一种大磨粒超硬磨料砂轮磨粒等高性评价方法
技术领域
本发明涉及一种大磨粒超硬磨料砂轮整形技术和图像采集处理分析方法，属于砂轮修整技术和图像识别处理
技术领域
，具体是一种大磨粒超硬磨料砂轮磨粒等高性评价方法。背景技术
大磨粒超硬磨料砂轮以降低磨削过程复杂性、随机性、提高砂轮动态锋利度等优势，最大限度地对磨削过程中工艺参数优化匹配，达到主动控制磨粒运动轨迹，在磨削领域得到广泛的应用。但是，由于大磨粒超硬磨料砂轮制作后难以保证磨粒的出露高度一致，这将造成每个磨粒的实际切削深度相差很大，从而影响磨削工件的表面质量。因此，需要对大磨粒超硬磨料砂轮进行高效整形并对整形后的砂轮表面磨粒进行等高性评价。
为了提升大磨粒超硬磨料砂轮的加工效果，国内外学者在电镀金刚石砂轮、超硬磨料砂轮激光整形方面进行了许多研究。例如，激光修整法已被证明是一种有效的金刚石砂轮修整方法，可以实现超硬磨料砂轮的高效整形。为获得砂轮表面轮廓精度信息，激光位移传感器对电镀和烧结砂轮的圆跳动进行检测，可以获得在位砂轮轮廓形状精度。为获得砂轮表面磨粒几何形状和表面形貌等特征，主要采用扫描电子显微镜（SEM）、光学显微镜、白光干涉仪（WLI）等对砂轮表面进行观测。但是，由于砂轮表面积相对较大，以上检测手段大都局限在较小的检测范围，很难实现砂轮整个圆周表面地貌数据的获取，无法实现对砂轮的整体表面地貌的综合评价和分析。
发明内容
为了克服现有大磨粒超硬磨料砂轮整体全部磨粒高度信息获取困难、等高性评价困难的问题。本发明提供一种大磨粒超硬磨料砂轮磨粒等高性评价方法，基于激光检测技术和图像处理技术建立全数据采集-图像处理的磨粒等高性评价方法，可以实现整体砂轮表面地貌信息的获取和综合评价，为砂轮磨粒等高性提供技术指导。
本发明是这样实现的：
一种大磨粒超硬磨料砂轮磨粒等高性评价方法，其特征在于，所述的方法包括以下步骤：
步骤一、获取大磨粒超硬磨料砂轮表面三维数据信息，去除奇异点；
步骤二、去除噪点；
步骤三、对步骤二中去除噪点后的图像进行连通域分析，将图像中各个连通域找出并进行标记，采用种子填充法，初步得到磨粒的数量；
步骤四、连通域腐蚀处理：利用腐蚀操作，在进行磨粒数量统计前进一步去噪，由此获取的连通域数量，即为磨粒的数量；
步骤五、磨粒等高性评价结果分析：通过奇异点和噪点去除以及连通域分析、图像腐蚀等二值化图像处理后得到每间隔h高度基准面的金刚石磨粒数量；通过对大磨粒超硬磨料砂轮整形前后磨粒出露高度进行分析得到其分布规律。
进一步，所述的步骤一具体为：
1.1、首先，调整安装夹具，采用千分表进行测量保证砂轮圆跳动＜10μm，之后采用超高速轮廓测量仪对整形前后砂轮表面三维数据进行检测和采集；
1.2、将由超高速轮廓测量仪检测的砂轮表面的点云数据导入数据点处理软件进行数据处理，进行高度值分布统计；三维点云数据表示为：
其中，m, n分别为测量结果里沿x和y方向点的数量；
1.3、根据磨粒粒度号选取峰奇异点和谷奇异点范围，并确定高度基准平面，确定奇异点后利用二维线性差值函数对其进行重新修补。
进一步，所述的数据点处理软件包括MATLAB或者Python。
进一步，所述的步骤二具体为：
2.1、根据将去除奇异点后的点云数据导入数据点处理软件；由于在数据采集过程中，检测环境、表面杂质和缺陷会造成噪点的存在，因此应将其去除；遍历点云上的各点，以各点为中心确定5×5的核为邻域，计算邻域中各点与中心点高度差的绝对值：
其中，i是x方向点数量，j是y方向上点数量，t是z（i，j）周围的点的数量；
2.2、将计算的值按照大小排列，取排序集中位于中间位置的值作为中值滤波后的中心点的值；噪点去除原则是检测的点大于设定的高度阈值，即：
是高度阈值；
2.3、分别选取不同高度的基准面数据点处理软件处理后的二值化图像进行奇异点和噪点去除得到磨粒的二值化图像。
进一步，所述的大磨粒超硬磨料砂轮包括磨粒有序排布钎焊金刚石砂轮、磨粒有序排布CBN砂轮、电镀大磨粒金刚石砂轮及CBN砂轮。
进一步，所述的步骤三中连通域指图像中具有相同像素值且位置相邻的前景像素点组成的图像区域；所述的种子填充法为seed-filling种子填充法，是指选取一个目标像素点作为种子，然后根据连通区域的两个基本条件，即像素值相同，位置相邻，将与种子相邻的目标像素合并到同一个像素集合并看作是一个磨粒。
