∗

刀具磨损检测中的图像处理技术研究现状及展望
丁玉辉 曹 岩 付雷杰 白 瑀
（ 西安工业大学机电学院，陕西 西安 ７１００２１）

摘 要：针对刀具磨损检测在图像处理技术中的发展现状总结，并对刀具磨损检测在图像处理技术应用趋势
下做出展望。 首先，对刀具的磨损检测系统简单的介绍和总结；其次，对检测后的图像预处理、磨损
区域提取及边缘检测、磨损状态识别技术的相关内容进行详细讨论。 最后，结合目前计算机视觉、人
工智能等新形势下对刀具磨损检测在图像处理技术中做出展望。
关键词：刀具磨损；图像处理；状态识别
中图分类号：ＴＨ６９ 文献标识码：Ａ
ＤＯＩ：１０􀆰 １９２８７ ／ ｊ􀆰 ｃｎｋｉ􀆰 １００５ － ２４０２􀆰 ２０２０􀆰 ０４􀆰 ０１０

Ｒｅｓｅａｒｃｈ ｓｔａｔｕｓ ａｎｄ ｐｒｏｓｐｅｃｔ ｏｆ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ

ｔｅｃｈｎｏｌｏｇｙ ｉｎ ｔｏｏｌ ｗｅａｒ ｄｅｔｅｃｔｉｏｎ
ＤＩＮＧ Ｙｕｈｕｉ ，ＣＡＯ Ｙａｎ ，ＦＵ Ｌｅｉｊｉｅ ， ＢＡＩ Ｙｕ
（ Ｓｃｈｏｏｌ ｏｆ Ｍｅｃｈａｔｒｏｎｉｃ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｘｉ􀆳ａｎ Ｔｅｃｈｎｏｌｏｇｉｃａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉ􀆳ａｎ ７１００２１，ＣＨＮ）

Ａｂｓｔｒａｃｔ：Ｉｎ ｔｈｉｓ ｐａｐｅｒ， ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｓｔａｔｕｓ ｏｆ ｔｏｏｌ ｗｅａｒ ｄｅｔｅｃｔｉｏｎ ｉｎ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ ｔｅｃｈｎｏｌｏｇｙ ｉｓ ｓｕｍｍａ⁃
ｒｉｚｅｄ， ａｎｄ ｔｈｅ ｔｒｅｎｄ ｏｆ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｔｏｏｌ ｗｅａｒ ｄｅｔｅｃｔｉｏｎ ｉｎ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ ｔｅｃｈｎｏｌｏｇｙ ｉｓ ｐｒｏｓｐｅｃｔｅｄ．
Ｆｉｒｓｔｌｙ， ｔｈｅ ｐａｐｅｒ ｉｎｔｒｏｄｕｃｅｓ ａｎｄ ｓｕｍｍａｒｉｚｅｓ ｔｈｅ ｔｏｏｌ ｗｅａｒ ｄｅｔｅｃｔｉｏｎ ｓｙｓｔｅｍ． Ｓｅｃｏｎｄｌｙ， ｔｈｅ ｒｅｌａｔｅｄ ｃｏｎ⁃
ｔｅｎｔｓ ｏｆ ｉｍａｇｅ ｐｒｅｐｒｏｃｅｓｓｉｎｇ， ｗｅａｒ ｒｅｇｉｏｎ ｅｘｔｒａｃｔｉｏｎ， ｅｄｇｅ ｄｅｔｅｃｔｉｏｎ ａｎｄ ｗｅａｒ ｓｔａｔｕｓ ｒｅｃｏｇｎｉｔｉｏｎ ａｒｅ ｄｉｓ⁃
ｃｕｓｓｅｄ ｉｎ ｄｅｔａｉｌ． Ｆｉｎａｌｌｙ， ｃｏｍｂｉｎｉｎｇ ｗｉｔｈ ｔｈｅ ｎｅｗ ｓｉｔｕａｔｉｏｎ ｏｆ ｃｏｍｐｕｔｅｒ ｖｉｓｉｏｎ ａｎｄ ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ，
ｔｈｅ ｐｒｏｓｐｅｃｔ ｏｆ ｔｏｏｌ ｗｅａｒ ｄｅｔｅｃｔｉｏｎ ｉｎ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ ｔｅｃｈｎｏｌｏｇｙ ｉｓ ｐｒｅｓｅｎｔｅｄ．
Ｋｅｙｗｏｒｄｓ：ｔｏｏｌ ｗｅａｒ； ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ； ｐｒｅｐｒｏｃｅｓｓｉｎｇ； ｓｔａｔｅ ｒｅｃｏｇｎｉｔｉｏｎ

制造业发展水平代表着国家经济发展水平的高 测技术、加速度监测技术、声发射监测技术、热成像监
低，而刀具是影响制造业发展的关键因素之一，刀具的 测技术、功率监测技术、电流监测技术以及多传感器融
磨损状态又制约着刀具的使用寿命和效率。 如何快速 合监测技术。 这些新型的检测技术很大程度上促进了
有效地检测刀具的磨损状态，对于提高工件加工效率 刀具磨损检测技术向着智能化、自动化方向的发展，刀
是非常重要的。 早期，刀具的磨损检测只是对单个信 具磨损检测技术也由原来的对单一信号的检测转变为
号进行检测，对收集到的单个信号运用不同的理论和 多信号的智能化信号处理检测技术。 刀具磨损检测技
方法来进行特征提取，最终得到刀具磨损状态的参数。 术发展过程中运用了很多成熟的先进理论和方法，比
随科学技术的快速发展，这种对单一信号的检测已无 如：图像处理技术、时域分析技术、频域分析或小波分
法满足检测的需要，于是出现了刀具磨损检测技术的 析技术等。 这些方法和理论不断完善着刀具磨损检测
快速发展。 到了上世纪 ７０ 年代后期，随着传感技术的 技术，在完善刀具磨损检测技术的同时，也促进了自身
第二次发展，出现了一种新的检测设备：集成传感器。 理论的发展。 本文主要研究的是图像处理技术在刀具
集成传感器的问世使得刀具磨损检测技术得到进一步 磨损检测中的发展。
发展；上世纪 ８０ 年代以后，伴随着传感技术的第三次 图像处理技术是使用电子计算机对图像的信息进
发展，刀具磨损检测技术慢慢趋于成熟，一些可表征刀 行处理的一门新兴技术，它是将图像反映的物理信息
具磨损特征的检测参数如切削力、加速度、声发射、温 通过计算机转换成电信号，并对转换后的信号进行增
度、光、功率及电流等都被发展成与之对应的切削力监 强、提取等处理的方法和技术。 ２０ 世纪 ６０ 年代，随着

