凌志豪 ，朱锟鹏

(1.中国科学技术大学信息科学技术学院，合肥 230026；2.中国科学院合肥物质科学研究院先进制造技术研究所，江苏 常州 213164)

0 引言

随着计算机视觉技术的飞速发展以及在其他领域的广泛成功应用，基于机器视觉的刀具磨损检测方法逐渐成为刀具状态检测(TCM)领域的研究热点。此类方法能准确、直观地获知刀具磨损状态，实现在位/在线检测[1-3]，且捕捉刀具图像时不会损坏刀具。 在基于视觉检测的方法中，如何提高刀具边界检测的精度一直以来都是热点问题。多年以来，不少国内外学者针对这一问题做了大量的研究。文献[4]通过形态分量分析将刀具图像分成目标图像、噪声、背景三个部分，从中提取目标图像，降低噪声对检测的影响。文献[5-6]考虑车刀刀尖处的微细粉尘颗粒以及切屑堆积对刀具磨损检测的影响，提出通过Winner滤波，形态学操作等获取车刀的真实边缘，并利用相减法获取刀具磨损。文献[1,7]提出通过高斯曲线近似提取具有亚像素精度的刀具磨损边界。文献[8-9]利用矩信息去除传统方法获取的边界中存在的噪声，将Hough变换检测到的直线作为参考线，使用扫描法获取刀具的磨损值。同样是利用Hough变换，文献[10]利用其检测出的直线轮廓，研究了一种基于视觉的仿形铣刀刀片缺陷检测方法。更多相关的研究详见文献[11-15]。

刀具边界信息是决定基于机器视觉的刀具磨损检测方法结果准确性的关键，但目前的很多研究都是基于刀具图像中目标与背景具有良好的区分度[1,7,12]，仅使用传统的分割或边界检测算法便可准确获取刀具边界。……