随着制造业的飞速发展,工业生产技术也在与时俱进。作为切削制造的主要执行单元,刀具工况直接影响加工过程的精确性、高效性、安全性,实现刀具工况的在机监测是生产制造智能化、自动化、网络化的关键技术之一。本文在传统的刀具监测基础上,设计了基于嵌入式与图像处理的刀具视诊平台,结合流形学习方法识别刀具工况,保障加工系统的安全运行。论文的主要内容包括:通过分析刀具磨损机理,确定以刀具后刀面作为主要研究对象,根据平台需求对监测设备进行选型,确定视诊方案,完善图像预处理过程以及整体硬件电路设计。以嵌入式处理模块、图像采集模块、CNC模块和网络通信模块为基准设计硬件电路,采用PROFIBUS总线协议实现视诊平台与数控系统间数据通信,完成视诊平台的搭建并进行硬件测试。针对刀具磨损特征值的提取,本文结合OpenCV开源视觉库,采用区域生长算法对刀具磨损区域进行图像分割,最小外接矩形提取刀具磨损形状特征值,灰度共生矩阵提取纹理特征值。对于刀具工况的识别,提出了基于流形学习的刀具工况识别方法,搭建流形正则化支持向量机分类模型,将磨损特征值与切削参数作为样本对分类模型进行训练,经测试数据验证,刀具工况识别率达到95%。基于Qt框架搭建远程监控平台,并开发平台用户登陆注册、参数设置、阶段性图像显示以及数据存储等功能。基于TCP/IP协议实现视诊设备与监控平台之间数据通信,最后对刀具视诊平台进行综合实验测试,成功采集刀具图像并提取磨损特征值,且数据处理传输显示无误,达到预期效果。