基于人工智能的面向3D打印微纳器件的自动校准方法技术

本发明专利技术公开了一种基于人工智能的面向3D打印微纳器件的自动校准方法。本发明专利技术具体是将校准标尺原始STL文件导入打印机，进行常规打印机校准后打印出校准标尺，所述的校准标尺带有多种三维模型，用于后续的校准；自动运行的图像识别程序使用神经网络对打印机打印出来的校准标尺进行识别，并根据参照物精确计算出打印机所打印出来的实际尺寸；自动校准程序根据图像识别程序给出的结果自动进行打印机中的三维模型的尺寸校准，并给出模型修改建议。本发明专利技术能够在打印一次标尺以后就快速给出模型修改建议，从而一步到位，减少资源浪费，降低人力物力成本。

Automatic calibration method for 3D printing micro nano devices based on Artificial Intelligence

【技术实现步骤摘要】
基于人工智能的面向3D打印微纳器件的自动校准方法
本专利技术涉及一种校准3D打印机的方法，特别是能够快速、精确校准，并且适用于市面上常见的各个价位的3D打印机的校准方法。
技术介绍
3D打印，即快速成型技术的一种，是以数字模型文件为基础，运用粉末状金属或塑料等可粘合材料，通过逐层打印的方式来构造物体的技术。常在模具制造、工业设计等领域被用于制造模型，后逐渐用于一些产品的直接制造。随着3D打印技术的发展，多种打印方法及多种打印材料源源不断地在市场上涌现，常见的打印方法包括FDM，SLA，光固化技术等，打印材料主要包括工程塑料、光敏树脂、橡胶类材料、金属材料和陶瓷材料等。不管是任何一种技术的3D打印，其在进行实际物理打印之前都要经过模型建立，然后将模型导入打印机进行实际物体的制造。在熔融沉积制造工艺FDM中，3D打印机在设计文件指令的导引下，先喷出固体粉末或熔融的液态材料，使其固化成为一个特殊的平面薄层。第一层固化后，3D打印机打印头返回，在第一层外部形成另一薄层。如此往复，最终薄层累积成为三维物体。而在立体光固化成型法SLA中，计算机设计出的三维模型将被离散程序进行切片处理，设计出扫描路径，随之产生的数据将精确控制激光扫描器和升降台的运动。接下来，激光光束通过数控装置控制的扫描器，按设计的扫描路径照射到液态光敏树脂表面，使表面特定区域内的一层树脂固化后就完成了一层的加工，生成零件的一个截面。然后，升降台下降一定距离，在固化层上覆盖另一层液态树脂，再进行第二次扫描，生成第二层截面，如此往复，层层叠加生成三维工件原型。然而在加工制造过程中，由于模型尺寸、材料性质、打印机的精度等问题常常会使得第一次打印出来的工件原型不符合设计尺寸，即存在误差。由此造成模型的反复修改和实验。即便修改过的模型，其再次打印出来的尺寸也不一定符合预期。此外，即便是非常高端的打印机，依然存在误差。由于输入模型和得到三维原型的尺寸差异而造成的反复试验不仅耗时费力，而且对打印成本也是挑战。进一步来说，对于大尺寸器件的打印精度控制相较于小尺寸器件要相对容易，小尺寸器件打印难度高且绝对、相对误差都较大，坏件率高；但相对的，小尺寸器件往往在整体器件中或者某项特殊任务中起到关键性的作用。因此，对小尺寸器件的精确打印至关重要。
技术实现思路
本专利技术针对现有技术的不足，通过对3D打印机进行校准，从建立模型那一步开始就减少这些客观误差。本专利技术解决技术问题所采取的技术方案为：本专利技术包括一个校准标尺、一套自动运行的图像识别程序以及一套自动校准程序，该方法具体是：将校准标尺原始STL文件导入打印机，进行常规打印机校准后打印出校准标尺，所述的校准标尺带有多种三维模型，用于后续的校准；自动运行的图像识别程序使用神经网络对打印机打印出来的校准标尺进行识别，并根据参照物精确计算出打印机所打印出来的实际尺寸；自动校准程序根据图像识别程序给出的结果自动进行打印机中的三维模型的尺寸校准，并给出模型修改建议。进一步说，所述的图像识别程序具体是：载入包含校准标尺和参照物的图片；获取参照物像素值，依据参照物标准尺寸确定每一像素对应的实际尺寸；分割目标图像；将分割好的图像输入至训练好的卷积神经网络，得到目标中心坐标值以及长宽或直径信息；识别目标图像。进一步说，所述的自动校准程序具体是：利用线性回归计算出打印机设计尺寸和打印实际尺寸的相关关系，并绘制相应的线性回归图，得出回归曲线；在构建设计3D打印模型具体结构参数的时候，把实际所需数值输入至相应的线性回归曲线，从而计算得出建模时应该输入的设计参数。进一步说，所述的校准标尺为长方体，其长宽高分别为7cm、2cm和0.2cm，校准标尺中间有一个半径为1.3厘米的半圆镂空，用以匹配半径为小于1.3厘米的任意半径的各种硬币，所述硬币即为参照物。该校准标尺上还有半径分别为0.1～1.0毫米的凹陷圆孔和同样尺寸的凸出圆柱。其中凹陷圆孔的孔深为0.2厘米，凸出圆柱的柱高等于圆柱自身的直径；该校准标尺上还有线宽为0.1～1.0毫米的水平及竖直矩形。矩形又有凹陷洞穿标尺的和凸出标尺表面的。其中洞穿标尺的矩形深度均为0.2厘米，而凸出标尺表面的矩形高度等同于矩形的宽。本专利技术的有益效果：本专利技术的校准标尺的微观物理结构覆盖多种模型的误差源，从模型的各个特征结构入手全方位减小误差。本专利技术能够在打印一次标尺以后就快速给出模型修改建议，从而一步到位，减少资源浪费，降低人力物力成本。本专利技术设计出的标尺自动识别程序和自动校准程序省时省力，非常可靠。本专利技术可以适用于任何打印机，即便是中低端的打印机也可以通过的自动校准程序极大提高精度，从而更适合小尺寸、微纳器件的制造，适用范围更广。附图说明图1为本专利技术的校准标尺二维设计图；图2为本专利技术的校准标尺三维俯视图；图3为本专利技术的校准标尺轴测图；图4为图像自动识别的流程工作图；图5为识别矩形所使用的人工神经网络的构架图；图6为识别圆形所使用的人工神经网络的构架图；图7为图像识别程序的识别效果；图8为根据图像识别程序结果进行自动校准的结果。具体实施方式本专利技术旨在通过对3D打印机进行标准化校准，从建立模型那一步开始就减少这些客观误差，并且适用于多种不同类型的3D打印机。本专利技术包括一个校准标尺、一套自动运行的图像识别程序以及一套自动校准程序。进一步说，该校准标尺为7*2*0.2(L*W*T)厘米的长方体，标尺中间有一个半径为1.3厘米的半圆镂空，用以匹配半径为小于1.3厘米的任意半径的各种硬币（如一元人民币硬币）。该镂空半圆尺寸可更改，用于匹配任意一种硬币。进一步说，该校准标尺上有半径分别为0.1-1.0毫米的凹陷圆孔和同样尺寸的凸出圆柱。其中凹陷圆孔的孔深为0.2厘米，凸出圆柱的柱高等于圆柱自身的直径。进一步说，该校准标尺上还有线宽为0.1-1.0毫米的水平及竖直矩形。矩形又有凹陷洞穿标尺的和凸出标尺表面的。其中洞穿标尺的深度均为0.2厘米，而凸出标尺表面的高度等同于矩形的宽。进一步说，所述的自动运行的图像识别程序使用神经网络的方法对目标打印机打印出来的特定标尺进行识别，并根据1元硬币这个参照物精确计算出打印机所打印出来的实际尺寸。进一步说，自动校准程序会根据图像识别程序给出的结果自动进行三维模型的尺寸校准，并给出模型修改建议。实施例：第一部分：校准标尺的设计为了从打印微观物理结构覆盖多种模型的误差源，从模型的各个特征结构入手全方位减小误差，本专利技术设计了一个涵盖多种特征模块的校准标尺，包括直径为实数的x-y方向圆和宽度为实数的x-y方向矩形，如图1所示。其中圆和矩形均有z值，以标尺上表面为基准，z值取正或取负，生成凸起结构或孔结构，如图2所示。矩形平行于x轴方向或者平行于y轴方向。如图本文档来自技高网...