进一步，所述的步骤四中的连通域腐蚀是把可以是任意形状的结构元素，设为集合B，沿矢量x平移后，得到的集合完全包含于二值化图像目标区域集合A中，那么所有满足该条件的矢量端点的集合就构成图像A被结构元素B腐蚀的结果，记作。
进一步，所述的步骤五中所述每间隔一定高度基准面是根据磨粒平均粒径选择特定h值，包括10μm、15μm、20μm或者25μm。
本发明与现有技术相比的有益效果在于：1）本发明可以对整体金刚石砂轮表面地貌进行数据采集；2）本发明运用数据处理-图像处理结合的方法进行数据处理，可以实现大磨粒超硬磨料砂轮表面全部磨粒等高性的高效评价。
附图说明
图1为本发明大磨粒超硬磨料砂轮磨粒等高性评价方法流程图；
图2本发明大磨粒超硬磨料砂轮超高速轮廓测量仪表面三维数据获取；
图3为本发明大磨粒超硬磨料砂轮局部磨粒原始形貌、去奇异点、去噪点后的二值化图；
图4为本发明实施例中连通域分析获取磨粒方式；
图5为本发明实施例中二值化图像进行腐蚀前后的对比图；
图6为本发明实施例中每间距50 μm基准面的金刚石磨粒二值化图像；
图7为本发明实施例中大磨粒超硬磨料砂轮整形前后磨粒出露高度分布情况。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚，明确，以下列举实例对本发明进一步详细说明。应当指出此处所描述的具体实施仅用以解释本发明，并不用于限定本发明。
如图1所示，本发明大磨粒超硬磨料砂轮磨粒等高性评价方法过程如下：
本发明的在对大磨粒超硬磨粒砂轮整形前，采用超高速轮廓测量仪对激光整形前后砂轮表面三维数据进行检测，如图2所示。采用千分表保证砂轮圆跳动在10 μm以内。通过奇异点和噪点去除以及连通域分析、图像腐蚀等二值化图像处理后得到每间隔特定高度（h）基准面的金刚石磨粒数量。最后，对磨粒出露高度信息进行规律分析和研究。具体评价步骤如下：
步骤1：奇异点去除
首先，采用超高速轮廓测量仪（KEYENCE，LJ-V7060，Japan）对整形前后砂轮表面三维数据进行检测。检测前通过调整安装夹具保证砂轮圆跳动在一定范围以内（采用千分表进行测量）。
然后，将由超高速轮廓测量仪检测的砂轮表面的点云数据导入MATLAB，进行高度值分布统计。
根据磨粒粒号选取峰奇异点和谷奇异点范围，并确定高度基准平面，确定奇异点后利用二维线性差值函数对其进行重新修补。
步骤2：噪点去除
将去除奇异点后的点云数据导入MATLAB。由于在数据采集过程中，检测环境、表面杂质和缺陷等会造成噪点的存在，因此应将其去除。遍历点云上的各点，以各点为中心确定5×5的核为邻域，计算邻域中各点与中心点高度差的绝对值。
然后，将计算的值按照大小排列，取排序集中位于中间位置的值作为中值滤波后的中心点的值。噪点去除原则是检测的点大于设定的高度阈值。分别选取不同高度的基准面MATLAB处理后的二值化图像进行奇异点和噪点去除得到磨粒的二值化图像。
步骤3：磨粒数量识别。
对二值化图像进行连通域分析，将图像中各个连通域找出并进行标记，采用seed-filling种子填充法，初步得到磨粒的数量。
步骤4：连通域腐蚀处理。
利用腐蚀操作，可以消除过小而无意义的点，从而在进行磨粒数量统计前进一步去噪，由此获取的连通域数量即为磨粒的数量。
步骤5：磨粒等高性评价结果分析
通过奇异点和噪点去除以及连通域分析、图像腐蚀等二值化图像处理后得到每间隔特定高度（h）基准面的金刚石磨粒数量。通过对大磨粒超硬磨料砂轮整形前后磨粒出露高度进行分析得到其分布规律。
以下列举具体的数据对本发明的方法进行叙述：
实施例1：
采用超高速轮廓测量仪（KEYENCE，LJ-V7060，Japan）对整形前后磨粒有序排布钎焊金刚石砂轮表面三维数据进行检测。检测前通过调整安装夹具保证砂轮圆跳动在10 μm以内（采用千分表进行测量）。其中，超高速轮廓测量仪测量范围z轴60±8 mm，x轴15 mm，重复精度：z轴0.4 μm，x轴5μm，光点直径：约21 mm×45μm，轮廓数据数量：800个点，蓝色半导体激光，波长405 nm，输出功率10 mW，光斑直径约21 mm×45μm，轮廓数据间隔（x轴）20 μm，采样频率1000 Hz，砂轮转速10 rad/s。磨粒有序排布钎焊金刚石大磨粒超硬磨料砂轮超高速轮廓测量仪表面三维数据获取过程如图2所示。整形后的砂轮表面形貌采用三维视频显微镜（KEYENCE，KH-7700，Japan）进行检测。其中，
