刀具在切削过程中将逐渐产生磨损,当磨损达到一定程度后将会影响加工的尺寸精度和表面质量。刀具磨损关系到切削加工的效率、成本和质量,是加工过程所关注的重要问题之一。随着制造智能化、精细化的发展,对刀具磨损信息的监测提出了更高的要求,因此需要构建更加高效和智能的刀具磨损检测系统。本文以铣削过程中刀具磨损状态为研究对象,对刀具磨损检测的关键技术进行研究,主要完成以下内容:阐述了刀具的磨损形式和磨损机理,根据刀具磨损特点,对立铣刀的磨损图像识别算法进行研究,首先对相机进行标定,确定畸变参数,对图像进行矫正;然后对刀具磨损图像进行预处理,采用机器视觉方法获得刀具的磨损值。建立了基于卷积神经网络的刀具磨损类型识别方法。使用python、tensorflow搭建了卷积神经网络,添加权重正则化和丢弃层抑制过拟合,验证过拟合抑制效果。评估模型效果。通过试验采集获得的刀具磨损图像对模型进行训练,并对识别模型的准确度进行评估。设计了一套刀具磨损图像采集装置,具有同时获得铣刀侧刃与底刃磨损信息的功能,并针对机床主轴转速、进给速度、刀具直径、CCD工业相机的采集视野制定铣刀的动态采集方案。进行了刀具磨损在机测量试验,通过与使用超景深测量值对比,验证了系统的性能。开发了基于机器视觉刀具磨损检测系统软件。使用VC++开发环境,开发了具有双摄像头同时采集铣刀图片的功能的软件;结合opencv、tensorflow开发了刀具磨损图像处理和刀具磨损类型识别模块。