用于检测3D打印机中的缺陷的方法技术

用于检测3D打印机中的缺陷的计算机实现的方法，其中，该方法包括以下步骤：a)捕获3D打印机的构造空间的第一图像，其中，构造空间包括在第一图像中示出的3D打印部件；b)通过使用空间分辨率增加人工神经网络从第一图像生成具有比第一图像更高的空间分辨率的第二图像。具有比第一图像更高的空间分辨率的第二图像。具有比第一图像更高的空间分辨率的第二图像。

【技术实现步骤摘要】
【国外来华专利技术】用于检测3D打印机中的缺陷的方法
[0001]本专利技术涉及用于检测3D打印机中的缺陷的计算机实现的方法、数据处理单元、3D打印机、计算机程序和计算机可读数据载体。
[0002]在3D打印机中，通过选择性地熔融或烧结粉末床来逐层制造部件。粉末床的粉末可以是金属粉末，并且粉末可以借助于激光或电子束熔融或烧结。在制造部件期间，部件中可能会出现缺陷。例如，当涂覆器不完全沉积粉末床层时，可能会出现缺陷。在制造部件期间，可能会形成热点，这可能会导致部件的氧化和/或部件的粗糙表面的形成。热点还可能导致部件的变形，然后这可能导致粉末床的相邻部件的提升和/或降低。另一方面，在制造部件期间可能会形成冷点，其中，热点可能会导致粉末的不完全熔融，这可能会导致部件的多孔性。
[0003]3D打印机可以包括适于监测部件制造的摄像装置。摄像装置可能能够检测到上述缺陷中的一些，但是可能无法检测到上述其他缺陷。例如，摄像装置可能能够检测到粉末床中的缺陷，但是可能无法检测到部件中的缺陷。
[0004]因此，本专利技术的目的是提供用于检测3D打印机中的缺陷的方法，其中，该方法实现改进的缺陷检测。
[0005]一种用于检测3D打印机中的缺陷的第一专利技术的计算机实现的方法包括以下步骤：a)捕获3D打印机的构造空间的第一图像，其中，构造空间包括在第一图像中示出的3D打印部件；b)通过使用空间分辨率增加人工神经网络从第一图像生成具有比第一图像更高的空间分辨率的第二图像。
[0006]一种用于检测3D打印机中的缺陷的第二专利技术的计算机实现的方法包括以下步骤：a)捕获3D打印机的构造空间的图像的序列，其中，构造空间包括在序列中的图像中示出的3D打印部件；a1)将序列中的图像组合成第一图像；b)通过使用空间分辨率增加人工神经网络从第一图像生成具有比第一图像更高的空间分辨率的第二图像。
[0007]通过增加空间分辨率，可以在第二图像中检测到在第一图像中可能不可见的部件中的缺陷。因此，提供了改进的缺陷检测。
[0008]空间分辨率增加人工神经网络包括输入层和输出层，在输入层中布置有第一图像，输出层产生第二图像。可以通过提供具有低空间分辨率的第一组图像和具有高空间分辨率的第二组对应图像来训练人工神经网络。第一组和第二组可以例如通过捕获多个对象的图像生成，其中，每个对象以低空间分辨率和高空间分辨率捕获。也可以从第二组中的每个图像计算低分辨率图像以产生第一组。也可以针对第一组和第二组获取公开可用的数据集。然后通过调整空间分辨率增加人工神经网络的权重来训练空间分辨率增加人工神经网络，使得当第一组中的图像分别作为输入层时，每个输出层近似于第二组中的对应图像。
[0009]在第二方法中，优选地在制造部件期间执行序列。例如，可以以至少1kHz的重复率捕获序列中的图像。为此目的，3D打印机可以包括例如作为CMOS摄像装置或sCMOS摄像装置的摄像装置。因此，第一图像包含关于部件的制造进度的信息。在第二方法的步骤a1)中，可以例如通过针对像素中的每一个将序列中的图像中的每一个的相同像素的强度值相加来对序列中的图像进行组合。
[0010]优选的是，该方法包括以下步骤：a2)通过使用对比度增加人工神经网络来增加第一图像的对比度，其中，在步骤b)中使用具有增加的对比度的第一图像。通过增加对比度，可以在第二图像中检测到在第一图像中可能不可见的部件中和/或粉末床中的缺陷。因此，提供了改进的缺陷检测。通过在增加空间分辨率之前增加对比度，必须由对比度增加人工神经网络处理的像素更少，就像在增加空间分辨率之后增加对比度的情况下一样。因此，处理时间更短。
[0011]步骤a2)还可以包括调节第一图像的亮度。一些第一图像可能没有被充分照亮，因此对比度增加人工神经网络增加亮度。其他第一图像可能被过度照明，因此对比度增加人工神经网络降低亮度。
[0012]该方法优选地包括以下步骤：c)通过使用对比度增加人工神经网络来增加第二图像的对比度。还可以设想，在步骤c)中，首先确定第一图像中的对比度，并且仅在所确定的对比度低于阈值的情况下，通过使用对比度增加人工神经网络来增加第二图像的对比度。以这种方式，可以缩短处理时间。
