基于局部纹理的低成本在线自动刀具磨损监测系统
计算机视觉与模式识别
2024-02-12 v1 人工智能
机器学习
摘要
在这项工作中，我们提出了一种基于计算机视觉和机器学习的在线、低成本且快速的新方法，用于根据磨损程度判断边缘轮廓铣削过程中使用的切削刀具是可用还是作废。我们创建了一个包含254张边缘轮廓切削头图像的新数据集，据我们所知，这是第一个具有足够质量用于此目的的公开可用数据集。所有的刀片都被分割出来，其切削刃被裁剪，获得了577张切削刃图像：301张可用和276张作废。所提出的方法基于：(1) 将切削刃图像划分为不同的区域，称为磨损块(Wear Patches, WP)；(2) 使用基于局部二值模式(Local Binary Patterns, LBP)不同变体的纹理描述符将每个区域表征为磨损或可用；(3) 根据这些WP的状态，确定切削刃（进而刀具）是可用还是作废。我们提出并评估了五种不同的块划分配置。单个WP由带有交集核的支持向量机(Support Vector Machine, SVM)进行分类。最佳的块划分配置和WP纹理描述符在作废切削刃检测中达到了90.26%的准确率。这些结果为边缘轮廓铣削过程中的自动磨损监测展示了非常有前景的机会。
引用
@article{arxiv.2402.05977,
title = {Tool wear monitoring using an online, automatic and low cost system based on local texture},
author = {M. T. García-Ordás and E. Alegre-Gutiérrez and R. Alaiz-Rodríguez and V. González-Castro},
journal= {arXiv preprint arXiv:2402.05977},
year = {2024}
}