在立铣刀的加工过程中,不可避免的存在立铣刀的磨损情况。当磨损没有及时的反馈给工作人员的时候,将会导致大量的工件不能满足精度要求,甚至可能导致工件不能按时交付,近而降低工作效率,影响工作进度。本文在立铣刀换刀期间通过计算机对立铣刀的磨损进行检测,根据检测结果来及时判断换下的立铣刀能否继续使用。首先通过分析刀具的各种磨损的形式和对立铣刀磨损的各种检测方法对比,选择出适合本文加工条件下的检测方法。根据国际标准给出的刀具磨钝标准,来进行单一要素的铣刀的合格性判定。其次由于本文需要对立铣刀的磨损图像进行算法研究,因此首先需要对相机进行标定。标定的过程中,通过对多个图像计算得出的相机参数进行汇总,并利用遗传算法对其进行优化,最终得到相机最优的畸变参数,从而实现对图像的矫正。在对立铣刀的磨损图像进行前期预处理的时候,由于机床振动、噪声和其他环境的影响,需要对所采集的图像进行预处理,预防对后期特征值的计算造成影响。通过对图像进行灰度化和祛噪处理,在噪声处理的过程中选择了自适应中值滤波的方法,该方法既能很好的去除噪声,又能较好的保护图像的信息。但经过祛噪处理后的图像还是存在部分信息丢失的问题,需要对图像进行增强处理后期通过,这样既能达到对图像的祛噪处理,又能很好的对图像原有的信息进行保护。然后在对图像进行各个磨损量特征值的提取时,需要对经过预处理后的图像进行边缘检测,对一阶和二阶边缘检测算子进行对比分析,选取得出最优的Canny算子,再通过Canny算子来提取立铣刀磨损图像,得到较为完整的没有噪声点的边缘。但该方法只适合于整像素的边缘检测,不适用于精度要求较高的亚像素边缘检测。本文对以往的Zernike矩的算子进行了改进,对模板进行了放大效应。并且通过对各个算子进行的实验验证,充分的验证了算子的合理性。由于在以往的刀具检测的时候,单一的特征量不能较全面的反应立铣刀的磨损特性,因此本文提出了多特征的合格性的判定。最后通过大量的实验验证,充分证明了本文所采用的多特征体系的合理性。