[0013]优选的是，对比度增加人工神经网络具有输入层和输出层，并且通过提供具有低对比度的第一组图像和具有高对比度的第二组对应图像以及通过调整对比度增加人工神经网络的权重来训练对比度增加人工神经网络，使得当第一组中的图像分别作为输入层时，输出层的每个直方图近似于第二组中的对应图像的直方图。通过训练直方图而不是图像本身，训练对比度增加人工神经网络需要更少的处理时间。直方图对图像中有多少像素测量到在特定强度范围内布置的强度进行计数。直方图可以例如包括具有水平轴和竖直轴的图，在水平轴上绘制有被分成若干强度范围的强度，在竖直轴上绘制有针对强度范围中的每一个的像素数。第一组图像和第二组图像也可以在亮度上不同。例如，第一组图像可能没有被充分照亮或者可能被过度照亮。
[0014]替选地优选的是，对比度增加人工神经网络具有输入层和输出层，并且通过提供具有原始图像的第一组图像和作为已经被伽马校正的原始图像的第二组对应图像以及通过调整对比度增加人工神经网络的权重来训练对比度增加人工神经网络，使得当第一组中的图像分别作为输入层时，输出层的每个图像近似于第二组中的对应图像的经伽马校正的图像。
[0015]该方法优选地包括以下步骤：d1)在第一图像中检测围绕部件的粉末床中可能出现的缺陷。通常，粉末床中的缺陷可以在具有相对低的分辨率的图像中检测到。通过检测第一图像中的缺陷而不是第二图像中的缺陷，必须处理的像素更少，这致使短的处理时间。
[0016]优选地，该方法包括以下步骤：d2)在第二图像中检测部件中和可选地围绕部件的粉末床中可能出现的缺陷。
[0017]优选的是，在步骤d1)和/或步骤d2)中，通过图像处理方法并且特别是通过机器学习方法来检测缺陷。
[0018]图像处理方法和机器学习方法可以包括以下步骤：(i)提供图像数据集并且将主成分分析应用于所述图像数据以计算大量图像聚类；(ii)将聚类算法应用于所分析的图像数据并且计算相应的聚类质心；(iii)将所计算的聚类质心与一组参考异常质心进行比较，其中，基于聚类质心与参考的匹配，将图像数据逐层地分割成具有特定异常的聚类图像；(iv)将经分割的图像变换成限定的颜色空间，例如Lab颜色空间或灰度谱；以及(v)整合经
变换的分割的聚类图像的像素信息，以计算图像数据集的阈值，从而确定相应的异常。
[0019]该方法优选地包括以下步骤：e)对缺陷进行分类。这包括例如区分粉末床缺陷、热点、冷点、至少部份地多孔的部件、具有至少一个空隙的部件以及/或者具有至少一个非熔融区域的部件。
[0020]优选的是，在制造部件期间执行步骤a)和步骤b)以及可选的步骤a1)、步骤a)、步骤c)、步骤d1)、步骤d2)和/或步骤e)。替选地优选的是，在制造部件之后执行步骤a)和步骤b)以及可选的步骤a1)、步骤a)、步骤c)、本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于检测3D打印机中的缺陷的计算机实现的方法，其中，所述方法包括以下步骤：a)捕获所述3D打印机的构造空间的第一图像(1)，其中，所述构造空间包括在所述第一图像中示出的3D打印部件；b)通过使用空间分辨率增加人工神经网络从所述第一图像生成具有比所述第一图像更高的空间分辨率的第二图像(2)，并且其中，所述方法包括以下步骤：d1)在所述第一图像中检测围绕所述部件的粉末床中可能出现的缺陷(4)。2.一种用于检测3D打印机中的缺陷的计算机实现的方法，其中，所述方法包括以下步骤：a)捕获所述3D打印机的构造空间的图像的序列(11)，其中，所述构造空间包括在所述序列中的图像中示出的3D打印部件；a1)将所述序列中的图像组合成第一图像(12)；b)通过使用空间分辨率增加人工神经网络从所述第一图像生成具有比所述第一图像更高的空间分辨率的第二图像(2)，并且其中，所述方法包括以下步骤：d1)在所述第一图像中检测围绕所述部件的粉末床中可能出现的缺陷(4)。3.根据权利要求1或2所述的方法，其中，所述方法包括以下步骤：a2)通过使用对比度增加人工神经网络来增加所述第一图像的对比度(3)，其中，在步骤b)中使用具有增加的对比度的所述第一图像。4.根据权利要求1或2所述的方法，其中，所述方法包括以下步骤：c)通过使用对比度增加人工神经网络来增加所述第二图像的对比度(3)。5.根据权利要求1至4中任一项所述的方法，其中，所述对比度增加人工神经网络具有输入层和输出层，并且通过提供具有低对比度的第一组图像和具有高对比度的第二组对应图像以及通过...

【专利技术属性】
技术研发人员：哈米德，
申请(专利权)人：西门子能源全球有限两合公司，
类型：发明
国别省市：