El monitoreo de condiciones de herramientas en tiempo real (TCM) para el fresado de esquinas a menudo presenta desafíos significativos. Por un lado, el fresado de esquinas requiere configurar trayectorias de fresado complejas, lo que lleva al fracaso de los métodos convencionales de extracción de características para caracterizar las condiciones de la herramienta. Por otro lado, es costoso obtener suficientes datos de prueba sobre el fresado de esquinas para la mayoría de los métodos actuales de reconocimiento de patrones, que se basan en el método supervisado. En este trabajo, proponemos una estrategia de extracción de características intrínsecas en el dominio tiempo-frecuencia de la señal de emisión acústica (AEs) para construir un método independiente de las condiciones de corte para el monitoreo del desgaste de herramientas. La nueva estrategia de extracción de características propuesta se utiliza para obtener las condiciones de desgaste de la herramienta a través de la información intrínseca de la imagen tiempo-frecuencia de las AEs. Además, se propone un marco de reconocimiento de condiciones de herramientas no supervisado, que incluye la selección de características no supervisada, el agrupamiento basado en la búsqueda de rejillas adyacentes (CAGS) y el factor de densidad basado en CAGS, para determinar la relación entre los valores de desgaste de la herramienta y las características de las AEs. Para probar la efectividad del sistema de monitoreo, se realiza el experimento a través del fresado de esquinas de una pieza de trabajo de aleación de titanio. Se utilizan cinco métricas para evaluar la efectividad de los resultados de reconocimiento. En comparación con los métodos supervisados de última generación, nuestro método proporciona una efectividad de monitoreo comparable pero requiere muchos menos datos de prueba para construir el modelo, lo que reduce significativamente el costo operativo del sistema TCM.