3D打印机的报警方法、装置、3D打印机和存储介质制造方法及图纸

本申请涉及一种3D打印机的报警方法、装置、3D打印机和存储介质，该方法包括：采集在3D打印机的热床上成型的模型图像；获取模型图像的特征向量；根据模型图像的特征向量和不同类型的打印错误图像的特征向量，确认是否发生打印错误；若发生打印错误，发出错误报警。由于在确认是否发生打印错误时是根据模型图像的特征向量和不同类型的打印错误的特征向量确认的，从而可以确认出是否发生这些类型的打印错误，相较于仅仅只能在没有物料时才会发出错误报警，该方法在发生其他类型的打印错误时，也可以确认发生打印错误，即当发生打印错误时，提高检测出打印错误的可能性，降低物料的浪费和打印时间的浪费。

【技术实现步骤摘要】
3D打印机的报警方法、装置、3D打印机和存储介质
本申请涉及3D打印
，特别是涉及一种3D打印机的报警方法、装置、3D打印机和存储介质。
技术介绍
在计算机数字技术智能化的推动下三维(three-dimensional，3D)打印技术应用的领域越来越广，3D打印是通过打印一层层的粘合材料来制造三维的物体。在打印过程中可能会发生打印错误，目前的打印机仅仅只是在没有物料时才会发出错误报警，然后打印机停止打印，等待操作人员的下一步操作；然而在打印过程中也可能发生其他的打印错误，例如：模型未粘牢在热床上、打印出现拉丝、打印出现严重变形等，对于其他的打印错误打印机并没有产生错误报警，打印机依旧继续工作，造成物料的浪费和打印时间的浪费。
技术实现思路
基于此，有必要针对上述技术问题，提供一种3D打印机的报警方法、装置、3D打印机和存储介质。本申请实施例提供了一种3D打印机的报警方法，包括：采集成型的模型图像；获取所述模型图像的特征向量；根据所述模型图像的特征向量和不同类型的打印错误图像的特征向量，确认是否发生打印错误；若确认发生打印错误，发出错误报警。本申请实施例还提供了一种3D打印机的报警装置，包括：采集模块，所述采集模块用于采集成型的模型图像；获取模块，所述获取模块用于获取所述模型图像的特征向量；确认模块，所述确认模块用于根据所述模型图像的特征向量和不同类型的打印错误图像的特征向量，确认是否发生打印错误；报警模块，所述报警模块用于若确认发生打印错误，发出错误报警。本申请实施例还提供了一种3D打印机，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现根据上述所述的3D打印机的报警方法。本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述所述的3D打印机的报警方法的步骤。另外，所述获取所述模型图像的特征向量，包括：将所述模型图像输入预先训练的卷积神经网络模型中，根据所述模型图像及所述卷积神经网络模型已确认的权重和偏置获取所述模型图像的特征向量；其中，所述卷积神经网络模型通过以下方式得到：将不同类型的打印错误图像作为训练集；将所述训练集输入卷积神经网络模型中，得到已确认权重和偏置的卷积神经网络模型。通过卷积神经网络获取的特征向量是一系列不同深度的特征组合的特征向量，所以通过这样的方法使获取的模型图像的特征向量更准确，从而使得确认是否发生打印错误的结果更准确。另外，在所述得到已确认出权重和偏置的卷积神经网络模型之后，还包括：根据打印错误图像上的标记确认属于同一类型的打印错误图像；根据同一类型的打印错误图像、所述权重和所述偏置，获取同一类型的打印错误图像的特征向量。通过这样的方法，可以直接根据用于进行卷积神经网络训练的图像来确认不同类型的打印错误图像的特征向量，提高了确认出不同类型的打印错误图像的特征向量。另外，所述根据同一类型的打印错误图像、所述权重和所述偏置，获取同一类型的打印错误图像的特征向量，包括：从同一类型的打印错误图像中选取一张图像；根据选取的一张图像、所述权重和所述偏置，获取同一类型的打印错误图像的特征向量。仅选取一张图像，并通过该张图像、权重和偏置来获取同一类型的打印错误图像的特征向量，计算量降低，提高了速度，从而更快的确认出不同类型的打印错误图像的特征向量。另外，所述根据所述模型图像的特征向量和不同类型的打印错误图像的特征向量，确认是否发生打印错误，包括：分别计算所述模型图像的特征向量与各类型的打印错误图像的特征向量的各欧式距离；将所述各欧氏距离分别与对应的各类型的打印错误图像的阈值进行比较，根据比较结果确认是否发生打印错误。由于比较结果可以较准确的反映出模型图像的特征向量对应的点和不同类型的打印错误图像的特征向量对应的点在多维空间中的距离，该距离反应的是图像之间的相似性，通过相似性的大小与阈值进行比较可以较准确的确认出是否发生打印错误。另外，所述将所述欧氏距离与当前遍历的类型的打印错误图像的预设阈值进行比较，根据比较结果确认是否发生打印错误，包括：若所述比较结果为存在一个欧式距离小于对应的类型的打印错误图像的阈值，则确认发生打印错误。通过这样的方法，只要存在一个欧氏距离小于对应的类型的打印错误图像的阈值时，就认为是发生了打印错误，进一步提高了检测出打印错误的可能性。另外，在所述若确认发生打印错误之后，还包括：根据所述模型图像对确认出权重和偏置的卷积神经网络进行更新，得到更新了权重和偏置的卷积神经网络模型。通过模型图像对卷积神经网络模型中的权重和偏置进行更新，可以使得卷积神经网络模型中的权重和偏置更加准确，从而使后续确认出的特征向量更加准确。上述方法、装置、3D打印机和存储介质，采集在3D打印机的热床上成型的模型图像；获取模型图像的特征向量；根据模型图像的特征向量和不同类型的打印错误图像的特征向量，确认是否发生打印错误；若发生打印错误，发出错误报警。由于在确认是否发生打印错误时是根据模型图像的特征向量和不同类型的打印错误的特征向量确认的，从而可以确认出是否发生这些类型的打印错误，相较于仅仅只能在没有物料时才会发出错误报警，该方法在发生其他类型的打印错误时，也可以确认发生打印错误，即当发生打印错误时，提高检测出打印错误的可能性，降低物料的浪费和打印时间的浪费。附图说明图1为本申请第一实施例的3D打印机的报警方法的流程图；图2为本申请第一实施例中步骤103的一种具体实现方式的流程图；图3为本申请第二实施例的3D打印机的报警方法的流程图；图4为本申请第三实施例的3D打印机的报警装置的结构示意图；图5为本申请第四实施例的3D打印机的结构示意图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请第一实施例涉及一种3D打印机的报警方法，应用于3D打印机。本实施例的3D打印机的报警方法的流程图如图1所示，包括：步骤101，采集成型的模型图像。具体地，通过3D打印机上的摄像头实时采集成型的模型图像或者按照预设周期采集成型的模型图像，当3D打印机为熔融沉积(FusedDepositionModeling，FDM)打印机时，通过3D打印机上的摄像头按照预设周期采集在热床上成型的模型图像；当3D打印机为光固化(DigitalLightProcessing，DLP)打印机时，通过3D打印机上的摄像头按照预设周期采集在成型平台上成型的模型图像；其中，预设周期可以根据实际需要进行设定，例如，预设周期为2s，则摄像头每隔2s采集成型的模型图像。步骤102，获取模型图像的特征向量。步骤103，根据模型图像的特征向量和不同类型的打印错误图像的特征向量，确认是否发生打印错误，若确认发生打印错误，进入步骤104，若确认未发生打印错误，重新进入本文档来自技高网...

