缘上的像素点的概率以及置信度，获取边缘图像中每个边缘点的抑制程度，包括的具体步骤如下：

式中，

优选的，所述根据边缘图像中每个边缘点的抑制程度获取边缘图像中每个边缘点修正后的梯度值，包括的具体步骤如下：

式中，

优选的，所述根据边缘图像中每个边缘点修正后的梯度值获取第二边缘图像，根据第一边缘图像以及第二边缘图像获取磨损区域，包括的具体步骤如下：

预设梯度阈值

本发明实施例提出一种切割机刀具磨损视觉检测系统，所述系统包括：

图像获取模块：获取刀具磨损图像；

刀刃真实边缘获取模块：获取刀具磨损图像的边缘图像；根据边缘图像获取刀刃真实边缘，根据刀刃真实边缘获取第一边缘图像以及刀刃真实边缘的方向角度；

概率获取模块：对刀具磨损图像进行超像素分割，得到各个超像素块；根据刀刃真实边缘的方向角度获取每个超像素块中含有刀刃表面磨损边缘上的像素点的概率；根据每个超像素块中含有刀刃表面磨损边缘上的像素点的概率，获取边缘图像中每个边缘点为刀刃表面磨损边缘上的像素点的概率；

边缘点的置信度获取模块：获取边缘图像中每个边缘点的邻域区域；根据边缘图像中每个边缘点的邻域区域获取边缘图像中每个边缘点的置信度；

边缘点的抑制程度获取模块：根据边缘图像中每个边缘点为刀刃表面磨损边缘上的像素点的概率以及置信度，获取边缘图像中每个边缘点的抑制程度；

磨损区域获取模块：根据边缘图像中每个边缘点的抑制程度获取边缘图像中每个边缘点修正后的梯度值；根据边缘图像中每个边缘点修正后的梯度值获取第二边缘图像，根据第一边缘图像以及第二边缘图像获取磨损区域。

本发明的技术方案的有益效果是：本发明通过获取刀具磨损图像，进而得到刀具磨损图像的边缘图像，根据边缘图像获取刀刃真实边缘，进而得到第一边缘图像以及刀刃真实边缘的方向角度；对刀具磨损图像进行超像素分割，得到各个超像素块；根据刀刃真实边缘的方向角度以及每个超像素块与其邻接的超像素块的灰度差异获取每个超像素块中含有刀刃表面磨损边缘上的像素点的概率，得到边缘图像中每个边缘点为刀刃表面磨损边缘上的像素点的概率，再结合边缘图像中每个边缘点的邻域区域获取边缘图像中每个边缘点的置信度，根据边缘图像中每个边缘点为刀刃表面磨损边缘上的像素点的概率以及置信度，获取边缘图像中每个边缘点的抑制程度，根据每个边缘点的抑制程度对每个边缘点的梯度值进行修正，使得非磨损区域的边缘点的梯度值减小，而磨损区域边缘点的梯度值尽可能不变，提高了边缘检测结果对于磨损区域边缘进行检测的精度，避免了其他区域的纹理特征对于边缘检测结果的影响；再根据边缘图像中每个边缘点修正后的梯度值获取第二边缘图像，根据第一边缘图像以及第二边缘图像获取磨损区域，对于磨损区域的定位更加准确。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的一种切割机刀具磨损视觉检测方法的步骤流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种切割机刀具磨损视觉检测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种切割机刀具磨损视觉检测方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种切割机刀具磨损视觉检测方法的步骤流程图，该方法包括以下步骤：

S001．获取刀具磨损图像。

使用相机拍摄切割机刀具图像，为了便于后续分析，对拍摄的切割机刀具图像进行灰度化处理，并将获取的灰度图像记为刀具磨损图像。

S002．获取刀刃真实边缘以及刀刃真实边缘的方向角度。

需要说明的是，获取的刀具磨损图像中可能包含如下区域：刀面区域，磨损区域以及背景区域，根据先验知识可知，刀具的磨损区域主要存在于刀具的刀刃上，并且磨损区域是由刀刃边缘与刀刃表面磨损边缘构成，但是由于刀刃边缘的梯度值较大、刀刃表面磨损边缘的梯度值较小以及刀面区域与磨损区域中存在着纹理特征，而传统的边缘检测算法是根据刀具磨损图像中各像素点的梯度值来寻找边缘，因此使用传统的边缘检测算法对磨损区域的边缘进行检测时，得到的磨损区域的边缘可能不完整，或者会将刀面区域与磨损区域中存在着纹理特征检测出来，导致无法识别出磨损区域。

刀具磨损图像中刀面区域与磨损区域中存在着纹理特征，其纹理特征边缘处的梯度值与刀刃表面磨损边缘处的梯度值近似，因此本发明实施例提出一种根据边缘图像获取边缘图像中的各个边缘点的抑制程度，来对各个边缘点的梯度值进行修正，使得非刀刃表面磨损边缘处的像素点的梯度值变小，刀刃表面磨损边缘处的像素点的梯度值尽可能不改变，使得后续获取的刀具磨损图像的边缘图像只能检测出刀刃表面磨损边缘，排除刀面区域与磨损区域的纹理特征的影响，而首先便是需要先获取刀刃边缘。

