اندازه‌گيري ميزان سايش ابزار به كمك پردازش تصوير

Measurement of tool wear using image processing

در اين پژوهش يك روش قابل اطمينان براي تخمين ميزان سايش ابزار با استفاده از پردازش تصوير در نرم‌افزار متلب ارايه شده است. در اين راستا كد برنامه اي كه بتواند ميزان سايش تيغه فرز انگشتي را به صورت عددي به نمايش گذاشته و در پايان نمودار تمام مراحل سايش را به نمايش بگذارد طراحي شده است. با آماده‌سازي فرايند شامل عمليات فرزكاري، ابزار، قطعه كار، دستگاه اندازه‌گيري دقيق تصويري و دوربين شرايط لازم براي انجام آزمايش‌ها فراهم گرديد. در ابتدا با تنظيمات اوليه دستگاه فرز شامل (سرعت دوراني اسپيندل، سرعت پيشروي ميز، عمق براده برداري) فرآيند عمليات براده برداري روي فولاد AISI1070 با تيغه فرز روكش‌دار انجام گرفت و از تمام مراحل براده برداري تصوير تهيه شد. همچنين به منظور راست آزمايي عملكرد كد طراحي شده در نرم‌افزار متلب، بعد از هر مرحله براده برداري هم‌زمان با دستگاه اندازه‌گيري دقيق تصويري از لبه ابزار تصوير تهيه و ميزان سايش آن ثبت گرديد. به كمك پردازش تصوير امكان رصد عمر ابزار در فرآيند فرزكاري انجام شد. نتايج نشان مي‌دهد داده‌هاي حاصل از پردازش تصوير مي‌تواند شرايط عمر ابزار و روند اتمام عمر ابزار را مشخص كند.

In this research, a reliable method for estimating the amount of tool wear is presented using image processing in MATLAB software. Program code that can display wear of the blade milling numerically in the chart is designed to showcase all stages of wear. Preparation of experiments is done. The preparation process includes milling operations, tool, workpiece, vision measuring machine (VMM) and camera were provided for testing. First, the initial configuration for milling machine process (such as: spindle rotational speed, feed rate, depth removal) on the AISI1070 steel workpiece with covered plating tool was done and picture was taken from all stages of cutting condition. In addition for verifying the performance of the designed code in MATLAB, after each time the edge of tool observed by VMM and wear rate was recorded and data of experiments were stored. As a result, the possibility of determining tool life was carried out with the help of image processing in the milling process. The output data from image processing can specify the tool life and trend of tool life completion.