1986年Lee等研究使用基于V工COM图像分析系统的综合性方法【2】。其原理是把刀具放在装有摄像机的显微镜下，然后用专门的设备进行处理。对刀具磨损图像的处理，首先是采用对比度拉伸算法增强图像，其次用交互性分割程序或得磨损区域的轮廓。但是由于交互性分割算法的局限性，限制了该技术在自动化场合的推广和使用。
    1987年，用于切削刀具磨损循环检测的光导纤文检测原件被EGiusti,M. Santochi和G. Tantussi研制出来，大大提高了系统的性能。其原理是采用两种
不同的光源和一个照相机拍摄前刀面和后刀面。对于前刀面磨损，使用漫射光源。
磨损图像分割通过10条像素宽的条完成，然后通过确定磨损和未磨损区域的平均灰度来选择闽值。此项技术只要将检测原件作很小的修改就可以应用与不同工作条件下的多种机床。
    1988年Kim和Jeon研究了相干光源的另一种方法在刀具状态检测方面的应用。其原理是切削刀具的尖端由激光束照明，照相机摄取后刀面反射帧面图像。其图像处理过程包括二值图像的去噪和磨损区域轮廓的生成。该方法有着较高精度和较高处理速度的特点，其精度可控制在0. lmm之内，速度可控制在1. 7s之内。
    1990年，Pedersen研究了把视觉检测原件应用于后刀面磨损的在线监测。其原理是把照明光源和照相机分别安装在VDF-BOehringerPNE480优尔角车床上，用平滑直方图决定的闽值获取刀具后刀面磨损区域。但因为刀具其它部分存在虚假反射，所以后刀面的磨损宽度变化较大，从而影响了系统的测量精度。
    1993年，Teshima第一次将视觉检测原件与神经网络结合起来对刀具寿命进行预测。其原理是将前后刀面的磨损状态和切削加工条件一起输入3层神经网络分类器，从而预测刀具的剩余寿命，但它把重点放在神经网络的处理方面而不是刀具磨损的评价方面上。
    1994年，D. C. D. Orgumanam,   H. Raafat和S. M. Taboun用双通道分割程序识别了在后刀面磨损区域内的三种纹理上的不同区域。其原理是为在不同的照明条件下所拍摄的几种不同刀具图像在每一区域分配灰度范围，然后使用Hough变换识别刀具尖端，它通过把图像点转换到参数空间中去识别图像中的直线和弧线。
    随着国外对基于计算机视觉的刀具状态检测技术研究的深入，国内在这个领
域也开始了初步的研究工作【3】【4】。一方面通过研究工件表面纹理的变化趋势来获取刀具的磨损程度，其主要研究方法有图像处理法、灰度共生矩阵法、等游程长度法、分数布朗运动法等，从理论上证明这些方法能够用于刀具状态的检测积累了一定的理论基础。另一方面是直接检测刀具本身的磨损图像，通过改善硬件系统，开发相应刀具状态检测软件来实现刀具状态的识别。再一方面就是通过间接研究切屑图像来识别刀具状态并预测其使用寿命。然而，该领域的研究还是很不完善，与实际应用还有相当一段距离。因此，基于计算机视觉的刀具状态检测的研究具有十分重要的意义。


2    课题的关键与难点
2.1    本课题的基本内容
现代设备向着高精度、高效率、超大型、超小型、高速、重载、节能、可靠性、文修性等方面发展，工作台机械系统、照明系统和机器视觉系统的设计是本课题的关键。检测系统最关键两点是工作台主动伸缩调整焦距和工业相机的选择，决定了机器视觉的清晰度和工作效率。

2.2     本课题的重点 钻头质量检测系统设计开题报告(3):http://www.youerw.com/kaiti/lunwen_41406.html