需要进一步说明的是，为了获取刀刃边缘，需要对刀具磨损图像进行边缘检测得到边缘图像后，对边缘图像中的各个边缘点进行分析，由于刀刃边缘上的像素点具有连续性，因此根据这一特征获取刀刃边缘上的边缘点，又由于在切割机的运行过程中，刀刃由于磨损导致刀刃出现缺口，因此获取的刀刃边缘上的边缘点不是刀刃真实边缘线的边缘点，需要根据刀刃边缘上的边缘点获取刀刃真实边缘。

在本发明实施例中，获取刀具磨损图像中每个像素点的梯度值，构成梯度图像，设置梯度阈值

设置个数阈值

需要说明的是，已知刀刃真实边缘是一条直线，因此使用最小二乘法对所有刀刃边缘上的边缘点进行直线拟合，得到的拟合直线即为刀刃真实边缘，将边缘图像中刀刃真实边缘处的像素点的灰度值置为1，其余像素点的灰度值置为0，得到第一边缘图像。

以刀刃真实边缘上的任一点为原点建立直角坐标系，获取刀刃真实边缘在直角坐标系上的角度，作为刀刃真实边缘的方向角度，便于后续获取各个边缘点的抑制程度。

至此，通过对刀具磨损图像进行边缘检测，得到边缘图像，根据边缘图像中刀刃边缘上的像素点的连续性，获取刀刃边缘上的边缘点，进而得到刀刃真实边缘以及刀刃真实边缘的方向角度。

S003．获取每个边缘点为刀刃表面磨损边缘上的像素点的概率。

需要说明的是，在切割机运转过程中刀刃区域由于磨损产生的磨损区域与刀面区域的灰度值不一致，即刀刃表面磨损边缘处的两侧区域的灰度值不一致，因此利用分块的思想，将刀具磨损图像分为多个块，通过分析各个块及其邻域块之间的灰度值差异，来获取每个块中中含有刀刃表面磨损边缘处的像素点的概率，而已知超像素分割可以将灰度值近似的像素点聚为一类，因此在本发明实施例中，使用超像素分割算法对刀具磨损图像进行分割，得到多个超像素块，对各个超像素块进行分析。

需要说明的是，背景区域与刀面区域和磨损区域之间存在着较大的灰度值差值，因此在本发明实施例中，获取所有各个超像素块的灰度值均值，获取所有超像素块的灰度均值的均值，记为第一均值，将灰度值均值小于第一均值的超像素块，认为是背景区域的超像素块，对于背景区域的超像素块不参与后续计算。

对于含有刀刃表面磨损边缘像素点的超像素块来说，其邻域中存在的超像素块可能为刀面区域的超像素块、磨损区域的超像素块以及含有刀刃表面磨损边缘像素点的超像素块，而刀面区域的超像素块以及磨损区域的超像素块的灰度值与刀刃表面磨损边缘像素点的超像素块的灰度值差异较大，因此在根据超像素块及其邻域超像素块之间的灰度值差异，来获取超像素块中含有刀刃表面磨损边缘处的像素点的概率时，需要重点关注刀面区域的超像素块以及磨损区域的超像素块，根据各个超像素块的分布特征可知，刀面区域的超像素块以及磨损区域的超像素块位于含有刀刃表面磨损边缘像素点的超像素块的两侧并且垂直于刀刃真实边缘，根据这一特征，对超像素块其邻域中的各个超像素块设置权重，再结合超像素块与其邻域中的各个超像素块的灰度值差异，获取各个超像素块中含有刀刃表面磨损边缘处的像素点的概率。

在本发明实施例中，获取第

式中，

将超像素分割结果叠加至边缘检测图像中，将任一超像素块中含有刀刃表面磨损边缘处的像素点的概率作为当前超像素块中各个边缘点为刀刃表面磨损边缘上的像素点的概率，得到了边缘图像中每个边缘点为刀刃表面磨损边缘上的像素点的概率。

至此，对刀具磨损图像进行超像素分割，根据每个超像素块与其邻域中超像素块之间的灰度值差异，获取每个超像素块中含有刀刃表面磨损边缘处的像素点的概率，进而得到边缘图像中每个边缘点为刀刃表面磨损边缘上的像素点的概率。