∗ 陕西省重点研发设计计划项目：装备制造业可制造性知识挖掘与管理技术研究（ ２０１８ＺＤＸＭ－ＧＹ－ ０７７） ；西安工业大学校长基金项目：涡轮增

压器微小叶轮双目标数控精加工分区域螺旋轨迹优化（ ＸＡＧＤＸＪＪ１８００５）

· ５６ ·
计算机技术的发展，图像处理技术开始兴起，并逐步发 系统传入机床，机床进行相应的报警、停机操作。
展成一种热门的新兴技术。 ２０ 世纪 ７０ 年代中期，随
表１ 两种常见的检测方法
着计算机技术和人工智能技术的迅速发展，图像处理
检测方法 传感器 工作原理 适用范围和特点
技术进一步飞跃，人们开始研究如何运用计算机来解
光学 光纤、光学传 用磨损面反射的光
释图像，从此，计算机视觉技术开始进入大众的视野。 各种加工；成本高
图像 感器摄像机 线或摄像机摄像
２０ 世纪 ８０ 年代，人们将图像处理技术应用于地理信
直
息系统，图像处理技术的应用领域得到不断扩展。 ２０ 接 接触
测头
检测切削刃位置
用于车、钻、铣；

世纪 ９０ 年代初期，随着小波理论与变换方法迅速地发
磁间隙传感器 受温度和切削影响
法
展，克服了傅里叶理论不能进行局部分析的缺点，图像 放射性 刀具里注入同位素， 各种切削加工；
放射性元素
处理技术得到迅猛发展。 进入 ２１ 世纪，计算机技术的 技术 测切屑里的放射性 对身体有危害

不断完善使得图像处理技术进入鼎盛时期，研究技术 切削温 测工件刀具间的切 用于切削；灵敏度低、不

热电偶
日益成熟，它广泛应用于人工智能、空间检测、生物医 度 削温度突发增量 能用于有冷却液的情况

学、以及工业检测等各种领域，并促进这些学科进一步 表面粗 激光传感器 测表面粗糙 用于车、铣；非实

发展。 糙度 红外传感器 度的变化量 时监测，应用范围小

图像处理技术的迅速发展为刀具的磨损检测提供 超声 超声波热能 接受主动发射超 用于车、铣；受切削振

了方便，在提高检测准确性的同时降低了刀具检测的 波 器与接收器 声波的反射器 动影响，处于研究阶段
间
成本，成为刀具磨损检测的热门技术。 国内已经有相 加速度器、 用于车、铣、钻；单独使
接 振动 检测振动信号
关论文，比如：迟辉 ［１］ 等人已经对相关问题进行了一 振动传感器 用效果差，易受环境影响
法
定程度的阐述。 但是，这些论文发表较早。 最近几年 切削 应变力传感器 用于车、铣、钻；灵敏
检测切削力
相关领域发展非常迅速，出现了很多新的技术和应用 力 压电力传感器 度高，工作稳定，价格高
领域，因此有必要对刀具磨损检测技术中的图像处理 主电动机或进给 用于车、铣、钻；灵敏
功率 功率传感器
技术做进一步的归纳研究和探讨。 电动机功率 度低，响应慢，成本低

１ 刀具磨损检测中的图像获得 声发 声发射
检测声发射信号
用于车、铣、钻攻丝等；
射 传感器 灵敏度髙，实时监测
刀具的磨损检测分为两类，一类为直接检测，利用
检测仪器直接检测出磨损刀具的表面特征；一类为间
接检测，就是通过测量刀具在加工过程中由于磨损引
起的某些物理量的变化，来得出刀具的磨损情况。 由
于间接检测比较容易实现，传统的检测方法多数为间
接检测法。 但是这种对刀具状态的间接检测方法不能
精确地给出某一时刻刀具磨损的精确值，间接检测受
到一定的限制。 因此，研究人员致力于寻找一种直接
检测的方法来实现刀具磨损的实时检测。 常见的检测
方法如表 １ 所示。
近年来，随着图像处理技术的不断发展，研究人员
将图像处理技术应用到刀具磨损检测中去，并取得一
些显著地成果。 早在上世纪 ６０ 年代末，就有人将图像
处理技术应用到刀具后面磨损检测的研究工作中去，
并建立了简单的磨损检测系统，后来，越来越多的研究
人员通过摸索、研究，建立了一种较为成熟的刀具磨损 随着 １９７９ 年 Ｋ． Ｍａｔｓｕｓｈｉｎｉａ ［２］ 等人通过图像处理
图像处理系统。 如图 １ 所示，在机床工作台上设置合 技术得到刀具磨损状态的信息后，图像处理技术在刀
适的照明系统，利用 ＣＣＤ 照相机完成对刀具受损图像 具磨损检测中的应用一直是国内外研究人员关注的重
的采集，经过图像采集卡将收入的图像传输到计算机， 点方向。 Ｎｉｒａｎｊｉａｎ Ｐｒａｓａｄ Ｋ ［３］ 利用工业摄像机检测刀
再利用图像处理技术将收集的图像进行特征提取和特 具的前刀面和后刀面，结合神经网络等技术，实现了利
征分析，准确地对刀具的磨损情况进行判断，并由反馈 用少 量 数 据 来 检 测 刀 具 的 磨 损 情 况； Ｈ． Ｈ． Ｓｈａｈａｂｉ

