近日，我院梅爽教授、文国军教授科研团队在制造装备监测领域取得重要进展，成功研发基于数字图像相关(DIC)的非接触式刀具振动变形高精度测量系统。相关成果“AT-DICNet: A Novel Framework based on Speckle Pattern for Non-contact Micron-level Tool Vibration Deformation Precision Measurement”发表于国际权威期刊《Journal of Intelligent Manufacturing》，该论文第一作者为2022级研究生雷靖，梅爽教授为通讯作者。
在数控机床等精密加工过程中，刀具的微小振动直接影响加工精度、表面质量与工具寿命。传统振动监测多依赖接触式传感器，存在安装复杂、成本高、易受噪声干扰等局限，难以实现全场、实时、微米级测量。为解决这一难题，研究团队创新性提出AT-DICNet框架，融合数字图像相关（DIC）技术与深度学习方法，通过高速工业相机实时采集刀具散斑图案，同步提取其多尺度变形特征，实现位移场端到端高精度预测。该框架的平均绝对误差仅为0.0221像素，均方根误差为0.0281像素；在真实车床切削实验中，对50um级位移的测量误差仅为1.18%，单帧图像处理时间约0.0093秒，为刀具磨损状态判断提供精准数据支撑。该系统无需接触工件，即可实现全场、可视化振动监测，为刀具状态研判、工艺优化与预警维护提供了可靠技术支撑，具有重要的工业应用价值与学术参考意义。
图1 数字散斑数据集生成示意图
图2 高速相机实时拍摄运行中数控车床车刀
图3 基于AT-DICNet的切削过程中刀具振动变形场监测
近年来，由梅爽教授牵头的“工业视觉检测产业技术创新中心”在半导体精密光学量检测、双目DIC变形场实时测量、机器人视觉伺服控制等领域展开了系列研究，产生了多项创新性成果。后续团队将继续坚持面向生产制造实际问题，将学术成果服务于经济社会发展，聚焦现实需求，推动成果转化应用。
该研究成果受到国家自然科学基金面上项目、湖北省重点研发项目资助。
论文信息：
Title: AT-DICNet: A Novel Framework based on Speckle Pattern for Non-contact Micron-level Tool Vibration Deformation Precision Measurement
Authors: Jing Lei, Shuang Mei*, Quan Zhao, WangDe Qiu, LeiBin Wan, GuoJun Wen
Source: IEEE Transactions on Fuzzy System
DOI: https://doi.org/10.1007/s10845-025-02723-0
Published online: 11 November 2025