S004．获取边缘图像中各个边缘点的置信度。

需要说明的是，在进行超像素分割时，可能会将刀面区域与磨损区域的纹理划分到含有刀刃表面磨损边缘处的像素点的超像素块中，因此对于刀面区域与磨损区域的纹理边缘点来说，其为刀刃表面磨损边缘上的像素点的概率也会较大，导致后续根据每个边缘点为刀刃表面磨损边缘上的像素点的概率来获取每个边缘点的抑制程度时不准确。由于刀具在切割机运转过程中的切割方向与刀具真实边缘的方向一致，因此磨损区域的纹理与刀刃真实边缘的方向一致，平行于刀刃真实边缘，而刀具制造过程中，常采用研磨或磨削等工艺来加工刀刃的表面，研磨或磨削操作的特点是将刀具沿垂直于刀刃真实边缘的方向移动，从而在刀面区域形成具有垂直方向的纹理，因此刀面区域的纹理与刀刃真实边缘的方向垂直，因此对于刀刃表面磨损边缘上的像素点来说，其邻域区域两侧中含有刀面区域的纹理边缘点以及磨损区域的纹理边缘点，因此在本发明实施例中，通过首先获取每个边缘点的领域区域进行后续分析。

在本发明实施例中，设置区域边长

需要说明的是，对于刀面区域的纹理边缘点的邻域区域中的边缘垂直于刀刃真实边缘，因此刀面区域的纹理边缘点的邻域区域中的边缘点在刀刃真实边缘方向角度上的梯度值较大，在垂直于刀刃真实边缘方向角度上的梯度值较小，对于磨损区域的纹理边缘点的邻域区域中的边缘平行于刀刃真实边缘，因此磨损区域的纹理边缘点的邻域区域中的边缘点在刀刃真实边缘方向角度上的梯度值较小，在垂直于刀刃真实边缘方向角度上的梯度值较大，对于刀刃表面磨损边缘上的像素点的邻域区域中的边缘一侧平行于刀刃真实边缘，一侧垂直于刀刃真实边缘，因此刀刃表面磨损边缘上的像素点的邻域区域中的边缘点在刀刃真实边缘方向角度上的梯度值与垂直于刀刃真实边缘方向角度上的梯度值较为一致，因此根据每个边缘点其邻域区域中边缘点在不同方向角度上的梯度值来获取每个边缘点的置信度。

在本发明实施例中，获取垂直于刀刃真实边缘方向角度:已知刀刃真实边缘方向角度为

获取边缘图像中第

式中，

至此，根据边缘图像中各个边缘点其邻域区域中边缘点在不同方向角度下的梯度值，获取边缘图像中各个边缘点的置信度。

S005．获取各个边缘点的抑制程度。

需要说明的是，根据每个边缘点的置信度对各个边缘点为刀刃表面磨损边缘上的像素点的概率进行修正，使得每个边缘点为刀刃表面磨损边缘上的像素点的概率更加准确，已知需要获取每个边缘点的抑制程度对每个边缘点的梯度值进行抑制，而对于刀面区域纹理边缘点以及磨损区域纹理边缘点的抑制程度需要大，能够将边缘点的梯度值减小，对于刀刃表面磨损边缘上的像素点的抑制程度小，对边缘点的梯度值尽可能不改变，因此根据修正后的各个边缘点为刀刃表面磨损边缘上的像素点的概率获取每个边缘点的抑制程度。

在本发明实施例中，获取边缘图像中第

式中，

至此，根据各个边缘点的置信度对各个边缘点为刀刃表面磨损边缘上的像素点的概率进行修正，得到各个边缘点的抑制程度。

S006．根据各个边缘点的抑制程度，对各个边缘点的梯度值进行修正，进而得到磨损区域。

需要说明的是，根据每个边缘点的抑制程度对每个边缘点的梯度值进行调整，并根据调整后的每个边缘点的梯度值获取磨损区域。

在本发明实施例中，获取边缘图像中第

式中，

设置梯度阈值

需要说明的是，工作人员后续可以根据所获取的磨损区域的面积来判断刀具是否需要更换。

至此，得到了磨损区域。

本发明实施例提出一种切割机刀具磨损视觉检测系统，所述系统包括：

图像获取模块：获取刀具磨损图像；

刀刃真实边缘获取模块：获取刀具磨损图像的边缘图像；根据边缘图像获取刀刃真实边缘，根据刀刃真实边缘获取第一边缘图像以及刀刃真实边缘的方向角度；

概率获取模块：对刀具磨损图像进行超像素分割，得到各个超像素块；根据刀刃真实边缘的方向角度获取每个超像素块中含有刀刃表面磨损边缘上的像素点的概率；根据每个超像素块中含有刀刃表面磨损边缘上的像素点的概率，获取边缘图像中每个边缘点为刀刃表面磨损边缘上的像素点的概率；

边缘点的置信度获取模块：获取边缘图像中每个边缘点的邻域区域；根据边缘图像中每个边缘点的邻域区域获取边缘图像中每个边缘点的置信度；

边缘点的抑制程度获取模块：根据边缘图像中每个边缘点为刀刃表面磨损边缘上的像素点的概率以及置信度，获取边缘图像中每个边缘点的抑制程度；

磨损区域获取模块：根据边缘图像中每个边缘点的抑制程度获取边缘图像中每个边缘点修正后的梯度值；根据边缘图像中每个边缘点修正后的梯度值获取第二边缘图像，根据第一边缘图像以及第二边缘图像获取磨损区域。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。