整體硬質合金旋轉刀具的激光字符標識技術研究

龐存辰 徐 鋒 左敦穩 吳小軍 戶海峰

南京航空航天大學，南京，210016

0 引言

整體硬質合金旋轉數控刀具是較昂貴的消耗性資源，同時也是參與制造活動的重要輔助工具，在實際應用過程中需要反復重磨使用，能否對其進行自動化管理，不僅直接影響機床的正常使用及生產效率，還會影響加工成本［1］。

刀具全壽命周期管理可以為刀具相關部門提供刀具詳細信息，縮短刀具生產準備周期，降低刀具成本，刀具全壽命周期管理同時強調在統一的集成資源平臺下運行，以實現刀具各種信息的共享［2］。對刀具個體進行唯一性標識是實現刀具全壽命周期管理的基礎。刀具標識技術是實現刀具信息采集和追蹤、辨認刀具身份的重要技術之一。目前刀具的標識方法主要有條碼技術、射頻技術和直接標識技術［3］。條碼技術是相對成熟的技術，條碼的制作與條碼的識別都有成熟可靠的產品［4］。傳統的手段是將條碼打印出來粘貼在刀具表面，依靠條碼識別設備采集相應的信息。然而紙制條碼易破損、污損，條碼標記與刀具分離導致條碼的誤讀是不可能完全避免的，這樣就使得使用條碼技術準確跟蹤控制刀具的使用過程非常困難。射頻識別技術是以無線通信的方式讀取電子標簽里包含的編碼數據，但是該技術用于刀具的標識［5－6］有很大的局限性，要選擇合適的電子標簽并將其嵌入到小直徑的刀具中不僅非常困難，而且很可能會因此而改變刀具的物理參數，因此將射頻識別技術用在需要識別的刀具上就不太合適。直接標識指直接在物體表面標識可被機器識別的代碼。20世紀90年代末，NASA經過五年多的研究最終選擇了定點撞擊、電化學標識、直接激光標刻以及直接噴碼作為零件的主要直接標識技術［7］。目前，直接標識技術已經在汽車、電子、航空航天等領域得到了廣泛的研究與應用［8－10］。

旋轉刀具表面彎曲且可標識面積小，激光標刻己經被證明是唯一能夠保證圖像質量的刀具標識技術手段［11］。王蘇安［12］將激光標刻技術與二維條碼相結合成功解決了大部分刀具的直接標識問題，但該方法并不能勝任標刻面積小于4mm×4mm的小直徑旋轉刀具，并且使用一維碼或二維碼必須依賴于特定的條碼識別設備才能獲得標識信息。在實際的使用過程中，標識碼有可能因為刀具的多次裝夾而破損，從而導致標識信息無法讀取，甚至造成刀具無法利用，因而提高了成本。

針對上述問題，本文提出采用激光直接標刻數字的刀具直接標識技術。采用數字作為激光標識碼，具有簡便直觀的優點，在標識碼破損導致設備無法識別時仍然可以采用人工辨識，提高了刀具的可利用率。

1 小直徑硬質合金刀具的激光字符標刻技術

1.1 激光對硬質合金的刻蝕規律研究

在研究小直徑刀具表面激光直接字符標刻工藝前，本文首先研究激光對硬質合金的刻蝕規律。

試驗設備采用武漢楚天工業激光設備有限公司研制的型號為CT－LMK50－B的激光打標機。試驗所用樣件為厚度為4.76mm的YG6硬質合金銑刀片，采用不同的工作電流、標刻速度和重復頻率標刻長度為15mm的直線段。用Micro XAM非接觸表面形貌儀測量刻蝕深度，用工具顯微鏡測量刻蝕寬度。試驗結果取三次測量的平均值，圖1～圖3所示為試驗結果。