其中，是大磨粒超硬磨料砂轮直径，。
采用千分表保证砂轮圆跳动在10 μm以内。然后，采用建立的全数据采集-图像处理的磨粒等高性评价方法进行磨粒出露高度评价。
评价步骤如下：
（1）剔除奇异点，使数据可靠
由于一些金刚石磨粒侧面与超高速轮廓测量仪激光检测方向几乎相同，因此，入射的激光不能被反射被控制器接收，从而获取谷奇异点的极小值。峰奇异点则是由于相邻两金刚石磨粒侧面同时反射检测激光得到极大值。两者均需要剔除。
将由超高速轮廓测量仪检测的砂轮表面的点云数据导入MATLAB，进行高度值分布统计。三维点云数据可以表示为：
根据磨粒粒号选取峰奇异点和谷奇异点范围，并确定高度基准平面，确定奇异点后利用二维线性差值函数对其进行重新修补。
（2） 噪点去除，使数据更可靠
将去除奇异点后的点云数据导入MATLAB。由于在数据采集过程中，检测环境、表面杂质和缺陷等会造成噪点的存在，因此应将其去除。遍历点云上的各点，以各点为中心确定5×5的核为邻域，计算邻域中各点与中心点高度差的绝对值：
其中，i是x方向点数量，j是y方向上点数量，t是z（i，j）周围的点的数量。
然后，将计算的值按照大小排列，取排序集中位于中间位置的值作为中值滤波后的中心点的值。噪点去除原则是检测的点大于设定的高度阈值，即：
分别选取不同高度的基准面MATLAB处理后的二值化图像进行奇异点和噪点去除得到磨粒的二值化图像，如图3所示，（a）为大磨粒超硬磨料砂轮局部磨粒原始形貌的二值化图，（b）为大磨粒超硬磨料砂轮局部磨粒去奇异点的二值化图，（c）为大磨粒超硬磨料砂轮局部磨粒去噪点后的二值化图。
（3）磨粒数量识别。首先对二值化图像进行连通域分析，将图像中各个连通域找出并进行标记，采用seed-filling种子填充法，初步得到磨粒的数量。其中连通域指图像中具有相同像素值且位置相邻的前景像素点（获取目标）组成的图像区域。种子填充法是指选取一个目标像素点作为种子，然后根据连通区域的两个基本条件（像素值相同，位置相邻），将与种子相邻的目标像素合并到同一个像素集合并看作是一个磨粒， 如图4所示。
2）连通域腐蚀处理。利用腐蚀操作，可以消除过小而无意义的点，从而在进行磨粒数量统计前进一步去噪，由此获取的连通域数量即为磨粒的数量，如图5所示，其中左边的（a）图为腐蚀前，右边的（b）图腐蚀后。腐蚀是把可以是任意形状的结构元素（集合B）沿矢量x平移后，得到的集合完全包含于二值化图像目标区域集合A中，那么所有满足该条件的矢量端点的集合就构成图像A被结构元素B腐蚀的结果，记作。
大磨粒超硬磨料砂轮等高性评价方法主要是先采用千分表保证砂轮圆跳动在10μm以内，然后采用超高速轮廓测量仪获取砂轮表面三维数据，通过奇异点和噪点去除以及连通域分析、图像腐蚀等二值化图像处理后得到每间隔25 μm高度基准面的金刚石磨粒数量。每间距50 μm基准面的金刚石磨粒二值化图像如图6所示，（a）h=50 μm，（b）h=100 μm，（c）h=150 μm，（d）h=200 μm。
采用该方法对激光整形前后金刚石磨粒出露高度进行分析发现，磨粒有序排布大磨粒超硬磨料砂轮脉冲激光整形前磨粒出露高度主要集中在200-300 μm范围内，占比约为80.5%，整个砂轮表面金刚石磨粒出露高度近似呈正态分布（见图7）。然而，激光整形后金刚石磨粒出露高度整体降低，主要集中在150-225 μm，占比约为88.3%。这说明采用脉冲激光整形的方法对磨粒有序排布大磨粒超硬磨料砂轮进行整形可以明显改善磨粒的等高性，且采用该方法评价效率较高。
实施例2
与实施例1不同的是：本实施例采用的电镀大磨粒超硬磨料砂轮作为研究对象，采用Cr12不锈钢、油石等机械法对砂轮进行整形。根据砂轮的直径和磨粒粒度号设置砂轮转速、进给速度、修整深度、修整时间。然后采用本发明方法对砂轮磨粒等高性进行评价。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进，这些改进也应视为本发明的保护范围。
