一种基于AI识别的3D打印机缺陷检测装置制造方法及图纸

本发明专利技术公开了一种基于AI识别的3D打印机缺陷检测装置，包括：智能图像捕获模块和智能控制板，智能图像捕获模块安装在3D打印底盘的上面，将智能图像捕获模块采集到的图像传输至智能控制板中的分割网络模型分割得到3D打印建模图像和3D喷头图像，3D喷头图像传输至智能控制板中的对比网络进行处理；交互软件模块实时监控3D打印机的断丝和缺陷检测的工作情况；智能图像捕获模块每隔一个时间间隔T采集图像，按照时间顺序依次采集出支持集和查询集图像，并输入到智能控制板中基于VIT特征提取的小样本学习算法中处理。本发明专利技术基于小样本分类的检测和基于残差网络的3D喷头断丝检测，实现了准确检测3D喷头断丝和3D建模缺陷，满足了实际应用中的多种需要。际应用中的多种需要。际应用中的多种需要。

【技术实现步骤摘要】
一种基于AI识别的3D打印机缺陷检测装置


[0001]本专利技术涉及计算机视觉领域，应用于3D打印机工作的环节，尤其涉及一种基于AI识别的3D打印机缺陷检测装置。

技术介绍

[0002]3D打印机在日常生活中发挥着重要的作用，然而3D打印机的普遍应用也带了很多问题，例如：3D喷头断丝和3D建模的过程中出现模型缺陷的问题。很多时候这些问题如果不及时发现解决会造成打印材料的浪费，严重时还会造成经济损失。
[0003]目前，大多数厂商在解决该问题上受到技术以及成本的限制。在3D喷头断丝检测方面，一部分采用人工检查的方法，这样造成了比较大的人力成本。另一部分采用硬件传感器技术对喷头进行检测。这种技术的缺点在于当需求升级时需要对3D打印机的硬件进行更改，而对3D打印机硬件升级困难，对于多类型的3D打印机来说，适配性较差。在3D建模缺陷检测方面，现有的缺陷检测多为传统的图像处理技术，处理效果差且耗时长。另一方面，带有缺陷的样本数量有限，采用传统的深度学习算法会有过拟合的风险。

技术实现思路

[0004]本专利技术提供了一种基于AI识本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AI识别的3D打印机缺陷检测装置，其特征在于，所述装置包括：智能图像捕获模块和智能控制板，所述智能图像捕获模块安装在3D打印底盘的上面，将智能图像捕获模块采集到的图像传输至智能控制板中的分割网络模型分割得到3D打印建模图像和3D喷头图像，3D喷头图像传输至智能控制板中的对比网络进行处理；交互软件模块实时监控3D打印机的断丝和缺陷检测的工作情况；智能图像捕获模块每隔一个时间间隔T采集图像，按照时间顺序依次采集出支持集和查询集图像，并输入到智能控制板中基于VIT特征提取的小样本学习算法中处理。2.根据权利要求1所述的一种基于AI识别的3D打印机缺陷检测装置，其特征在于，所述支持集图像共2个类别，分别是3D建模正常形态在T时刻得到、3D建模缺陷形态在2T时刻得到，每个类别一张图像；查询集图像在3T时刻得到。3.根据权利要求1所述的一种基于AI识别的3D打印机缺陷检测装置，其特征在于，所述交互软件模块收集3D打印机的工作状态，使得用户在室外也能监控3D打印机的工作状态；所述交互软件模块用于远程控制检测装置启动、关闭，监控打印机的工作状态和打印过程；在交互软件模块中开启室外报警模式，在打印机出现喷头断丝和模型缺陷时进行报警。4.根据权利要求1所述的一种基于AI识别的3D打印机缺陷检测装置，其特征在于，所述智能图像捕获模块按照时间T采集图像，使用分割网络模型得到3D喷头图像，再输入至智能控制板中的对比网络模型进行处理；所述对比网络模型的特征提取部分为改进的注意力机制残差网络，第一部分是采用残差结构的卷积神经网络resnet，整个resnet网络由多个残差块拼接而成，先对输入的喷头图像进行卷积层处理，再经过池化层处理后输入到残差块中进行处理；除第一残差块外，其他残差块再处理特征图之前要进行特征图的缩放处理；经过所有残差块处理后输入到一个全连接层中输出处理后的特征图；第二部分是CBAM注意力机制模块，对得到的特征进行重构，使特征符合样本的潜在分布规律。5.根据权利要求4所述的一种基于AI识别的3D打印机缺陷检测装置，其特征在于，所...

【专利技术属性】
技术研发人员：于雅楠，潘奇，赵洪利，
申请(专利权)人：天津职业技术师范大学中国职业培训指导教师进修中心，
类型：发明
国别省市：