圖1 工作電流對標刻寬度和深度的影響曲線

圖2 標刻速度對標刻寬度和深度的影響曲線

圖3 重復頻率對標刻寬度和深度的影響曲線

激光功率隨著工作電流i的增大而增大，導致材料熔化和氣化現象加劇，因而激光標刻寬度b和深度h都隨工作電流i的增大而增大。

隨著激光標刻速度v的增大，材料被激光照射的部分接收到的平均熱量減少，導致標刻寬度和標刻深度變小。當v＞300m/s時，脈沖激光已經不能標刻連續的直線而是標刻出一個個間斷的凹坑。激光照射到的點接收恒定的能量，因而標刻深度和標刻速度趨于穩定。

激光峰值功率隨著脈沖重復頻率f的增大而減小，平均功率隨之增大。標刻寬度主要取決于激光光斑的大小，本試驗中標刻寬度在400～510μm內波動。標刻深度隨著重復頻率的增大而減小。

1.2 激光直接標刻字符工藝研究

本文采用單因素試驗研究激光直接標刻數字字符的規律。試驗樣件為φ3mm的YG6硬質合金立銑刀。標刻字體采用的是常用的Arial字體，標刻字符為123456。6位字符總長度為4mm，高度為0.7mm。

本文將標刻寬度和標刻對比度作為激光字符標刻質量的評價指標。試驗中發現，標刻寬度過寬時，標刻的字體筆畫間會相互粘連，導致字符模糊（圖4）；標刻寬度過小又會導致筆畫不連續，影響標刻字符的識別。本文中標刻寬度指的是字符2底部橫線的寬度；標刻對比度指的是標刻和未標刻的區域在亮度上的差別，對比度越大標刻清晰度就越大，則標刻質量就越好。標刻對比度的獲取方法如下：首先由CCD攝像機采集激光標刻字符的圖像，然后使用MATLAB軟件進行灰度化圖像處理并獲得標刻和未標刻區域的灰度值，最后計算標刻和未標刻區域的灰度值的百分比值作為標刻對比度。

圖4 字符“4”和“6”發生筆畫粘連

通過試驗發現，對于使用Arial字體在YG6硬質合金上進行字符直接激光標刻，當標刻對比度大于等于1.45時，字符比較完整且未發生筆畫粘連現象，當脈沖重復頻率為18kHz、工作電流為9.5A、標刻速度為1～5m/s時可以獲得較好的標刻質量。

進一步的激光標刻試驗發現，當采用i為9.3～9.7A、f為17.5～19kHz、v為1～5m/s的標刻參數在YG6硬質合金上進行字符直接標刻時，都可以獲得較好的標刻對比度和字符完整性，并且基本無字符粘連現象，故將上述標刻參數取值區間作為滿足后續圖像處理要求的最佳激光標刻參數范圍。使用最佳標刻參數范圍內的工藝參數進行激光標刻的效果如圖5所示。

圖5 使用最佳標刻參數范圍內的工藝參數的激光標刻效果圖

1.3 激光標刻字符字體的改進

在圓柱形刀具表面上標刻字符不可避免地會面臨字符變形的問題，主要原因有二條：①激光標刻字符時刀具處于靜止狀態，由于柱面曲率的存在使得標刻好的字符發生變形，導致字符信息在標刻階段就已經部分失真；②在采集刀具柱面上的字符圖像時，同樣由于柱面曲率的原因導致采集到的圖像上的字符底部發生很大的變形。

以上兩條原因導致的字符變形會使得字符識別成功率大大降低。如果標刻字符的高度和刀具的直徑比值很小，則第一條原因導致的失真基本上可以忽略。本文只考慮由于識別設備采集字符圖像時字符底部發生的變形失真。

由圖4可以看出，由CCD攝像機采集到的激光標刻字符的圖像上會有一條強烈的白色反光帶。為了不影響字符的識別，在采集圖像時必須將刀具向下或向上旋轉以避開反光帶。

以刀具標刻字符向下旋轉避開反光帶為例（圖6），有如下計算公式：

式中，θ為字符底部與刀具中心平面夾角，（°）；br為反光帶寬度；d為反光帶與字符間距；H為字符總高；R為刀具半徑；ba為字符底部橫線寬度；l為字符底部橫線弧長即原長。