· ５７ ·
等 ［４］ 将 ＣＣＤ 照相机固定于被测刀具的上方，将刀尖对
准照相机的镜头，在加工过程中采取刀尖的图像，与新
刀图像作对比，再通过检测切屑瘤作为研究参数来测
量刀具的磨损值。
目前，国内有很多基于图像处理技术检测刀具的
设备，如工业显微镜、ＣＣＤ 照相机等，适用于对小型刀
具的检测；但是这些测量仪器都只能对刀具进行静态
检测（ 也称脱机检测） ，不能对刀具在加工过程中进行
实时检测来了解刀具的磨损情况。 虽然新的刀具检测
仪已经利用了计算机技术和图像处理技术，具有很好
的刀具测量功能和测量精度，但是这些仪器也只能线
外检测，而且检测仪器价格昂贵，在国内不受欢迎。 造
成了目前研究刀具磨损直接检测的一大难题：在线检
测技术匮乏。 现有的刀具磨损检测的研究多数为静态
检测研究为主，在机检测的研究很为少见。 张昆、宋千
等 ［５］ 利用光电法直接测量刀具磨损值，将车床的刀架
退到设置好的光学测量区，拍摄后刀面图像，测量刀具
的磨损值；姜宇等 ［６］ 在机床进行换刀操作时，采取激
光光栅照射在被测刀具上的光栅投影，通过对比磨损
区域的有变形线条和未磨损区域的未变形线条来判断
刀具的磨损情况；石振明、邓非 ［７］ 在刀具磨损检测过
程中，通过三维控制场标定的摄像装置，采集刀具的影
像数据，借助三维可视化平台和影像分析对刀具的磨
损情况进行定量检测，实现了对刀具磨损情况的数字
化评估；关波 ［８］ 按静态下进行精确测量的方式，设计
了由光学成像系统、机械结构和图像测量软件三大部
分组成的图像式刀具几何参数测量系统。 该系统在背
光照明下，将待测刀具通过镜头投影到摄像机内的面
阵 ＣＣＤ 传感器上，经光电转换后所得图像由测量软件
处理，之后将所得的图像信息与精密平台位移数据融
合，得到最终的刀具尺寸参数；杨学刚 ［９］ 提出了一种
便携式刀具磨损在机检测方法。 该方法将微型显微镜
夹持于手机摄像头上，可对磨损刀具进行拍摄。 然后
将磨损图像传入计算机中，通过图像处理与数据分析
可得到刀具磨损数据，显著缩短了刀具磨损的检测时
间。 以上的研究对象多数为车刀，对旋转刀具的研究
很少。 其中 Ｙｏｎｇｈｏｎｇ Ｚｈａｎｇ 等 ［１０］ 用大功率激光照射
仪照射在空转镗刀刀片上，再由带有放大镜镜头的摄
像机拍摄其 ２ ｍｍ 视场的动态图像，实现了对旋转刀
具磨损的测量。
经过上述文献可以总结出，不管是国外还是国内，
对刀具磨损检测的图像采取一般都需要人工摆设和调
整好照明系统，对刀具的图像拍摄多数也非智能化的，
未能实现刀具全面自动化检测；检测系统存在一些缺
陷，如刀具的反光特性、工作台的工作环境、照明系统
· ５８ ·
的光照强度以及刀具磨损过程中的温度变化等，这些
因素都会对后期图像采取的质量产生一些影响。 为了
减少这些因素对图像获取质量的影响，我们有必要对
检测系统进行改良和完善。
此外研究人员还进行了刀具检测其他技术的研
究，例如：激光法、超声波法、人工神经网络技术，但这
些技术研究在刀具磨损检测中应用较少，没有成为刀
具检测研究的主流方向。 未来随着这些科学技术的发
展，刀具磨损检测技术将会变得越来越成熟。
２ 磨损区域的图像处理
经过检测系统收集的刀具图像不免会受到外界光
照、温度、以及机床抖动的影响，从而使得图像的质量
下降。 为了不影响后续图像的特征提取和边缘检测，
需要对图像进行一些处理，消除图像内部的噪声，来增
强图像的效果，为后期图像磨损状态的识别打好基础。
图像进行预处理后，对刀具图像的磨损区域进行提取，
准确地找出刀具磨损区域的位置，再对刀具进行定位，
测量出刀具的尺寸参数，最后对刀具图像进行磨损状
态的识别，来测量出刀具具体的磨损位置和磨损程度。
２．１刀具图像的预处理
刀具图像的预处理包括图像的去噪和图像的增
强。 由于获得的刀具原始图像存在一定的质量问题，
需要对刀具图像进行预处理。 图像的去噪是图像预处
理的第一步。 去噪主要去除的是图像在采集过程中产
生的高斯噪声和图像传输过程中产生的椒盐噪声。 由
于这些噪声的存在会掩盖图像中的一些特征，使得图
像的视觉效果变差，对后续的特征提取会产生误判行
为，所以必须对图像进行噪声去除。 图像的增强是图
像预处理的另一关键步骤。 由于机床工作环境的特殊
性，在采集刀具图像的过程中不能保证光照条件是指
符合光照要求的，导致图像的清晰度不高，很难分辨出
图像磨损区域的位置。 因此，有必要对图像进行增强
操作。
为了消除图像噪声，杨建国、肖蓉等 ［１１］ 采取自适
应中值滤波对噪声进行平滑去噪，进而得到处理后的
刀具图像；曹剑中，周祚峰等 ［１２］ 提出了基于空域双边
滤波和双树复小波变换的图像去噪算法，该算法使用
双树复小波变换对含噪声图像进行多尺度和多方向的
分解，对各个高频方向子带使用带有方向窗的局部维
纳滤波算法进行去噪，在重构过程中，对每一个尺度上
重构得到的低通图像使用空域的双边滤波算法进一步
的去除噪声；贾冰慧 ［１３］ 对图像中存在的两种噪声都做
了处理，对于高斯噪声采用均值滤波处理，椒盐噪声采
