来源：期刊VIP网 时间：
作者：孙维方;夏林志;周余庆;曹新城;
单位：温州大学机电工程学院;嘉兴南湖学院机电工程学院;厦门大学航空航天学院;
摘要：刀具磨损状态的鲁棒评价对于保证加工效率提高产品供给质量具有重要的作用。针对于现有刀具磨损状态直接评价方法难以自适应进行磨损区域划分的问题，提出了一种结合图像语义分割与形态滤波的铣削刀具磨损状态智能评价方法。首先，通过引入压缩-激励结构，融合U-Net网络编码与解码过程中对应特征信息，提高模型的语义分割性能，实现小样本条件下刀具图像的像素级分割。为进一步改善网络输出效果，提出一种分段处理的优化策略，针对于不同磨损阶段的刀具图像采用不同的结构元进行形态学滤波处理。最终，通过统计形态学滤波后分割区域面积实现刀具磨损状态的定量评价。实验结果表明，较之经典U-Net结构，提出方法可提高识别准确率10%左右，论证了所提出方法的有效性。提出方法针对刀具图像逐像素进行磨损状态的自适应判断，可广泛适用于不同刀具类型的磨损状态评价过程。
关键词：图像语义分割;;深度学习;;刀具磨损;;图像处理;;形态学滤波;;定量评价
基金资助：浙江省自然科学基金（LQ21E050003）
