基于深度学习的切削刀具刀尖磨损检测方法

来源：计算机集成制造系统杂志2025年第7期北京时间：

作者：卢治业, 黄华, 郭润兰, 张昊, 张存东

单位：兰州理工大学机电工程学院

摘要：刀具的状态直接影响着工件质量,但刀具在机监测距离较远导致图像中铣刀刀尖过小难以检测。为解决该问题,进一步提高刀尖磨损的检测精度,提出利用深度学习进行铣刀刀尖磨损监测的方法。将YOLOv5与改进后的U-Net相结合,首先使用YOLOv5对采集到的铣刀图像进行处理,识别并提取刀尖部分,然后利用改进的U-Net网络对提取的图像进行刀尖磨损区域的分割。改进后的U-Net在原网络的Encoder结构中加入Residual Blocks残差块,在Decoder结构中加入ECA注意力机制。实验结果显示,改进的U-Net相比于原U-Net、Deeplabv3+和PSPNet,mIOU分别提高了8.39%,7.1%和17.66%。同时,其检测时间相比Deeplabv3+和PSPNet分别缩短了85.52%和86.73%。综上所述,该方法解决了由于刀具在机监测需远距离拍摄而导致铣刀刀尖磨损难以检测的问题,显著提高了检测效率。

关键词：YOLOv5,改进的U-Net,深度学习,刀尖磨损,注意力机制

基金资助：国家自然科学基金资助项目(52365057);甘肃省科技重大专项资助项目(23ZDGE002);温州市科技计划资助项目(G2023045)。