用中值滤波处理，通过均值 － 中值两种滤波对图像的
混合处理来达到预处理的目的；廖玉松、韩江 ［１４］ 面对
采集后的图像提出了一种基于灰度差及像素分布连续
性判断的方法来判断图像中存在的椒盐噪声，同样采
用基于像素分布连续性判断的方法对伪边缘噪声点采
取先检测后去除的方法进行处理；对于增强图像效果，
方便观察图像的特征，吴一全、殷骏 ［１５］ 对于数字全息
再现图像存在对比度低、边缘纹理不清晰问题，提出了
基于均匀搜索粒子群优化的 ｃｏｎｔｏｕｒｌｅｔ 域数字全息再
现像自适应增强方法，经 ｃｏｎｔｏｕｒｌｅｔ 分解后，对带通方
向子带利用非线性增益函数进行边缘增强；尹士畅，喻
松林 ［１６］ 利用红外图像低分辨率的特点提出了基于小
波变换和直方图均衡化的红外图像增强算法，通过改
进常规小波变换的红外图像增强算法，对高频小波系
数选择性的增强，结合直方图均衡化的算法，实现红外
图像增强的效果；何翔、任小洪 ［１７］ 采用中值滤波技术
结合对比度拉伸或是直方图均衡化技术对图像进行去
噪和补偿光照，使得图像效果得到加强，灰度分布更加
匀称。
通过研究发现，虽然这些方法在图像的预处理阶
段都起到了减小噪声、增强图像的作用，但是这些方法
仍然存在一定的局限性：均值滤波只是减小噪声的幅
值，并不能完全去噪；中值滤波理论上只适用于椒盐噪
声的去噪；灰度最小方差的均值滤波只是对噪声部分
进行平滑处理。 灰度变换和直方图均衡化技术可以达
到增强图像的效果，但是这种算法计算量较大，图像处
理时间较长，在图像处理过程中耗费了较多的时间。
为了克服这些方法的局限性，需要对现有的图像去噪、
图像增强方法进行优化，通过优化得到一种去噪效果
更好，算法更简单的预处理方法，来达到图像增强的
目的。
２．２ 磨损区域提取及边缘检测
在研究刀具磨损图像的处理过程中，磨损区域的提
取是图像处理的关键步骤，因为对刀具的磨损检测只是
要提取刀具的磨损区域的特征，未磨损区域的背景区不
需要提取出来。 这就需要对获得的刀具图像进行区域提
取。 如何准确地分割出磨损区域，提取出磨损区域的纹
理特征，对后续的刀具磨损状态识别起着重大的影响。
由于刀具图像的大部分信息都在图像的边缘，对刀具的
磨损也是边缘磨损，因此边缘检测在图像处理过程中不
可缺少。 边缘检测是对刀具的尺寸进行测量，对刀具进
行定位。 传统的机床在磨削前都要进行人工对刀操作，
这种操作方法效率比较低，而且对人身安全没有保障，边
缘检测技术的出现实现了机床对刀操作的自动化，消除
了人工操作的隐患。 对现有边缘检测技术进行研究和改
进，一直是研究人员努力的方向。
秦国华、李怡冉 ［１８］ 在对图像的处 理 和 算 法 研 究
中，提出了边界提取的局部方差阈值算法，给出了自适
应的局部方差阈值，清晰地将刀具磨损区从图像中分
割出来；管生启、屈云仙等 ［１９］ 在刀具磨损图像预处理
后通过大类间方差法对磨损区域的图像进行分割，划
分出磨损区域和未磨损区域；管生启、师红宇 ［２０］ 在运
用整数小波提升刀具磨损检测的方法时通过使用 ｏｕｓｔ
方差法对预处理后的图像进行分割从而得到具体的磨
损区域；李鹏阳，祝双武等 ［２１］ 在检测刀具磨损时提出
了基于改进的脉冲耦合神经网络，利用改进的脉冲耦
合神经网络将刀具的磨损区域和未磨损区域分割出
来，但是这种对磨损区域的提取有一定的局限，需要选
择合适 的 网 络 参 数 以 及 迭 代 次 数； 郑 建 明、 李 鹏 阳
等 ［２２］ 在对刀具进行分析时，采用多种方法来检测刀具
表面的纹理特征，通过提取磨损区域的纹理特征来判
别刀具的磨损状态。 对于刀具的边缘检测，主要是对
边缘检测方法的研究进行探讨。 刀具边缘检测方法有
很多， 例 如： Ｒｏｂｅｒｔｓ 算 子、 Ｓｏｂｅｌ 算 子、 Ｐｒｅｗｉｔｔ 算 子、
Ｋｉｒｓｃｈ 算 子、 Ｌａｐ ｌａｃｉａｎ 算 子、 ＬＯＧ 算 子、 Ｃａｎｎｙ 算 子
等，其中 Ｃａｎｎｙ 算子是目前刀具边缘检测的发展主流。
张川川，王俊元等 ［２３］ 为了提高刀具图像的处理效率，
利用 ＶＳ２０１０ 平台上的 Ｃ＃语言程序编写了 Ｃａｎｎｙ 算子
边缘轮廓提取算法。 对 Ｃａｎｎｙ 算子的时间复杂度进行
分析，对比几种经典的阈值分割法的运行时间，选取运
行时间最少的 Ｏｕｓｔ 法来提取刀具边缘及附近像素点
以 减 少 算 子 的 计 算 量， 再 使 用 Ｑｕｅｒｙ Ｐｅｒｆｏｒｍａｎｃｅ
ｃｏｕｎｔｅｒ 计时器对 Ｃａｎｎｙ 算子各模块计时。 这种改进
极大地提高了刀具图像的处理速度；林家宝 ［２４］ 在刀具
磨损参数测量过程中，提出采用 Ｃａｎｎｙ 算法对刀具进
行粗定位，用自定义模板优化的插值亚像素方法对刀
具进行边缘检测，利用最小二乘法对刀具的轮廓进行
拟合，同时提出了采用最小周长多边形近似在刀具轮
廓提取中的应用。 该方法的优化与应用对图像效果有
很大提高；贾冰慧 ［１３］ 避开了 Ｃａｎｎｙ 算子运行时间较长
的问题，运用具有各向异性的 Ｌａｎｓｅｒ 算子对刀具图像
进行像素级边缘提取，得到了亚像素级刀具的边缘；雷