圖6 標刻字符在刀具圓柱表面變形示意圖

刀具向上旋轉避開反光帶時計算公式類似。

為保證字符變形后各位置的線寬相等，需改變字符底部橫線寬度，因此本文將數碼管字體相應字符進行了改進（當刀具標刻字符向下避開反光帶時，則需要改變字符0、1、2、3、5、6、8的底部橫線線寬值；當刀具標刻字符向上避開反光帶時，則需要改變字符0，1，2，3，5，7，8，9的頂部橫線線寬值）。

下面以φ3mm刀具為例作進一步說明。在YG6銑刀片平面和φ3mm立銑刀圓柱面進行6位字符激光標刻；利用CCD攝像機分別獲得銑刀片平面和φ3mm立銑刀圓柱面（刀具向下旋轉避開反光帶）的標刻字符圖像，如圖7、圖8所示。

圖7 YG6銑刀片平面上標刻的字符圖像

圖8 φ3mm立銑刀圓柱面上標刻的字符圖像

圖7中，字符8底邊橫線線寬為0.1176mm。圖8 對應圖 7 中的l為 0.1176mm，br為0.2206mm，d為0.1470mm，H為0.6323mm，R為1.5mm，根據式（1）和式（2）可計算出字符變形為22.78%。

為了保證字符底部線寬近似與字符其他線寬（0.1176mm）相等，即字符變形不超過10%（這是為了滿足圖像識別正確率所必須的值，大于此值時識別的正確率會下降），反求出字符底部橫線線寬范 圍 為0.1366～0.1657mm，是 原 線 寬 的120%～140%，因為標刻字符向下避開反光帶，所以只需要將字體文件中0、1、2、3、5、6、8字符底部橫線線寬修改為原高度的120%～140%。圖9所示為原字體和改進字體。

圖9 原字體和改進字體各數字字符

2 基于綜合特征向量的模板匹配識別方法

為了獲得較高的識別速度與識別率，本文引入基于特征向量的模板匹配法。基于特征向量的模板匹配法首先利用字符的統計特征對大量樣本進行特征提取作為特征向量，再利用特征向量進行模板匹配，實現字符的識別。特征向量包含的信息過少會導致識別率下降，包含的信息過多又會大大增加識別時間。

本文在傳統特征向量算法［13－14］的基礎上引入突變位置和線寬的特征信息，提出了一種基于綜合特征向量的模板匹配法對字符進行識別。綜合特征向量的特點主要是同時包含了像素突變次數和突變位置的信息（第一次突變位置和最后一次突變位置）。為了區分短線寬和長線寬，本文的特征向量中還包含了白色像素點總數信息。為了克服逐行逐列掃描運算時間長的缺點，本文針對改進數碼管字體的特點，選取了能夠包含該字體特征的最小掃描線數（8條穿越線）來進行特征向量的提取。下面詳細介紹該算法中的綜合特征向量的提取以及字符識別的實現過程。

2.1 綜合特征向量的提取

在對單個字符圖像進行識別前，首先將圖像尺寸統一調整為26×19像素大小，用5條水平線（對應圖10中第4、9、13、18、23行）和3條垂直線（對應圖10中第5、10、15列）分別從水平方向和豎直方向穿越圖片（圖10），其中掃描線的位置是在統計分析0～9十個數字單個字符圖片特點的基礎上分析總結出來的。取8個方向上像素突變次數（從0變成1或者從1變成0的次數）、白色像素點總數、第一次突變位置、最后一次突變位置共計32個數值作為字符原始特征向量。原始特征向量中由于白色像素點總數這一特征值比其他特征值大得多，為了使白色像素總數特征值與其他特征值的影響程度相似，將白色像素點總數除以4的值和其他特征值一起作為最終特征向量。第一次突變位置和最后一次突變位置按它所處的位置區域進行取值，具體取值規則如下：設Pf和Pl分別為第一次和最后一次突變坐標值（沿圖像的像素矩陣行方向掃描時，Pf和Pl取值為第一次突變所在的列號；沿矩陣列方向掃描時，Pf和Pl取值為第一次突變所在的行號），Vf和Vl分別為特征向量中第一次和最后一次突變位置分量，當沿矩陣行方向掃描時，Vf和Vl按下式取值：

