木工刀具網

 找回密碼
 注冊
互動
互動
技術
技術
相關
相關
展示
展示
查看: 113|回復: 0
打印 上一主題 下一主題

[鋸片/鋸條與鋸切技術] HSS圓鋸片鋸齒參數自動檢測裝置及算法研究*

[復制鏈接]
  • TA的每日心情
    開心
    2016-12-1 07:13
  • 簽到天數: 4 天

    [LV.2]偶爾看看I

    跳轉到指定樓層
    1#
    發表于 2022-4-9 08:28:57 | 只看該作者 回帖獎勵 |倒序瀏覽 |閱讀模式
    0

    馬上注冊,結交更多好友,享用更多功能,讓你輕松玩轉社區

    您需要 登錄 才可以下載或查看,沒有賬號?注冊

    x
    HSS圓鋸片鋸齒參數自動檢測裝置及算法研究[size=0.6em]*
    [size=1em]李 芹1,盧滌非1*,陳桂強2,王利軍2
    [size=1em](1.浙江機電職業技術學院 現代信息技術學院,浙江 杭州 310053;2.浙江縉云韓立鋸業有限公司,浙江 縉云 321400)

    [size=1em]摘要:將計算機視覺技術應用于HSS鋸齒邊緣檢測中時,無法依靠鋸齒邊緣來檢測鋸齒的參數,為此,提出了一種基于圖像處理的自動檢測裝置,以及提高其檢測精度的檢測算法。首先,對檢測裝置的硬件結構進行了設計(操作步驟由鋸齒拍攝、鋸片夾持、鋸片旋轉、鋸片水平檢測、鋸片水平調整等5部分組成);然后,對檢測裝置的算法流程進行了設計(由圖像預處理、鋸齒邊緣檢測、鋸齒參數計算3個步驟組成);針對高速鋼鋸齒表面灰度值噪點導致的鋸齒參數識別誤差大的問題,引入了最大類間與類內方差比法,自適應調整灰度最優閥值,準確檢測鋸齒邊緣,進而準確計算了鋸齒齒形參數;最后,搭建了鋸齒參數測量裝置,通過實驗的方法,對鋸齒參數測量裝置的可行性及檢測算法的正確性進行了驗證。研究結果表明:該檢測裝置對鋸齒齒形參數的檢測精度為3%,與三坐標等其他設備的檢測結果接近;該裝置可作為高速鋼圓鋸片選型、鋸片修磨檢測的基礎工具。

    [size=1em]關鍵詞:高速鋼圓鋸片;鋸齒參數;邊緣檢測;圖像處理

    0 引 言

    [size=1em]相比于其他種類的圓鋸片,高速鋼(HSS)圓鋸片普遍應用于鋼、鐵、銅、鋁等中硬度金屬材料的切割場合,因而其具有非常突出的性價比優勢[1,2]。

    [size=1em]HSS鋸齒的齒形包括圓弧齒、三角齒、高低齒、倒角齒等。作為切割作業的直接承擔者,HSS鋸齒的齒形參數直接與鋸片的壽命、切割效率、切割精度、切割能耗等性能指標[3-5]相關聯。在實際的應用過程中,HSS鋸齒參數常常由工人手工測量,不僅測量的效率低下,而且測量的精度得不到保證。

    [size=1em]近年來,鋸片行業出現了多類新型鋸片(如雙金屬鋸片等),也出現了鋸齒參數測量的新裝置及新方法。習寶田等人[6,7]基于輪廓影響法,通過測量鋸片端面的圓跳動量等參數,進而分析了鋸片的適張狀態。張東偉等人[8]使用三坐標測量機對標準圓鋸片進行了數字化測量,并利用逆向工程技術建立了鋸片修磨仿真的制造模型。李超、侯田平等人[9,10]使用計算機視覺測量法,詳細測量了鋸齒前角、鋸齒后角等參數。

    [size=1em]在上述各類方法中,都用到了基于計算機視覺技術的鋸齒參數測量方法。因其具有非接觸測量(對鋸片無損)、檢測效率高、抗干擾能力強等優點,該測量方法被認為在未來鋸片行業檢測技術中具有很好的發展前景[11]。同時,有關該測量方法在硬質合金圓鋸片等領域的應用也已見諸于報道。