振山、汤小娇 ［２５］ 在 ＬａｂＶＩＥＷ 平台上开发了基于机器
视觉的刀具测量系统，利用 ＩＭＡＱ Ｖｉｓｉｏｎ 提供的检测
方法设置检测线和构成边缘的门限值，对噪声较少的
图像进行简单边缘检测，对检测线进行逐个像素检测，
并按设定好的门限值来确定检测边缘。 对噪声较大图
像进行高级边缘检测来检测边缘。
通过上述讨论，刀具的磨损区域提取的方法有多
种，但是仍然存在一些不足：脉冲耦合神经网络方法不
能精确地将刀面磨损区域和背景区域分割开；Ｏｕｓｔ 分
· ５９ ·
割法需要人为设定局部方差阈值等。 边缘检测也是，
就以刀具磨损检测常用的 Ｃａｎｎｙ 算子算法为例，虽然
可以准确地检测出刀具边缘，但是算法比较复杂，计算
运行的时间较长，在计算过程中导致时间成本难以控
制。 这对刀具磨损图像的处理效率造成了影响。 为
此，为了提高刀具磨损区域的提取和边缘检测的效率，
我们要善于改进这些方法，取之优点，弥补缺点，在不
改变图像本质特征的基础上快速准确地对磨损的图像
进行处理。 保证后续的磨损状态识别可以顺利进行。
２．３ 刀具磨损状态的识别
磨损状态的识别作为刀具磨损检测的最终环节对
整个磨损检测过程起着决定性作用，它的检测结果直
接决定着刀具能否继续使用。 目前对磨损状态的识别
常用的检测方法有两种：一种是对磨损区域宽度的直
接检测；一种是对刀具表面的纹理特征和刀具切削形
态的间接检测。
对于磨损区域宽度的直接检测：何翔、任小洪
采用数字图像分割和亚像素边缘检测处理技术，自动
测量刀具磨损区域的磨损值，进一步判断出刀具的磨
损状态，实现刀具磨损状态的自动检测；李鹏阳、祝双
武等 ［２６］
利用改进的脉冲耦合神经网络图像分割法将
刀具的磨损区域与未磨损区域分割出来，再对分割后
的图像进行分析识别，实现对刀具磨损区域的直接检
［２７］
测；龙云淋 在刀具磨损检测时测量磨损区域的面
积、周长、长度和宽度，得到刀具的磨损量，判断出刀具
［２８］
的磨损状态。 对于间接检测：封海蕊
图像的刀具磨损状态监测方法，提取刀具在各种磨损
状态下的工件表面纹理图像和刀具后刀面磨损图像的
视觉特征，并建立图像特征与刀具磨损状态之间的联
系，以实现基于数字图像分析的刀具磨损状态的监测；
何翔、任小洪 ［２９］
运用带动量因子的最速下降 ＢＰ 神经
网络实现对刀具磨损状态识别，标定相机并采集刀具
图像；经过斜校正、边定位、坐标变换和曲线拟合等技
术处理，提取刀尖后角、刀尖角、刀尖半径和刀尖高度
４ 种特征参数并融合构成特征值；最后建立改进 ＢＰ 神
经网络模型，对刀具磨损情况进行预测。 该方法证明
仿真实验可以更好地提高刀具检测效率； Ｌｉｈｏｎｇ Ｌｉ、
Ｑｉｎｇｂｉｎ Ａｎ ［３０］ 在刀具磨损检测中提出了基于工件表面
纹理的检测方法，把获得的灰度直方图、表面波纹作为
工件表面的纹理特征向量，对刀具的磨损状态进行识
别；Ｓ．Ｄｕｔｔａ 等 ［３１］ 将改进后的灰度共生矩阵运用到对
表面纹理特征的分析中去，结合矩阵的对比度等研究
刀具的磨损状态。
综上述研究发现，不管是对刀具磨损区域的直接
· ６０ ·
检测还是对刀具表面纹理特征的间接检测，都对刀具
的磨损状态识别起着极大地作用，这些检测方法获得
的检测结果决定着刀具最终的磨损状态，因此，对这两
种检测方法进行改良和优化是非常重要的。 目前工业
上对刀具的磨损状态识别的检测并不是全面自动化
的，一些检测过程还是需要人为操作来完成，这就避免
不了人为操作产生的误差。 如果采用一些比较成熟的
技术实现刀具磨损状态的自动识别，那将会提高磨损
检测的效率，减少人力资源的浪费，也会避免人为误差
的产生，提高刀具磨损检测的准确性。
３ 发展展望
以上对刀具磨损检测中的图像处理技术进行了探
讨。 研究发现，图像处理技术在刀具磨损检测中发挥
着重要的作用，为刀具的磨损检测提供了方便；但是还
存在着一些问题，例如检测磨损区域结果精度不高、图
［１７］
像处理过程较复杂等，这就吸引着我们去寻求新的检
测技术来继续改善这些问题。 随着人工智能、深度学
习理论等一些新兴理论和技术的发展，将新兴技术运
用到刀具磨损检测中去成为可能。
３．１ 虚拟现实技术
虚拟现实技术（ ＶＲ） 一般适用于三维软件的设计
中，通过三维图形生成技术、多传感器交互技术及高分
辨率显示技术来生成逼真的虚拟环境，运用虚拟的环
境来模拟设计的对象，从虚拟的环境中提前熟知设计
研究基于数字 对象的各种特征。 作为技术科技的前沿，虚拟现实技
术具有沉浸性，通过生成的虚拟环境使人产生身临其
境的感觉；具有交互性，在虚拟环境中操作人员如同在
现实环境中一样与事物发生交互关系；虚拟环境可以
启发人的构想性，通过虚拟现实提高人们的创造性活
动，对事物产生新的构思；自主性使得虚拟现实技术可
以按照操作人员自己设计的物体模型和规律进行自主
运动。
随着科学技术的快速发展，虚拟现实技术也越来
越成熟，目前已经广泛应用到医学、军事、工业仿真、室
内设 计、 房 产 开 发、 娱 乐 等 一 些 关 键 领 域。 例 如 苗
