[发明专利]基于神经网络的3D打印在线质量监测方法、系统、装置

说明书

本发明属于3D打印领域，具体涉及一种基于神经网络的3D打印在线质量监测方法、系统、装置，旨在解决现有的缺陷检测方法只能检测特定的缺陷形状，且缺陷检测精度低的问题。本发明方法包括：采集三维物体在3D打印过程中的图像，作为输入图像；采用预训练的缺陷分割网络获取输入图像中各像素的类别；统计输入图像中各类别缺陷对应的像素数，并结合预获取的相机内参，计算输入图像中缺陷部位的面积；判断面积是否大于设定的阈值，若是，则启动质量监测警报，否则继续采集3D打印过程中的图像。本发明可以灵活的识别不同类别与形状的3D打印缺陷，降低了误检率，提高了缺陷检测的准确度。

技术领域

本发明属于3D打印领域，具体涉及一种基于神经网络的3D打印在线质量监测方法、系统、装置。

背景技术

3D打印，也称为增材制造、快速成型，是通过CAD设计数据采用材料逐层累加的方法制造实体零件的技术。3D打印技术灵活、方便，不需要传统的刀具、夹具、机床或模具，能够直接利用计算机将三维CAD图形转化成实物产品，缩短了产品的研发周期。相对于传统的减材制造(切削加工)技术，3D打印在个性化定制领域体现出制造成本、能源效率、经济回报等方面的优势，在牙科和医疗行业、建筑设计、食品产业、工业设计和航空航天等领域发挥着越来越重要的作用。

3D打印技术的发展，促进了制造业的转型升级。随着材料和机器的进步，3D打印技术被用于制造高精度和关键部件，如航空航天部件和生物医学植入物，3D打印质量问题受到越来越多的关注。有许多缺陷可能会影响表面质量，如孔洞、翘曲变形、球化、存在未熔颗粒等，这些缺陷可能是由于材料特性、工艺参数、设备或其他原因引起的。在3D打印过程中，采用无损检测的方法尽早发现缺陷，可以帮助打印机及时采取纠正措施，减少材料浪费，提高打印质量。原始的基于图像的缺陷检测方法需要手动提取特征，只能处理特定的缺陷形状，过程比较繁琐且性能有限。基于此，本发明提出一种基于神经网络的3D打印在线质量监测方法。

发明内容

为了解决现有技术中的上述问题，即为了解决现有的缺陷检测方法只能检测特定的缺陷形状，且缺陷检测精度低的问题，本发明提出了一种基于神经网络的3D打印在线质量监测方法，该方法包括：

步骤S10，采集三维物体在3D打印过程中的图像，作为输入图像；

步骤S20，将所述输入图像转化为灰度图像后，采用预训练的缺陷分割网络获取所述输入图像中各像素的类别；

步骤S30，统计所述输入图像中各类别缺陷对应的像素数，并结合预获取的相机内参，计算所述输入图像中缺陷部位的面积；

步骤S40，判断所述面积是否大于设定的第二面积阈值，若是，则启动质量监测警报，否则跳转步骤S10；

所述缺陷分割网络基于对称结构的编码器-解码器构建；所述编码器用于提取输入图像的特征；所述解码器用于根据提取的特征，获取输入图像中每个像素对应的类别。

在一些优选的实施方式中，采集输入图像的图像采集装置包括照明设备、一或多个工业相机、图像采集卡、计算机；所述图像采集装置中至少有一个工业相机固定在3D打印工作台的正上方，且与3D打印工作台的平面平行。

在一些优选的实施方式中，步骤S10之前还包括相机内参的获取步骤：

获取一个张正友标定法的棋盘格，棋盘格大小已知，用相机对其进行不同角度的拍摄，得到一组图像；

对图像中设定位置的像素点对应的特征点进行检测，得到所述设定位置的像素点的像素坐标值；

根据已知的棋盘格大小和世界坐标系原点，计算得到所述设定位置的像素点的物理坐标值；

基于所述物理坐标值，采用张正友标定法得到相机内参。

在一些优选的实施方式中，所述输入图像中各像素的类别包括背景、无缺陷、鼓泡、塌陷、起皱、缺丝。