    [size=1em]然而,將計算機視覺技術應用于HSS鋸齒邊緣的檢測中遇到了難題:采用計算機視覺技術進行邊緣檢測時,要根據灰度值的變化將物體與背景加以區分;但是由于高速鋼材料表面特性及散光等原因,HSS鋸齒表面會隨機產生多個小區域,這些區域的灰度值與背景相近[12],用固定閥值檢測時會錯誤得到很多“邊緣點”或“邊緣線”(即噪聲),導致無法依靠鋸齒邊緣來檢測鋸齒參數。

    [size=1em]針對上述缺陷,筆者提出一種基于圖像的HSS鋸齒參數自動檢測裝置,在該裝置中引入最大類間與類內方差比法[13,14],將固定閥值改為動態閥值,通過自適應調整,得到最優灰度閥值,以準確檢測鋸齒邊緣,進而準確計算鋸齒齒形參數。

    1 檢測裝置結構及流程1.1 裝置結構

    [size=1em]HSS鋸齒參數檢測裝置由5部分組成,即光源及工業相機、鋸片夾持器、鋸片旋轉驅動電機、激光傳感器組、鋸片水平調節桿。

    [size=1em]檢測裝置結構圖如圖1所示。

    [size=0.8em]圖1 HSS鋸齒參數檢測裝置結構圖

    [size=1em]圖1中:鋸片夾持器分為上、下兩部分,上部的蓋帽可通過手工擰動,實現鋸片的裝夾、夾緊與拆卸,下部的基座通過聯軸器與電機減速器伸出軸相連;

    [size=1em]在豎直方向設計了4根鋸片水平調節桿,頂在鋸片夾持器的基座底部,以避免因鋸片的非水平安裝導致鋸齒參數檢測有誤差;當鋸片的夾持器不夠水平時,可通過螺紋方式擰動相應的調節桿,從而實現鋸片水平狀態的人工調節;

    [size=1em]激光傳感器組為可拆卸式設計,主要用于輔助檢測鋸片是否呈水平狀態,內含2個激光傳感器,對稱安裝在桿件兩端,通過檢測并比較鋸片兩端與2個激光傳感器之間的距離,判斷鋸片裝夾是否已達水平狀態;

    [size=1em]工業相機的選型綜合考慮了3項參數,即HSS鋸齒大小(齒寬參數T)、檢測精度A和拍攝視野范圍(X*Y)。其中,檢測精度A應小于齒寬參數T的千分之一,視野范圍X應至少覆蓋2個齒寬T,相機分辨率則為(X/A)*(Y/A);

    [size=1em]鋸片旋轉驅動電機應保證鋸片邊緣鋸齒能逐個進入工業相機視域范圍。此處以100個鋸齒數的圓鋸片為例,每個鋸齒相對于鋸片圓心的弧度為3.6°,因此,該裝置對鋸片旋轉驅動電機的選型要求很低。以86步進電機為例(每個驅動脈沖對應1.8°步距角),即使不采用減速器,也可確保鋸齒逐個進入工業相機視域范圍。

    1.2 操作流程

    [size=1em]HSS鋸齒參數檢測裝置的操作流程如圖2所示。

    [size=0.8em]圖2 HSS鋸齒參數檢測裝置的操作流程圖

    2 鋸齒參數檢測算法

    [size=1em]筆者把HSS鋸齒參數檢測分成3個步驟,即圖像預處理、鋸齒邊緣檢測、鋸齒參數計算。其中,圖像預處理步驟包括圖像亮度調節、灰度化處理等常規操作[15],因此,此處筆者僅對后續兩步驟做詳細介紹。