岭 ［３２］ 利用虚拟现实技术在博物馆叙事性应用中讲解
藏品相关的故事；王震亚、刘梦鸽 ［３３］ 将游戏化设计理
念引入图书阅读软件设计中，来提高青少年对图书阅
读的兴趣等。 冷杰武 ［３４］ 等为了实现制造系统的物理
世界与数字化世界之间的相互操作，实现资源的智能
化组织，结合数字孪生技术提出了一种基于大规模个
性化模式的智能车间并行控制的数字双驱动制造网络
物理系统（ ＭＣＰＳ） 。 通过分散的数字双模型建立网络
物理连接，实现板式智能制造车间数字双驱动并行控 术领域，它主要是模仿人大脑的机制来解释获得的数
制的演示。 据，它可以分析出数据的组织结构，是一种基于人工神
结合当今虚拟现实技术的发展趋势，将这门技术 经网络的研究，用大量的数据和较好的算法来提高学
运用到刀具磨损检测中是有可能的，利用计算机建立 习算法的结果，减少了单一算法带来的局面性的缺点。
一个三维空间的刀具加工虚拟环境，研究人员通过三 由于这门技术刚刚兴起，许多应用的领域还有待研究
维虚拟仿真技术模拟出刀具在加工过程中的状态、刀 人员的开发，需要进一步对该技术进行研究。
面磨损情况及刀具周围温度的变化，从虚拟的工作环 目前深度学习广泛应用于语音识别、计算机视觉
境中模拟出真实刀具的受损情况，进而在设计刀具的 中。 它的模型结构可以分为生成性深度结构、区分性
时候对刀具容易磨损的地方进行改善，提高刀具的使 深度结构、混合型深度结构。 结合林杨 ［３７］ 的基于深度
用寿命。 未来，也可以将数字孪生技术应用到刀具磨 学习的刀具磨损研究，已经把深度学习理论引用到刀
损检测中来，在刀具没有设计之前就可以建立刀具工 具磨损检测中来，提出了一种基于深度学习的高速铣
作状态的数字化模型，在虚拟的空间对刀具的工作状 削刀具磨损状态监测方法，监督学习和有监督学习的
态进行仿真和模拟，并将真实的参数传送给实际的刀 有机结合，利用大量无标签数据进行训练，更加精确地
具设计者中，在刀具设计好后，在日常的加工中二者继 检测磨损刀具，让刀具的磨损检测更加智能化。 但是
续进行信息交互，持续地预测刀具磨损的状况以及刀 技术在逐步的更新状态中，目前的研究还有待后续的
具的使用寿命。 提高。
３．２ 机器人视觉技术 总体来说，虚拟现实技术、机器人视觉技术以及深
工业发展的新形势下，工业机器人成为制造业发 度学习理论等一些新兴技术如果可以应用到刀具磨损
展的主要动力来源，已经出现在一些大大小小的机械 检测中，必定会提高刀具磨损检测的智能化性，提高刀
制造厂中。 机器人视觉技术就是在工业机器人上设计 具磨损检测的效率，但是这些技术还未或者刚刚应用
具有视觉感知功能的系统，通过视觉感知系统来获得 刀具磨损检测中，在刀具磨损检测中有很大的发展空
工作环境的二维或三维图像，通过对获得的图像进行 间，值得我们继续来开发和发展这些技术，将这些新兴
分析，让机器人自己来识别物体，并确定物体的准确位 技术应用到刀具磨损检测以及更多未应用到的领域。
置。 减少了人为主观因素的影响，提高了生产效率和
４ 结语
生产制造的自动化程度。
随着国内制造业快速发展，对产品的检测和产品 本文对刀具磨损检测中图像处理技术的应用进行
的质量要求也越来越高，再加上机器人视觉技术可以 了分析研究，首先关于刀具磨损图像的获取方式，叙述
快速的收集信息，易于自动化处理，检测效果较好，使 了国内外检测系统的现状，其次对检测后的图像预处
得机器人视觉技术在制造业中有了较多的发展空间。 理、磨损区域提取及边缘检测、磨损状态识别技术的相
早在 ２００９ 年，舒军 ［３５］
在 ＲｏｂｏＣｕｐ 项目中提出了设计 关内容进行了详细讨论。
一组小型组足球机器人，组成一个强有力的机器人足 本论文主要研究内容如下：
球运动与检测系统；同年，杜荣 ［３６］
以 Ｍｏｔｏｍａｎ ｕｐ６ 机 （１） 论述检测系统的发展以及检测原理，分析对
器人为基础，研究并构建了一个基于机器视觉的工业 比两种检测方法。
机器人分拣系统。 有了上述机器人视觉发展的基础， （２） 对图像预处理中的噪声去噪和图像增强进行
我们可以把传统的刀具磨损检测系统换成具有视觉感 阐述和总结。
知功能系统的工业机器人，在机床加工过程中设置一 （３）对磨损区域的提取方法进行概述，总结几种边缘
台工业机器人，直接获取刀具工作环境的高频三维图 检测的算法，以 Ｃａｎｎｙ 算子算法为例进行优缺点分析。
像，通过工业机器人自身携带的图像处理系统来分析 （４） 对磨损状态识别的两种检测方法分别进行现
刀具的磨损情况，确定刀具的磨损状态，由自身的识别 状概括。
系统来判断刀具是否需要进行停刀、换刀操作，再经过 （５） 结合目前人工智能、大数据等一些新兴技术，
传感器将这些信息传输给机床，实现刀具磨损检测的 对刀具磨损检测技术进行展望。
全面自动化。 从上述分析来看，国内外对刀具磨损检测技术在图
３．３ 深度学习 像处理中的应用总结出以下几点：检测方法较多、检测
深度学习理论是计算机学习研究中一个新兴的技 功能逐渐强大、磨损区域提取方法多样化，边缘检测算

