刘 浩,陈再良,张 良

(苏州大学 机电工程学院,江苏 苏州 215131)

0 引言

车刀是一种用在机械加工过程中最常见的刀具。在刀具生产的过程中，由于工艺条件及生产过程中的运输不当等原因，刀具的表面会出现各种缺陷。这些缺陷会极大地破坏刀具的外观完整性和降低刀具的使用寿命。例如刀具的边缘豁口缺陷，可能会造成待加工表面的凸凹不平，进而影响产品的表面粗糙度和一致性；又如涂层剥落缺陷，可能会严重影响刀具的力学性能，造成加工过程中的“崩刀”[1]。因此，对刀具表面的缺陷进行检测具有重要的意义。所以刀具的健康检测也成为整个生产过程安全、顺利进行的一个重要环节[2-3]。刀具实物图见图1。

图1 刀具实物图

根据行业现状以及企业生产的情况来看，刀具的表面缺陷主要有划痕、凹坑、涂层剥落和边缘豁口这4种。

现有的质量检测方式可分为直接测量及间接测量法。直接测量法有机械接触法、机器视觉法、射线(X-ray or Gamma ray)检测法与电阻检测法。间接检测法是以间接参数来测量刀具质量，如电流检测、振动检测、发声检测等[4]。目前，刀具的表面缺陷检测主要通过人工肉眼完成[5]，这种检测方式效率低、准确率低、劳动强度大，无法适应现代大规模、高质量的生产需求。同时，由于必须在强光源的照射下才能快速准确的找到刀具的表面缺陷，会造成工人的用眼疲劳甚至是眼部疾病。

基于机器学习和深度学习的缺陷检测方式是近年来研究的热点和重点。……