کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6868015 680649 2017 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Machine-vision-based identification of broken inserts in edge profile milling heads
ترجمه فارسی عنوان
شناسایی مبتنی بر ماشین های بصری از درج های شکسته در سرند پروفیل های لبه
کلمات کلیدی
بینایی ماشین، شناسایی خودکار، فرزکاری لبه، شکستن ابزار،
ترجمه چکیده
این مقاله یک سیستم بینایی بصری ماشین را به صورت خودکار تشخیص می دهد و در صورت شکسته شدن آنها را تعیین می کند. بر خلاف عملیات ماشینکاری که در ادبیات مورد مطالعه قرار گرفته است، ما در حال کار با ابزارهای فرز میل لنگ برای ماشینکاری پرخاش ورقهای ضخیم (تا 12 سانتیمتر) در یک پاساژ واحد هستیم. ابزار برش مورد مطالعه با تعداد نسبتا زیاد آن (تا 30) مشخص می شود که باعث می شود مکان بندی یک جنبه کلیدی را درج نماید. شناسایی درجهای شکسته برای سیستم نظارت دقیق ابزار ضروری است. در روش ما پیشنهاد می کنیم، ابتدا پیچ ها را در داخل قرار دهیم و سپس با استفاده از برخی از عملیات هندسی موقعیت و جهت گیری لبه برش را تعیین می کنیم. ما انحراف از لبه برش مورد انتظار را به لبه واقعی درجها محاسبه می کنیم تا تعیین کنیم که آیا یک لنگر شکسته است یا نه. ما روش پیشنهادی را بر روی مجموعه داده جدیدی که ما به دست آوردیم و منتشر کردیم، ارزیابی کردیم. نتیجه به دست آمده (میانگین هارمونیک دقیق و فراخوانی 91.43٪) نشان می دهد که سیستم بینایی دستگاه ما در حال حاضر موثر و مناسب برای شناسایی درج شکسته در ابزار ماشینکاری سر و آماده نصب در یک سیستم آنلاین است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
شناسایی مبتنی بر ماشین های بصری از درج های شکسته در سرند پروفیل های لبه
چکیده انگلیسی
This paper presents a reliable machine vision system to automatically detect inserts and determine if they are broken. Unlike the machining operations studied in the literature, we are dealing with edge milling head tools for aggressive machining of thick plates (up to 12 centimetres) in a single pass. The studied cutting head tool is characterised by its relatively high number of inserts (up to 30) which makes the localisation of inserts a key aspect. The identification of broken inserts is critical for a proper tool monitoring system. In the method that we propose, we first localise the screws of the inserts and then we determine the expected position and orientation of the cutting edge by applying some geometrical operations. We compute the deviations from the expected cutting edge to the real edge of the inserts to determine if an insert is broken. We evaluated the proposed method on a new dataset that we acquired and made public. The obtained result (a harmonic mean of precision and recall 91.43%) shows that the machine vision system that we present is effective and suitable for the identification of broken inserts in machining head tools and ready to be installed in an on-line system.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Robotics and Computer-Integrated Manufacturing - Volume 44, April 2017, Pages 276-283
نویسندگان
, , , ,