-
公开(公告)号：CN110942107A
公开(公告)日：2020-03-31
申请号：CN201911288303.7
申请日：2019-12-16
申请人： 上海大学
摘要： 本发明公开了一种基于零件工程图像的复合磨削加工特征自动识别方法，包括几何轮廓提取和工艺特征匹配两个主体步骤。其中外部特征和内部特征分别用实线线框和虚线线框表示，将几何轮廓提取划分为两个阶段，解决了自动特征识别技术中普遍存在的相交特征自动识别的难题。特征几何轮廓提取基于边界跟踪算法，得到由四个角点像素表示的每个特征的有效轮廓，其中利用CNN分类器对零件进行有无内部特征的分类，最后根据几何信息依次进行多种制造特征的有效自动识别。本发明不依赖于任何CAD工具或数据交换标准，可以自动提取多种典型复合磨削加工特征，保证较高的像素级精度，基于本发明的开发应用更加轻量化并且便于移植。
-
公开(公告)号：CN111300144A
公开(公告)日：2020-06-19
申请号：CN201911162860.4
申请日：2019-11-25
申请人： 上海大学
IPC分类号： B23Q17/09
摘要： 本发明涉及一种基于图像处理的刀具状态检测方法。本方法通过布置在机床侧壁主轴附近空余区域的图像采集设备，实时获取到刀具每次切削后的表面状态图片，在对图片进行区域裁剪、灰度处理、去噪及信号加强的基础上，通过卷积神经网络搭建的刀具状态检测模型实现对刀具的状态检测分类，再将预测结果通过TCP/IP协议输送到数控系统的相关宏变量中，以便用于数控加工程序的控制或换刀程序的控制。本发明通过简单的图像采集设备显微镜，在机获得刀具图像，无需拆卸刀具即可进行磨损状态检测，检测速度快并且不影响加工过程，降低了生产成本。利用卷积神经网络技术实现对刀具磨损状态的检测，符合实际工人经验的判断，所得结果与人为判断相似。
-
公开(公告)号：CN111300144B
公开(公告)日：2022-11-04
申请号：CN201911162860.4
申请日：2019-11-25
申请人： 上海大学
IPC分类号： B23Q17/09
摘要： 本发明涉及一种基于图像处理的刀具磨损状态自动检测方法。本方法通过布置在机床侧壁主轴附近空余区域的图像采集设备，实时获取到刀具每次切削后的表面状态图片，在对图片进行区域裁剪、灰度处理、去噪及信号加强的基础上，通过卷积神经网络搭建的刀具状态检测模型实现对刀具的状态检测分类，再将预测结果通过TCP/IP协议输送到数控系统的相关宏变量中，以便用于数控加工程序的控制或换刀程序的控制。本发明通过简单的图像采集设备显微镜，在机获得刀具图像，无需拆卸刀具即可进行磨损状态检测，检测速度快并且不影响加工过程，降低了生产成本。利用卷积神经网络技术实现对刀具磨损状态的检测，符合实际工人经验的判断，所得结果与人为判断相似。
-
公开(公告)号：CN110942107B
公开(公告)日：2023-05-19
申请号：CN201911288303.7
申请日：2019-12-16
申请人： 上海大学
IPC分类号： G06V10/764 , G06V10/44 , G06V10/82 , G06T7/00 , G06T7/12 , G06T7/13 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于零件工程图像的复合磨削加工特征自动识别方法，包括几何轮廓提取和工艺特征匹配两个主体步骤。其中外部特征和内部特征分别用实线线框和虚线线框表示，将几何轮廓提取划分为两个阶段，解决了自动特征识别技术中普遍存在的相交特征自动识别的难题。特征几何轮廓提取基于边界跟踪算法，得到由四个角点像素表示的每个特征的有效轮廓，其中利用CNN分类器对零件进行有无内部特征的分类，最后根据几何信息依次进行多种制造特征的有效自动识别。本发明不依赖于任何CAD工具或数据交换标准，可以自动提取多种典型复合磨削加工特征，保证较高的像素级精度，基于本发明的开发应用更加轻量化并且便于移植。
-
-
-
搜索结果
4 条记录 (耗时 0.012 秒)