圖10 8個掃描方向位置表示和突變位置區域取值示意圖

當沿矩陣列方向掃描時，Vf和Vl按下式取值：

本文對450個單個字符圖片提取特征向量，再對450個圖片按0～9字符進行分類，計算出對應0～9字符的特征向量的均值如表1所示，表1僅列出0～4字符的特征向量均值）。

表1 字符0～4的特征向量均值表

2.2 字符識別

在進行字符匹配計算時，一般都采用最小距離判別函數或最小鄰域判別函數進行計算。本文中經過除法變換后的4組特征向量（突變次數、白色像素點總和、第一次突變位置、最后一次突變位置）組間的區別不大，因此在識別時直接采用最小距離計算。計算公式為

式中，fi為待識別字符圖片的特征向量；Fi為模板的特征向量。

識別時，將待識別對象的特征向量fi與所有模板的特征向量Fi逐個進行比較，并計算它們各自的D值，若存在小于設定閾值的D值，則選取D值最小的模板作為識別結果，若所有模板的特征向量與待識別對象的特征向量的D值均大于閾值，則可能是輸入的圖片中的噪聲太多或者變形太大，導致無法識別。

本文采用改進數碼管字體作為激光標刻字體，選取270幅刀具編碼字符圖像用于字符識別算法測試，測試結果表明字符的正確識別率超過了95%，說明本文識別算法的識別準確率較高，可滿足企業對識別正確率的要求。

［1］胡偉，謝小柱，黃平，等.面向全生命周期的刀具管理系統研究［J］.工具技術，2008，42（3）：79－81.

［2］葉冬芬，周建強，韓雙霞.基于刀具全壽命周期管理的信息編碼研究［J］.機械制造，2009，47（12）：5－8.

［3］王蘇安，何衛平，張維，等.刀具直接標刻與識別技術研究［J］.計算機集成制造系統，2007，13（6）：1169－1173.

［4］張成海，張鐸.現代自動識別技術與應用［M］.北京：清華大學出版社，2003.

［5］胡生清，王執泉.E555射頻卡在刀具識別中的應用［J］.制造業自動化，2002，24（12）：45－50.

［6］吳寧，王建華.數控加工中刀具射頻識別技術的實現［J］.組合機床與自動化加工技術，2005（5）：73－77.

［7］Keegan W B.Application of Data Matrix Identification Symbols to Aerospace Parts Using Direct Part Marking Methods/Techniques，NASA－ HDBK－6003［R］.Atalanta：Materias，Processes and Manufacturing Department of NASA，2001.

［8］Lebkuechner G.Guideline for Direct Part Marking of Aero Engine Parts［R］.Munich：MTU Aero Engines，2001.

［9］Crazythunder B.Mobile Marking Cart［R］.St Louis：Monode Marking Products Inc，2003.

［10］Andresen J.Mark It，Track It，Share It—Parts Marking for Traceability［R］.Orlando：Center for Auto ID，Ohio University，2002.

［11］Jangsombatsiri W.Porter J D.Laser Direct－Part Marking of Data Matrix Symbols on Carbon Steel Substrates［J］.Manufacturing Science and Engineering，2007，129：583－591.

［12］王蘇安.面向全壽命周期管理的刀具直接標識與信息追蹤技術研究［D］.西安：西北工業大學，2007.

［13］王亞坤，曾德良，李向菊.一種新穎的數字識別算法［J］.電力科學與工程，2009，25（1）：76－78.

［14］Li Yun，Xie Mei.An Effective Method for Number and Letter Character Recognition［C］//Proceeding of 11th ICCT.Hangzhou，2009，11：708－710.