【技术保护点】
1.一种3D打印机的报警方法，其特征在于，包括：/n采集成型的模型图像；/n获取所述模型图像的特征向量；/n根据所述模型图像的特征向量和不同类型的打印错误图像的特征向量，确认是否发生打印错误；/n若确认发生打印错误，发出错误报警。/n

【技术特征摘要】
1.一种3D打印机的报警方法，其特征在于，包括：
采集成型的模型图像；
获取所述模型图像的特征向量；
根据所述模型图像的特征向量和不同类型的打印错误图像的特征向量，确认是否发生打印错误；
若确认发生打印错误，发出错误报警。


2.根据权利要求1所述的3D打印机的报警方法，其特征在于，所述获取所述模型图像的特征向量，包括：
将所述模型图像输入预先训练的卷积神经网络模型中，根据所述模型图像及所述卷积神经网络模型已确认的权重和偏置获取所述模型图像的特征向量；
其中，所述卷积神经网络模型通过以下方式得到：将不同类型的打印错误图像作为训练集；将所述训练集输入卷积神经网络模型中，得到已确认权重和偏置的卷积神经网络模型。


3.根据权利要求2所述的3D打印机的报警方法，其特征在于，在所述得到已确认权重和偏置的卷积神经网络模型之后，还包括：
根据打印错误图像上的标记确认属于同一类型的打印错误图像；
根据同一类型的打印错误图像、所述权重和所述偏置，获取同一类型的打印错误图像的特征向量。


4.根据权利要求3所述的3D打印机的报警方法，其特征在于，所述根据同一类型的打印错误图像、所述权重和所述偏置，获取同一类型的打印错误图像的特征向量，包括：
从同一类型的打印错误图像中选取一张图像；
根据选取的一张图像、所述权重和所述偏置，获取同一类型的打印错误图像的特征向量。


5.根据权利要求1所述的3D打印机的报警方法，其特征在于，所述根据所述模型图像的特征向量和不同类型的打印错误图像的特征向量，确认是否发生打印错误...

【专利技术属性】
技术研发人员：敖丹军，唐京科，易陈林，
申请(专利权)人：深圳市创想三维科技有限公司，
类型：发明
国别省市：广东;44