· ６１ ·
法也满足检测需要。 总体来说刀具的磨损检测在图像
处理中是一直在发展前行的，但是仍然有很多问题需要
解决。 笔者认为今后应在以下几个方面继续研究：
（１） 刀具的高反光特性以及刀具磨损时温度的变
化会影响图像的分析结果，应该提高光源的稳定性和
平衡度，减少外界系统对图像获取的干扰，提高图像获
取的质量。
（２） 直接检测大多数为停机检测，未能实现刀具
的全面自动化检测；优化检测方法，应用新兴技术来改
善停机检测带来的不足。
（３） 研究更精确的亚像素边缘检测算法，优化较
复杂的算法，减少算法运行时间。 提高边缘检测算法
的精度。
为了解决检测过程中存在的一些不足，实现刀具
磨损检测的全面自动化，需要结合目前的人工智能技
术、大数据等技术来继续研究尚未解决的问题。
参 考
［１］ 迟辉， 张伟， 陈颖，等． 图像处理技术在刀具磨损检测中的应用［ Ｊ］ ．
工具技术， ２００７， ４１（８） ：１０２－１０４．
［１６］ 尹士畅，喻松林． 基于小波变换和直方图均衡的红外图像增强［ Ｊ］ ．
激光与红外， ２０１３， ４３（２） ：２２５－２２８．
［１７］ 何翔，任小洪． 基于数字图像的刀具磨损状态检测技术［ Ｊ］ ． 机床
与液压， ２０１６， ４４（３） ：１２５－１２８．
［１８］ 秦国华，易鑫，李怡冉，等． 刀具磨损的自动检测及检测系统［ Ｊ］ ．
光学精密工程， ２０１４， ２２（１２） ：３３３２－３３４１．
［１９］ 管声启，屈云仙，高照元． 小波域同态滤波的刀具磨损检测［ Ｊ］ ． 机
械科学与技术， ２０１３， ３２（１１） ：１７０３－１７０７．
［２０］ 管声启，师红宇． 整数小波提升分解的刀具磨损检测方法［ Ｊ］ ． 制
造技术与机床， ２０１３（７） ：１３１－１３４．
［２１］ 李鹏阳，祝双武，郝重阳，等． 基于改进型脉冲耦合神经网络的刀具
磨损图像检测［ Ｊ］ ． 西北工业大学学报， ２００８， ２６（２） ：１９４－１９９．
［２２］ 郑建明，李鹏阳，李言，等． 基于 Ｈｏｕｈ 变换的刀具磨损监测加工表
面纹理特征提取［ Ｊ］ ． 机械科学与技术，２００９， ２８（６） ：７１１－７１５．
［２３］ 张川川，王俊元，杜文华，等． 快速 Ｃａｎｎｙ 算子提取刀具图像边缘的
研究［ Ｊ］ ． 测试技术学报， ２０１５， ２９（２） ：１３２－１３６．
［２４］ 林家宝． 数控刀具自动视觉检测仪机电系统设计［ Ｄ］ ． 西安：西安
工业大学， ２０１５．
［２５］ 雷振山，汤小娇，李庆利． 基于机器视觉的刀具几何参数测量技术
［ Ｊ］ ． 工具技术， ２００４， ３８（１０） ：６６－６８．
文 献 ［２６］ 李鹏阳，祝双武，郝重阳，等． 基于改进型脉冲耦合神经网络的刀具
磨损图像检测［ Ｊ］ ． 西北工业大学学报， ２００８， ２６（２） ：１９４－１９９．
［２７］ 龙云淋． 基于图像处理的刀具磨损检测方法研究［ Ｄ］ ．南京： 南京

