1.一种立铣刀磨损参数的在线检测方法，其特征在于，包括以下几个步骤：步骤1、在机床上安装相机和激光位移传感器，并且对相机像素尺寸进行标定；

步骤2、使用相机进行铣刀图像采集，并且将采集后的图像拼接处理；

步骤3、对需要使用的VGG16‑Unet模型进行训练，根据拼接处理后的图像数据导入VGG16‑Unet模型中获取刀具磨损二值图，并计算磨损二值图中的磨损宽度值；

步骤4、调整激光位移传感器，确定刀具采集位置；

步骤5、通过激光位移传感器采集刀具缺损区域数据，处理缺损区域数据；

步骤6、将铣刀磨损数据和铣刀缺损数据进行拟合，获取铣刀后刀面缺损值。

2.根据权利要求1所述的立铣刀磨损参数的在线检测方法，其特征在于，所述步骤1具体为：将相机通过卡座固定安装在靠近机床主轴的侧壁，安装调试相机并对相机进行像素尺寸标定，获得像素当量值，控制机床主轴到达相机拍摄范围位置，进行刀具图像采集；所述的像素尺寸标定采用的计算方法为：宽度像素当量：

式中：K为宽度像素当量；L为标尺实际宽度；N为图像中表示标尺宽度所用的像素个数；

所述的标尺为已知尺寸的标准物。

3.根据权利要求2所述的立铣刀磨损参数的在线检测方法，其特征在于，所述步骤2具体为：对刀具刃进行编号，调节刀具与相机之间的相对距离，使相机视野中呈现清晰的刀具侧刃图像，根据沿着刀具螺旋刃采集方法采集完整的刀具侧刃图像，并对采集的图像进行拼接处理，将拍摄的片段图像拼接为完整铣刀图像。

4.根据权利要求3所述的立铣刀磨损参数的在线检测方法，其特征在于，所述步骤3具体为：对图片进行拼接处理后，将处理好的图片输入到已经预先训练好的卷积神经网络VGG16‑Unet模型中，通过模型的预测即可得到输入图像的磨损二值图；绘制刀具磨损二值图最小外接矩形，计算最小外接矩形的宽，所得宽乘上像素宽度当量即得到刀具磨损区域的实际宽度。

5.根据权利要求4所述的立铣刀磨损参数的在线检测方法，其特征在于，所述步骤4具体为：将激光传感器固定安装在靠近机床主轴的另一侧壁上，利用卡座和夹具实现激光传感器与机床的紧密连接，安装调试激光传感器并通过机床移动刀具使刀具轴线与激光传感器的激光光束的中心线处于同一平面且垂直，完成对心工作；

打开激光传感器采集软件，通过机床移动刀具，确保激光传感器光束在刀尖位置时有读数，并开始采集工作。

6.根据权利要求5所述的立铣刀磨损参数的在线检测方法，其特征在于，所述步骤5具体为：在刀尖位置，旋转机床主轴，获取在刀尖位置的点数据，通过机床移动刀具，获取下一个位置的点数据，移动方向为机床Z轴刀柄指向刀尖方向，每次移动刀具Z轴距离为h＝

0.2mm，从刀尖开始采集，直至采集到铣刀未磨损区域为止，其中，采集次数为n：：式中：H＝切削深度ap/Z轴移动距离h，

并在未磨损位置再进行采集，记录其位置的点数据；

对激光传感器采集的数据进行处理，绘出点数的折线图，根据激光传感器的采集原理，所需要的缺损刃数据为距离激光传感器最近的点数据，提取出每个采集样本所对应的每个刃的数据，并对其求均值，即刀具径向方向所对应的每个采集位置的数据；

铣刀径向方向的缺损转化为铣刀后刀面的缺损，公式如下：

2 2 2

b＝a+c‑2ac cosθ

b＝a‑e

式中：a为铣刀半径；b为发生缺损后的铣刀半径；e为步骤7的均值；θ为铣刀径向截面前刀面和后刀面所成的锐角；c为所求的铣刀后刀面缺损值。

7.根据权利要求6所述的立铣刀磨损参数的在线检测方法，其特征在于，所述步骤6具体为：完整拍摄一个铣刀刃的拍摄图像数量n，其中第i张图像最大擦伤值为Wi，相对应的最大缺损值为Vi(其中：i＝1，2，…，n)，提出以下方式计算刀面磨损和缺损结果，公式：

8.根据权利要求2所述的立铣刀磨损参数的在线检测方法，其特征在于，所述步骤2图像采集方法具体为：刀具不动，镜头沿着刀具螺旋线进行移动拍摄，获取一组拍摄角度相同的照片。

9.根据权利要求2所述的立铣刀磨损参数的在线检测方法，其特征在于，所述步骤2图像采集方法具体为：相机不动，刀具旋转移动，移动的距离与旋转的角度可计算得到，即移动刀具Z轴距离为1mm，旋转角度为Ф，公式如下：式中：β为铣刀螺旋角，D为铣刀直径。