臺灣博碩士論文加值系統

本文主要目的是要達成CNC銑床之常用銑刀的磨損檢測及尺寸辨識，過程中利用顯微鏡頭及影像處理技術來完成銑刀的精密自動檢測，並應用於加工前刀具的把關，如銑刀有異常則可提前更換，以減少後續因異常而須處理的時間，降低產品因異常刀具加工所造成超出公差範圍的風險，更可減少機台巡檢人員需求，降低人事成本。
本文所提自動檢測方法主要依據下列步驟，第一步先將銑刀樣板影像經由Soble邊緣檢測建立形狀樣板來判定刀具種類。第二步將判別後的影像套用相對應的前處理，運用色彩影像抽取、顏色灰度值過濾將背景中的雜訊濾除以突顯銑刀須檢測部位，再加以二值化、斷開運算、邊緣檢測等三種影像處理技術，讓檢測部位更為準確。第三步將Soble後的邊緣影像建模加以精準定位，以讓每個銑刀影像都能置於影像平面的中間位置。最後，檢測刃口的像素面積來確定銑刀是否堪用。
本文利用常用的四種銑刀來加以實作，實作結果顯示本文所提的影像檢測技術在銑刀刀尖的尺寸辨識及磨損檢測之判定成功率可達95%。所以本文所提出的檢測技術相當具有實用性及可行性，可符合業界需求。

The main purpose of this thesis is to realize the wear detection and size identification of the ordinary milling cutter of CNC milling machine. In the process, the microscope lens and image processing technology are used to complete the precise automatic detection of the milling cutter and apply to the cutting of the tool before machining. If the milling cutter is abnormal, it can be replaced in advance to reduce the time required for subsequent abnormalities and reduce the risk of out-of-tolerance caused by abnormal tool processing. And it can also reduce the demand of machine inspection personnel and reduce personnel costs.
The automatic detection method proposed in this thesis is mainly based on the following steps. The first step is to determine the tool type by using the Sobel edge detection to create a shape template. The second step applies the discriminating image to the corresponding pre-processing, the techniques of color extraction and gray value filtering are used to filter the background noise to highlight the cutter portion to be detected, and then integrate three kinds of image processing such as binarization, open operation and edge detection technique, so that more accurate the detection site. The third step is to accurately position the edge image after Sobel so that each cutter image can be placed in the middle of the image plane. Finally, the pixel area of the edge is detected to determine whether the milling cutter is available.
In this thesis, the four commonly used milling cutters are used to realize the experiments. The experimental results show that the image detection technology proposed in this thesis can achieve a 95% success rate in the dimension identification and wear detection of the cutter tip. Therefore, the detection technology proposed in this thesis is quite practical and feasible, and can meet the needs of the industry.

摘要 i
英文摘要 iii
致謝 v
目錄 vi
圖目錄 ix
表目錄 xiv
第一章 緒論 1
1.1 前言 1
1.2 研究動機與目的 2
1.3文獻回顧 3
1.4 論文架構 6
第二章 影像處理技術概述 7
2.1 色彩空間 7
2.1.1 RGB色彩空間 7
2.1.2 HSV色彩空間 8
2.1.3顏色擷取 10
2.2 二值化 11
2.3 直方圖強化 12
2.4 膨脹與侵蝕運算 14
2.4.1膨脹運算 14
2.4.2侵蝕運算 16
2.4.3斷開運算 17
2.4.4閉合運算 18
2.5 濾波 19
2.5.1均化濾波 19
2.5.2中間值濾波 20
2.6 邊緣檢測 22
2.6.1 Sobel邊緣檢測 23
2.6.2 Laplacian邊緣檢測 24
2.7樣板比對 25
2.8連接元區域標定 27
第三章 銑刀材質與規格介紹 30
3.1銑刀材質 30
3.2 銑刀規格 34
3.3 銑刀磨損與瑕疵 36
第四章 銑刀檢測演算法設計 39
4.1 銑刀樣本擷取 39
4.2 銑刀檢測演算法 40
4.2.1 影像前處理流程設計 41
4.2.2 銑刀檢測流程設計 43
第五章 實驗結果 55
5.1 銑刀檢測硬體架構 55
5.2 銑刀樣本擷取 56
5.3 樣本擷取與比對結果 59
5.3.1未磨損刃口建模 59
5.3.2擷取結果統計表 63
5.3.3 檢測結果 64
5.3.4 成功率統計與分析 79
第六章 結論與未來展望 84
6.1結論 84
6.2 未來展望 85
參考文獻 86

[1]S. Y.Kim, D.Han, S.J.Choi, and J.S. Park, “Image Contrast Enhancement Based on the Piecewise-LinearApproximation of CDF”, IEEE Transaction on Consumer Electronic，vol.45，no.3, pp. 828-834, 1999.
[2]劉濬帆，工件表面粗糙度與加工副產物顏色之影像視覺檢測，國立虎尾科技大學機械與電腦輔助工程研究所，碩士論文，2014。
[3]彭振軒，使用樣板比對做進出口行人數量統計，國立中央大學資訊工程研究所，碩士論文，2006。
[4]黃冠燐，影像視覺之XY伺服追蹤與定位，崑山科技大學電機工程研究所，碩士論文，2018。
[5]陳健立，以電腦視覺畫面鑑定車削刀片等級之技術研究，朝陽科技大學工業工程與管理系，碩士論文，2012。
[6]劉逸群，背光影像增強方法的研究，國立高雄第一科技大學電腦與通訊工程系，碩士論文，2016。
[7]陳建樺，嵌入式視覺系統之電動割草機驅動控制研製，崑山科技大學電機工程研究所，碩士論文，2015。
[8]Y .Li, L. Jian, T. Jinwen, X. Honbo, “A fast rotated template matching based on point feature”, Proceedings of the SPIE 6043, pp. 453-459, 2005.
[9]C.L. Su, “Face recognition by feature orientation and feature geometry matching”, Ph. D. Dissertation, The University of Southwestern Louisiana, 1995.
[10]W. Wasfy, and H. Zheng, “Dual image processing algorithms and parameter optimization”, Natural Computation (ICNC),Seventh International Conference om, Vol. 2, pp. 946-950, 2011.
[11]周杰，透過影像處理進行實物空間定位，國立成功大學，碩士論文，2018。
[12]U. Dhond, and J.Aggarwal, “Structure from stereo-areview,IEEE Transactions on Systems,Man,and”, CyberneticsV19(6),pp.1498–1510.1,1989.
[13]王宏慶，以機器視覺檢測精密加工表面孔徑之研究，國立彰化師範大學電子工程學系，碩士論文，2010。
[14]黃弘力，煞車總泵機器視覺檢測系統之開發，建國科技大學自動化工程系研究所，碩士論文，2013。
[15]OMRON-FH-1050,http://www.omron.com.tw/data_pdf/cat/fh_sdnb-028_tw_18_7.pdf?id=3210
[16]P.W. Chen, and C.C.Peng, “The Research of Three Dimensional Profile Measurement and Reverse by Using Image Processing Technique, Master Thesis”, Department of Aerospace Engineering, Tamkang University, Taipei, Taiwan ,2006.
[17]林偉超，機器視覺於圓鋸片齒型檢測之應用，國立勤益科技大學機械工程系碩士論文，2012。
[18]碧威銑刀材質參考資訊: http://www.onurteknik.com/
[19]連國珍，數位影像處理MATLAB，書號SIM-949A，儒林圖書有限公司，2009年4月出版。
[20]台灣OMRON: http://www.omron.com.tw/