Assembly of an artificial vision system to capture wear images in cutting tools

Luz Karime Hernández Gegen, Edison Martínez Oviedo, José Humberto Arévalo Ruedas

Resumen


 

 

En este trabajo se someterá a evaluación, la normativa ISO 8688-1 que rige el criterio de desgaste de herramientas. Existen varias maneras de observar o determinar el estado de vida de la herramienta, en este caso particular se determinará la vida útil de la herramienta de corte por medio de tratamientos de imágenes, obtenidas por un electro-microscopio, realizando un montaje minucioso para la obtención de las mismas. En esta publicación se especifican los detalles del montaje de sistema de visión para la captura de las imágenes.

 

Palabras clave: Desgaste, norma ISO 8688-1, tratamiento de imágenes.


Texto completo:

PDF

Referencias


Attanasio, A., Ceretti, E., Fiorentino, A., Cappellini, C., & Giardini, C. (2010). Investigation and FEM-based simulation of tool wear in turning operations with uncoated carbide tools. Wear, 269(5–6), 344–350. https://doi.org/10.1016/j.wear.2010.04.013.

Dai, Y., & Zhu, K. (2018). A machine vision system for micro-milling tool condition monitoring. Precision Engineering, 52(December 2017), 183–191. https://doi.org/10.1016/j.precisioneng.2017.12.006.

Dutta, S., Pal, S. K., Mukhopadhyay, S., & Sen, R. (2013). Application of digital image processing in tool condition monitoring: A review. CIRP Journal of Manufacturing Science and Technology, 6(3), 212–232. https://doi.org/10.1016/j.cirpj.2013.02.005.

Kassim, A. A., Mannan, M. A., & Mian, Z. (2007). Texture analysis methods for tool condition monitoring. Image and Vision Computing, 25(7), 1080–1090. https://doi.org/10.1016/j.imavis.2006.05.024.

Ko, T. J., Cho, D. W., & Jung, M. Y. (1995). On-line monitoring of tool breakage in face milling using a self-organized neural network. Journal of Manufacturing Systems, 14(2), 80–90. https://doi.org/10.1016/0278-6125(95)98889-E.

L. Wang, R. G. (2006). monitoring , an important area of manufacturing engineering. Springer Series in Advanced Manufacturing, 49(0), 6221.

Li, B. (2012). A review of tool wear estimation using theoretical analysis and numerical simulation technologies. International Journal of Refractory Metals and Hard Materials, 35, 143–151. https://doi.org/10.1016/j.ijrmhm.2012.05.006.

Mikołajczyk, T., Nowicki, K., Bustillo, A., & Yu Pimenov, D. (2018). Predicting tool life in turning operations using neural networks and image processing. Mechanical Systems and Signal Processing. https://doi.org/10.1016/j.ymssp.2017.11.022.

Moreno, A. E. G., & Pinto, J. A. D. (2019). Reconocimiento de Personas en Ambiente con Emisiones de Humo Usando Sensor Laser y Redes Neuronales Convolucionales desde Nube de Puntos 3D . Recognition of People in Environment with Smoke Emissions Using Laser Sensor and Convolutional Neural Networks fr, 17(1), 179–186.

Rojas, C. L., Flórez, E., & Serrano, J. C. (2019). Diseño del álabe de un aerogenerador horizontal de baja potencia. BISTUA, 219-229.

Rueda P J.E, Castro L.M, G. L. . (2006). Implementacion de un sistema de reconocimiento de personas utilizando un filtro discriminante sintético calculado como una combinación lineal de imágenes en el dominio de frecuencias., 4(1), 8.

Zhang, C., & Zhang, J. (2013). On-line tool wear measurement for ball-end milling cutter based on machine vision. Computers in Industry, 64(6), 708–719. https://doi.org/10.1016/j.compind.2013.03.010.




DOI: https://doi.org/10.24054/01204211.v3.n3.2019.3570

Enlaces refback

  • No hay ningún enlace refback.