由己有的资料检索可知，Matsushima等人于1979年就尝试利用图像处理及
视觉系统进行刀具状态检测【1】。其工作原理是在每一次更换刀具的时候，用TV照相机拍摄刀具图片，经过人工选择闽值的方法把灰度图转化为二值图，然后直接从所获得的二值图像计算后刀面的磨损宽度，从而来实现磨损状态的判断。但因为磨损区域表面纹理的不规则性和光强度的变化使得使用全局闽值常常会生成离散的黑色像素的二值图像，这样就会容易导致错误的结果。
    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。41376
    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。论文网
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。 国内外基于计算机视觉的刀具磨损状态检测技术的研究现状:http://www.youerw.com/yanjiu/lunwen_41407.html