    2.1 邊緣檢測算法

    [size=1em]由于HSS鋸齒表面與背景的灰度值相近,灰度化處理之后的鋸齒圖像存在較多噪點,如圖3所示。

    [size=0.8em]圖3 基于最優灰度閥值的鋸齒邊緣檢測

    [size=1em]要避免這些噪點對鋸齒邊緣檢測造成干擾,筆者引入最大類間與類內比值,并通過反復迭代得到最佳灰度閥值,從而準確檢測到鋸齒邊緣,為后續的鋸齒參數計算奠定基礎。

    [size=1em]此處求取最佳灰度閥值的迭代流程如下:

    [size=1em](1)設定灰度化處理后的鋸齒圖片的灰度初始閾值TH0,根據初始閾值TH0將圖像分成兩部分,分別為第一部分的C1和第一部分的C2;

    [size=1em](2)計算兩部分的灰度方差

    灰度均值μ1和μ2,以及總體均值μ。

    [size=1em]3類指標的計算公式如下:


    [size=1em](1)


    [size=1em](2)


    [size=1em](3)

    [size=1em]式中:Ci—整張鋸齒圖像的一部分(C1—整張鋸齒圖像的第一部分,C2—整張鋸齒圖像的第二部分);(x,y)—Ci的一個點;f(x,y)—該點的像素灰度值;

    部分的灰度方差;μi—Ci部分的灰度均值;NCi—Ci部分的像素點總和;Nimage—整張鋸齒圖片的像素點總和;m,n—將整張鋸齒圖片分為m行n列的數組;i,j—從m行n列抽取的第i行第j列;f(i,j)—第i行第j列像素點的灰度值。

    [size=1em](3)計算兩部分在圖像中的分布概率,其中,第一部分C1在圖像中的分布概率為第一概率值P1,第二部分C2在圖像中的分布概率為第二概率值P2,即:


    [size=1em](4)


    [size=1em](5)

    [size=1em]式中:NC1—C1部分的像素點總和;NC2—C2部分的像素點總和。

    [size=1em](4)計算類間方差

    和類內方差 進而計算兩者比值S:


    [size=1em](6)


    [size=1em](7)


    [size=1em](8)

    [size=1em](5)迭代計算。由上述公式可知,每個閥值TH都可求得對應的一個S值。從初始閥值TH0開始,不斷地變化閥值TH(即TH為動態閥值),并持續保存S值,當S值最大時對應的閥值TH即為最佳閥值。

    [size=1em]筆者使用上述流程取得的最佳閥值,對灰度化以后的鋸齒圖像進行分類,可得到鋸齒邊緣,如圖3(b)所示。

    [size=1em]需要說明的是,每個HSS鋸齒表面情況均不相同,因此上述迭代步驟在每個HSS鋸齒均需執行一次。

    [size=1em]相比于閥值固定的傳統類邊緣檢測算法,如Canny算子邊緣檢測等,筆者采用的是最大類間與類內方差比法,通過動態調節閥值,可最大程度地抑制噪聲,提升邊緣檢測的準確性;相比于一些算法復雜的新型邊緣檢測方法,如神經網絡邊緣檢測算法,筆者方法的計算簡單,也無需網絡結構設計及樣本學習訓練等,鋸齒邊緣檢測速度快。

    2.2 鋸齒參數計算方法

    [size=1em]HSS鋸齒類型較多,此處筆者僅選取計算難度最高的圓弧齒[16,17]。

    [size=1em]根據前文檢測的鋸齒邊緣,筆者通過提取特征點(A~E點)和擬合3條曲線,計算得到圓弧齒6項參數,包括前角λ、后角α、齒寬T、齒深H、第一圓弧半徑R、第二圓弧半徑Rb,如圖4所示。

    [size=0.8em]圖4 圓弧齒的6項齒形參數

    [size=1em]圓弧齒齒形參數的計算流程如下:

    [size=1em](1)坐標變換,將鋸齒邊緣各個點的坐標,從相機坐標系Ox′y′轉化至以鋸片圓心為原點的鋸片坐標系Oxy;

    [size=1em](2)鋸齒邊緣各點至鋸片圓心的距離值最大的兩點,分別為第一齒尖A點和第二齒尖B點。根據A點和B點在鋸片坐標系下的參數,求取齒寬參數T:


    [size=1em](9)