【技术保护点】
1.基于人工智能的面向3D打印微纳器件的自动校准方法，包括一个校准标尺、一套自动运行的图像识别程序以及一套自动校准程序,其特征在于：/n将校准标尺原始STL文件导入打印机，进行常规打印机校准后打印出校准标尺，所述的校准标尺带有多种三维模型，用于后续的校准；/n自动运行的图像识别程序使用神经网络对打印机打印出来的校准标尺进行识别，并根据参照物精确计算出打印机所打印出来的实际尺寸；/n自动校准程序根据图像识别程序给出的结果自动进行打印机中的三维模型的尺寸校准，并给出模型修改建议。/n

【技术特征摘要】
1.基于人工智能的面向3D打印微纳器件的自动校准方法，包括一个校准标尺、一套自动运行的图像识别程序以及一套自动校准程序,其特征在于：
将校准标尺原始STL文件导入打印机，进行常规打印机校准后打印出校准标尺，所述的校准标尺带有多种三维模型，用于后续的校准；
自动运行的图像识别程序使用神经网络对打印机打印出来的校准标尺进行识别，并根据参照物精确计算出打印机所打印出来的实际尺寸；
自动校准程序根据图像识别程序给出的结果自动进行打印机中的三维模型的尺寸校准，并给出模型修改建议。


2.根据权利要求1所述的基于人工智能的面向3D打印微纳器件的自动校准方法，其特征在于：
所述的图像识别程序具体是：
载入包含校准标尺和参照物的图片；
获取参照物像素值，依据参照物标准尺寸确定每一像素对应的实际尺寸；
分割目标图像；
将分割好的图像输入至训练好的卷积神经网络，得到目标中心坐标值以及长宽或直径信息；
识别目标图像。


3.根据权利要求1所述的基于人工智能的面向3...

【专利技术属性】
技术研发人员：王骏超，张乃音，梁恺聪，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33