［ ２］ Ｍａｔｓｕｓｈｉｍａ Ｋ， Ｋａｗａｂａｔａ Ｔ， Ｓａｔａ Ｔ． Ｒｅｃｏｇｎｉｔｉｏｎ ａｎｄ ｃｏｎｔｒｏｌ ｏｆ ｔｈｅ ｍｏｒ⁃ 航空航天大学， ２０１７．

ｐｈｏｌｏｇｙ ｏｆ ｔｏｏｌ ｆａｉｌｕｒｅｓ［ Ｊ］􀆰 Ａｎｎａｌｓ ｏｆ ｔｈｅ ＣＩＲＰ， １９７９， ２８（１） ：４３－４７． ［２８］ 封海蕊． 基于数字图像的刀具磨损状态监测研究［ Ｄ］ ． 杭州：浙江

［３］ Ｎｉｒａｎｊａｎ Ｐｒａｓａｄ Ｋ， Ｒａｍａｍｏｏｒｔｈｙ Ｂ． Ｔｏｏｌ ｗｅａｒ ｅｖａｌｕａｔｉｏｎ ｂｙ ｓｔｅｒｅｏ 理工大学， ２０１３．

ｖｉｓｉｏｎ ａｎｄ ｐｒｅｄｉｃｔｉｏｎ ｂｙ ａｒｔｉｆｉｃｉａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ［ Ｊ ］ 􀆰 Ｊｏｕｒｎａｌ ｏｆ ［２９］ 何翔，任小洪． 基于改进 ＢＰ 神经网络的刀具磨损状态检测［ Ｊ］ ． 工
业控制计算机， ２０１５， ２８（１０） ：４９－５１．
Ｍａｔｅｒｉａｌｓ Ｐｒｏｃｅｓｓｉｎｇ Ｔｅｃｈｎｏｌｏｇｙ， ２００１， １１２（１） ：４３－５２．
［３０］ Ｌｉａｏ Ｙ， Ｓｔｅｐｈｅｎｓｏｎ Ｄ Ａ， Ｎｉ Ｊ． Ａｓｓｅｓｓｍｅｎｔ ｏｆ ｔｏｏｌ ｗｅａｒ ｂａｓｅｄ ｏｎ ｓｕｒ⁃
［４］ Ｓｈａｈａｂｉ Ｈ Ｈ， Ｒａｔｎａｍ Ｍ Ｍ． Ｉｎ － ｃｙｃｌｅ ｄｅｔｅｃｔｉｏｎ ｏｆ ｂｕｉｌｔ － ｕｐ ｅｄｇｅ
ｆａｃｅ ｔｅｘｔｕｒｅ ｐａｒａｍｅｔｅｒｓ ［ Ｃ ］ ． ＡＳＭＥ ２００９ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｍａｎｕｆａｃｔｕｒｉｎｇ
（ ＢＵＥ） ｆｒｏｍ ２－Ｄ ｉｍａｇｅｓ ｏｆ ｃｕｔｔｉｎｇ ｔｏｏｌｓ ｕｓｉｎｇ ｍａｃｈｉｎｅ ｖｉｓｉｏｎ［ Ｊ］ ． Ｉｎ⁃
Ｓｃｉｅｎｃｅ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ Ｃｏｎｆｅｒｅｎｃｅ． Ａｍｅｒｉｃａｎ Ｓｏｃｉｅｔｙ ｏｆ Ｍｅｃｈａｎｉｃａｌ
ｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ａｄｖａｎｃｅｄ Ｍａｎｕｆａｃｔｕｒｉｎｇ Ｔｅｃｈｎｏｌｏｇｙ， ２０１０， ４６（９
Ｅｎｇｉｎｅｅｒｓ， Ｉｎｄｉａｎａ， ２００９： ４６３－４７０．
－１２） ：１１７９－１１８９．
［３１］Ｄｕｔｔａ Ｓ， Ｄａｔｔａ Ａ， Ｃｈａｋｌａｄａｒ Ｎ Ｄ， ｅｔ ａｌ． Ｄｅｔｅｃｔｉｏｎ ｏｆ ｔｏｏｌ ｃｏｎｄｉｔｉｏｎ ｆｒｏｍ
［５］ 张昆，宋千，郝晓红． 金属切削刀具磨损的监控和预报研究［ Ｊ］ ． 中
ｔｈｅ ｔｕｒｎｅｄ ｓｕｒｆａｃｅ ｉｍａｇｅｓ ｕｓｉｎｇ ａｎ ａｃｃｕｒａｔｅ ｇｒｅｙ ｌｅｖｅｌ ｃｏ－ｏｃｃｕｒｒｅｎｃｅ ｔｅｃｈ⁃
国机械工程，１９９４，５（６） ：６１－６２．
ｎｉｑｕｅ ［Ｊ］． Ｐｒｅｃｉｓｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ， ２０１２， ３６（３）： ４５８－４６６．
［６］ 姜宇，杨国辉． 基于光栅投影技术的刀具磨 损三维特征提取方法
［３２］ 苗岭． 虚拟现实技术在博物馆叙事性设计中的应用探索［ Ｊ］ ． 包装
［ Ｊ］ ． 光学精密工程， ２０１７， １５（３） ：３９０－３９５．
工程， ２０１８（４） ：１５－１８．
［７］ 石振明，刘鎏，邓非，等． 摄影测量在盾构刀 具磨损检测中的应用
［３３］ 王震亚，刘梦歌． 青少年图书阅读软件的游戏化设计方法研究［ Ｊ］ ．
［ Ｊ］ ． 现代隧道技术，２０１５（４） ：１６５－１７２，１７８．
包装工程， ２０１８（２） ：８９－９４．
［８］ 关波． 刀具几何参数图像测量技术研究［ Ｄ］ ． 太原：中北大学， ２０１５．
［３４］Ｌｉｕ Ｑ， Ｚｈａｎｇ Ｈ， Ｌｅｎｇ Ｊ， ｅｔ ａｌ． Ｄｉｇｉｔａｌ ｔｗｉｎ－ｄｒｉｖｅｎ ｒａｐｉｄ ｉｎｄｉｖｉｄｕａｌｉｓｅｄ
［９］ 杨学刚． 基于视觉的钛合金铣削刀具磨损及加工表面粗糙度研究
ｄｅｓｉｇｎｉｎｇ ｏｆ ａｕｔｏｍａｔｅｄ ｆｌｏｗ －ｓｈｏｐ ｍａｎｕｆａｃｔｕｒｉｎｇ ｓｙｓｔｅｍ［ Ｊ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ
［ Ｄ］ ． 南京：南京航空航天大学， ２０１７．
Ｊｏｕｒｎａｌ ｏｆ Ｐｒｏｄｕｃｔｉｏｎ Ｒｅｓｅａｒｃｈ， ２０１８， Ｏｎｌｉｎｅ（１０１００６）．
［ １０］ Ｙｏｎｇｈｏｎｇ Ｚｈａｎｇ，Ｙｉｎｇｃｈａｏ Ｚｈａｎｇ，Ｈｕｉｑｉａｎｇ Ｔａｎｇ，ｅｔ ａｌ．Ｉｍａｇｅｓ ａｃｑｕｉｓｉ⁃
［３５］ 舒军． 小型组足球机器人视觉系统研究与设计［ Ｄ］ ． 武汉：湖北工
ｔｉｏｎ ｏｆ ａ ｈｉｇｈ－ｓｐｅｅｄ ｂｏｒｉｎｇ ｃｕｔｔｅｒ ｆｏｒ ｔｏｏｌ ｃｏｎｄｉｔｉｏｎ ｍｏｎｉｔｏｒｉｎｇ ｐｕｒｐｏｓｅｓ
业大学， ２００９．
［ Ｍ］ ．Ｉｎｔ Ｊ Ａｄｖ Ｍａｎｕｆ Ｔｅｃｈｎｏｌ，２０１０，４８： ４５５－４６０．
［３６］ 杜荣． 基于机器视觉的工业机器人分拣系统的研究［ Ｄ］ ． 南京：南
［１１］ 杨建国，肖蓉，李蓓智，等． 基于机器视觉的刀具磨损检测技术［ Ｊ］ ．
京林业大学， ２００９．
东华大学学报：自然科学版，２０１２， ３８（５） ： ５０５－５０９．
［３７］ 林杨． 基于深度学习的刀具磨损状态监测技术的研究［ Ｄ］ ． 合肥：
［１２］ 曹剑中，周祚峰， 唐垚，等． 基于双边滤波和双树复小波的图像去
中国科学技术大学， ２０１７．
噪算法［ Ｊ］ ． 光子学报， ２０１０， ３９（９） ：１７１２－１７１５．
第一作者：丁玉辉，男，１９９１ 年生，硕士研究生，主
［１３］ 贾冰慧． 基于机器视觉的刀具状态在机检测关键技术研究［ Ｄ］ ． 广
州：华南理工大学，２０１４．
要研究方向为刀具磨损、图像处理。
［１４］ 廖玉松，韩江． 基于像素分布特征的图像去噪法在刀具磨损检测中 （ 编辑 谭弘颖）
的应用［ Ｊ］ ． 机械设计， ２０１５（６） ：９３－９８． （ 收稿日期：２０１９－０３－０６）
［１５］ 吴一全， 殷骏． 粒子群优化的 Ｃｏｎｔｏｕｒｌｅｔ 域数 字全息再现 像 增 强 文章编号：２０２００４１５
［ Ｊ］ ． 中国激光， ２０１３， ４０（８） ：１８５－１９１． 如果您想发表对本文的看法，请将文章编号填入读者意见调查表中的相应位置。

· ６２ ·