    [size=1em](3)根據經驗,齒深參數H約為0.45 T,第一圓弧半徑R約為0.25 T。因此,約有0.2 T的高度屬于前角對應的直線。為排除第一圓弧上的點,取A點以下0.18 T距離以內的數據,使用最小二乘法,擬合前角直線AC;采用相同的原理,使用B點往左0.4 T距離范圍內的數據,擬合第二圓弧,并求取第二圓弧半徑Rb;

    [size=1em](4)使用B點往左0.6 T至0.9 T距離范圍內的數據,使用最小二乘法,擬合第一圓弧,且使得第一圓弧與前角直線相切于C點,與第二圓弧相切于D點,從而得到第一圓弧半徑R;

    [size=1em](5)過A點作豎直線,其與前角直線的夾角即為前角λ;過B點做第二圓弧的切線,同時過B點作水平線,兩直線之間的夾角即為后角α;作一水平線與第一圓弧相切于E點,齒深H即為H=yA-yE。

    3 實驗及結果分析

    [size=1em]為驗證筆者推導的鋸齒參數測量算法的正確性,筆者搭建了鋸齒參數測量裝置,如圖5所示。

    [size=0.8em]圖5 鋸齒參數測量裝置

    [size=1em]圖5中:

    [size=1em]被測的2張高速鋼圓鋸片的直徑分別為285 mm和235 mm,均分布100個圓弧齒(即理論齒寬T分別為8.949 mm和7.379 mm);

    [size=1em]工業相機采用?礛V-CA050-10GM/GC(像素為5×106,像元尺寸為3.45×3.45 μm);

    [size=1em]鋸片旋轉驅動電機采用86步進電機;

    [size=1em]測量算法通過MATLAB平臺得以實現。

    [size=1em]此處的實驗針對HSS圓鋸片的圓弧齒展開,其測量的結果如表1所示。

    [size=0.8em]表1 測量結果

    [size=1em]鋸齒參數的廠家測量值由廠家通過人工操作三坐標設備方式測量得到,實驗中以此為標準值;測量誤差由筆者測量值與廠家測量值計算得到

    [size=1em]由表1可以看出:

    [size=1em]筆者設計的鋸齒參數檢測裝置及算法,測量誤差控制在3%以內。在鋸片行業中通常默認15o的前角與后角,允許誤差范圍為±1°[18,19],即6.7%的誤差。

    [size=1em]由此可見,該測量結果可作為高速鋼圓鋸片選型、鋸片修磨檢測等依據。

    4 結束語

    [size=1em]針對高速鋼圓鋸片鋸齒參數的自動檢測的需要,筆者設計了一種基于圖像處理的自動檢測裝置,并研究了提高其檢測精度的檢測算法,最后通過搭建鋸齒參數測量裝置的原理樣機,對該裝置的檢測精度進行了實驗驗證。

    [size=1em]研究過程及結果如下:

    [size=1em](1)檢測包括鋸齒拍攝、鋸片夾持、鋸片旋轉、鋸片水平檢測、鋸片水平調整5個步驟,操作人員只需完成鋸片的裝夾與拆卸,并在激光傳感器組的檢測配合下,將高速鋼圓鋸片調水平,即可自動完成所有鋸齒參數的檢測;

    [size=1em](2)針對高速鋼鋸齒表面的灰度值噪聲引起鋸齒參數識別誤差大的問題,筆者引入最大類間與類內方差比法,可大幅度提升鋸齒邊緣檢測的準確率,進而保證鋸齒齒形參數的檢測精度;

    [size=1em](3)通過與行業內公認的高精度三坐標測量儀的檢測結果進行比對,結果表明裝置及算法對鋸齒參數的檢測誤差在3%以內;

    [size=1em]該鋸齒參數自動檢測裝置具有操作簡單、成本低廉的特點,因而在經常采用鋸片的各制造行業內具有很好的推廣價值。

    [size=1em]基于該鋸齒參數自動檢測裝置,在后續的工作中,筆者將開展鋸片工況分析、鋸片剩余壽命預測、鋸片安全狀態評估等研究,即根據檢測的切割前鋸齒參數和切割后鋸齒參數,使用有限元迭代倒推該鋸片的工作切割力,然后融合應力分布等參數,以此來預測鋸片的剩余壽命;同時,對該鋸片的安全狀態加以評估。

    [size=1em]參考文獻(References):

    [size=1em][1] 邵傳偉.大尺寸圓鋸片工業生產中若干問題研究[D].中國科學院大學,2015.

