Wykrywanie zużycia ostrza na podstawie analizy różnic pomiędzy zdjęciami z oświetleniem z różnych kierunków

• Autorzy: Błażejak K.

Identyfikatory

DOI

doi.org/10.17814/mechanik.2017.10.122

Warianty tytułu

EN

Analysis of differences between images with lighting from different directions for detection of tool wear

• Języki publikacji: PL

Abstrakty

PL

W trakcie budowy systemu opartego na metodach wizyjnych najważniejszy jest dobór oświetlenia. Prawidłowo ustawione upraszcza analizę zdjęć. Opracowano prototyp systemu wykrywania obszaru starcia powierzchni przyłożenia noży tokarskich, ukazującego różnice pomiędzy kolejnymi zdjęciami tego samego ostrza oświetlonego z różnych kierunków.

EN

In developing a vision-based system, the most important thing is choosing the lighting. Properly set up simplifies image analysis. The prototype of the system for detecting wear of flank face, which detects the differences between successive images of the same tool illuminated from different directions, has been developed.

Słowa kluczowe

PL

diagnostyka stanu narzędzia; skrawanie; metody wizyjne

EN

tool condition monitoring; cutting; machine vision

• Wydawca: Stowarzyszenie Inżynierów i Techników Mechaników Polskich
• Czasopismo: Mechanik
• Rocznik: 2017
• Tom: R. 90, nr 10
• Strony: 834--836
• Opis fizyczny: Bibliogr. 10 poz., rys., tabl.

Twórcy

autor

Błażejak K.

• Zakład Automatyzacji i Obróbki Skrawaniem Politechniki Warszawskiej

Bibliografia

• 1. Teti R., Jemielniak K., O’Donnell G., Dornfeld D. „Advanced monitoring of machining operations”. CIRP Annals – Manufacturing Technology. 59, 2 (2010): s. 717–739.
• 2. Siddhpura A., Paurobally R. „A review of flank wear prediction methods for tool condition monitoring in a turning proces”. International Journal of Advanced Manufacturing Technology. 65, 1–4 (2013): s. 371–393.
• 3. Jemielniak K., Urbański T., Kossakowska J., Bombiński S. „Tool condition monitoring based on numerous signal features”. International Journal of Advanced Manufacturing Technology. 59, 1–4 (2012): s. 73–81.
• 4. Bombiński S., Błażejak K., Nejman M., Jemielniak K. „Sensor Signal Segmentation for Tool Condition Monitoring”. 7th HPC 2016 – CIRP Conference on High Performance Cutting. (2016): s. 155–160.
• 5. Żaczek J., Kossakowska J., Bombiński S. „Analiza możliwości wykorzystania systemu wizyjnego do rozpoznawania typu wiórów”. Inżynieria Maszyn. 19, 1 (2014): s. 102–114.
• 6. Chrzanowski J. „Sonda narzędziowa z funkcją pomiaru zużycia ostrza”. Mechanik. 12 (2015): s.14–17.
• 7. Dutta S., Pal S.K., Mukhopadhyay S., Sen R. „Application of digital image processing in tool condition monitoring: A review”. CIRP Journal of Manufacturing Science and Technology. 6, 3 (2013): s. 212–232.
• 8. Weis W. „Tool wear measurement on basis of optical sensors, vision systems and neuronal networks (application milling)”. Proceedings of WESCON ’93. (1993): s. 134–138.
• 9. Kurada S., Bradley C. „A machine vision system for tool wear assessment”. Tribology International. 30, 4 (1997): s. 295–304.
• 10. Pfeifer T., Wiegers L. „Reliable tool wear monitoring by optimized image and illumination control in machine vision”. Measurement: Journal of the International Measurement Confederation. 28, 3 (2000): s. 209–218.