    [size=1em][2] 譚金華.對鋸片市場及行業競爭格局的分析——黑旋風鋸業股份有限公司首次公開發行股票招股說明書[J].石材,2015(2):42-48.

    [size=1em][3] 張士強,李自芹,劉曉雯.金屬鋸片齒形參數優化[J].機械設計與制造,2012(11):192-194.

    [size=1em][4] UCHNEAT S, UMBERGER P, STEVENSON M, et al. Failure analysis of a fractured saw blade carbide tip[J].Journal of Failure Analysis and Prevention,2020,20(1):2-8.

    [size=1em][5] CHEN Yong-pei, LIU Jian-qin, ZHAO Ru-shi, et al. Wear state evaluation of inner-diameter saw blade based on vibration and noise signals during processing[J].Proceedings of the Institution of Mechanical Engineers Part B Journal of Engineering Manufacture,2020,235(4):095440542094910.

    [size=1em][6] JOSEPH M, ROBERT M. Combined saw blade and ruler[P].US,2004.

    [size=1em][7] 習寶田.圓鋸片適張和平整狀態光隙檢測法的理論與實踐[J].木工機床,1994(1):18-23,27.

    [size=1em][8] 張東偉.基于逆向工程的弧背齒型圓鋸修磨仿真研究[D].哈爾濱工業大學,2009.

    [size=1em][9] 李 龍.基于卷積神經網絡的圓鋸片基體尺寸視覺檢測技術研究[D].山東大學,2020.

    [size=1em][10] 李 超.基于視覺的合金圓鋸片鋸齒角度測量方法研究[D].天津大學.

    [size=1em][11] 侯田平,趙樹忠.冶金圓鋸片幾何參數的常用測量方法[J].機械工程與自動化,2017(2):220-224.

    [size=1em][12] 杜培明,張自強.基于亞像素精度的鋸齒角度測量[J].軟件導刊,2016,15(1):164-167.

    [size=1em][13] 陳文會,張 晶,樊養余,等.一種基于背景減法和幀差的運動目標檢測算法[J].電子設計工程,2013,21(3):24-26.

    [size=1em][14] 劉明興,劉澤平,李 斌,等.基于OTSU處理不均勻光照圖像改進算法研究[J].青島大學學報:工程技術版,2020(3):27-32.

    [size=1em][15] ROBERT K. Image pre-processing[J].Springer International Publishing,2018:11-16.

    [size=1em][16] 張志強,吳憲平,唐 勇.任意轉角位置的雙圓弧齒輪的齒廓數學模型[J].機械設計與研究,2005(4):51-54.

    [size=1em][17] 李紅梅.礦用低速重載雙圓弧弧齒錐齒輪仿真分析[J].機電工程技術,2021,50(7):3.

    [size=1em][18] 曹平祥.圓鋸片齒形,角度及應用[C].2005′全國木工刀具生產及應用技術研討會.

    [size=1em][19] MELISSA M, POKINES J T, REINECKE G. Correlation between saw blade width and kerf width[J].Journal of Forensic Sciences,2020:25-43.


    Automatic detection device and algorithm for saw tooth parameters of HSS circular saw blade
    [size=1em]LI Qin1, LU Di-fei1, CHEN Gui-qiang2, WANG Li-jun2
    [size=1em](1.School of Modern Information Technology, Zhejiang Institute of Mechanical & Electrical Engineering, Hangzhou 310053, China;2.Zhejiang Jinyun Hanli Saw Industry Co., Ltd., Jinyun 321400, China)

    [size=1em]Abstract: When computer vision technology was applied to high-speed steel(HSS)saw tooth edge detection, it was impossible to rely on the sawtooth edge to detect the sawtooth parameters. For this reason, an automatic detection device based on image processing and a detection algorithm to improve its detection accuracy were proposed. Firstly, the hardware structure of the detection device was designed, which was composed of five parts: sawtooth shooting, saw blade clamping, saw blade rotation, saw blade horizontal detection and saw blade horizontal adjustment. Then the software of the detection device was designed, which was composed of three steps: image preprocessing, sawtooth edge detection and sawtooth parameter calculation. To solve the problem of large identification error of sawtooth parameters caused by gray value noise on the surface of high-speed steel sawtooth, the maximum inter class and intra class variance ratio method were introduced to adaptively adjust the optimal gray threshold, so the saw tooth edge could be accurately detected, and the saw tooth parameters could be accurately calculated. Finally, a sawtooth parameter measurement device was built, and the feasibility of the sawtooth parameter measurement device and the correctness of the detection algorithm were verified through experimental methods. The results show that the detection accuracy of the detection device proposed was 3%, which is close to the detection results of other equipment such as three coordinates. Therefore, the proposed detection device can be used as a basic tool for the application of high-speed steel circular saw blade selection, saw blade grinding and detection, and so on.

    [size=1em]Key words: high-speed steel(HSS) circular saw blade;saw tooth parameters;edge detection; image processing


    [size=1em]收稿日期:2021-08-03

    [size=1em]基金項目:浙江省教育廳一般科研項目(Y201941686)

    [size=1em]作者簡介:李芹(1988-),女,湖南新寧人,碩士,講師,主要從事工業物聯網技術及其應用方面的研究。E-mail:446066620@qq.com

    [size=1em]通信聯系人:盧滌非,男,博士,教授。E-mail:10221039@zju.edu.cn

    [size=1em]DOI:10.3969/j.issn.1001-4551.2022.01.016

    [size=1em]中圖分類號:TH712;TP273

    [size=1em]文獻標識碼:A

    [size=1em]文章編號:1001-4551(2022)01-0107-05

    [size=1em][編輯:雷 敏]

    [size=1em]本文引用格式:

    [size=1em]李 芹,盧滌非,陳桂強,等.HSS圓鋸片鋸齒參數自動檢測裝置及算法研究[J].機電工程,2022,39(1):107-111.

    [size=1em]LI Qin, LU Di-fei, CHEN Gui-qiang, et al. Automatic detection device and algorithm for saw tooth parameters of HSS circular saw blade[J].Journal of Mechanical & Electrical Engineering, 2022,39(1):107-111.

    [size=1em]《機電工程》雜志:http://www.meem.com.cn






    您需要登錄后才可以回帖 登錄 | 注冊

    本版積分規則

    關閉

    站長推薦上一條 /1 下一條

    木工刀具論壇·免責聲明

    本站提供網上自由討論使用,所有個人言論并不代表本站立場,與本站立場無關,本站不會對其內容負任何責任。
    木工刀具網是非營利性交流網站,旨在進行個人學習和交流。本站內容均經過嚴格審查篩選,網站部分文章和資料均從網上搜集整理,由熱心網友自由上傳,版權歸原作者所有,只做為交流學習之用,不得用于商業用途,法律后果自負。如您發現違反國家法律法規的相關內容,請立即聯系我們,我們立刻從網站上刪除,并致以最深的歉意。 Email:yygyfnn@163.com 微信:157561175點擊這里給我發消息 點擊這里給我發消息點擊這

里給我發消息

    QQ|手機版|Archiver|家具木工機械刀具 ( 湘ICP備17003003號 )|網站地圖公網安備 33011802001189號

    GMT+8, 2022-6-8 22:37 , Processed in 1.203125 second(s), 10 queries , File On.

    Powered by Discuz! X3.4

    Copyright © 2001-2021, Tencent Cloud.

    快速回復 返回頂部 返回列表
    下面流水痒好想要男人_日本漫画工囗全彩内番h_久久精品国产99久久久小说_亚洲国产成人无码av在线影院
    <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <文本链> <文本链> <文本链> <文本链> <文本链> <文本链>