一种3D打印灰度补偿方法、电子装置和可读存储介质制造方法及图纸

本发明专利技术提供了一种3D打印灰度补偿方法、电子装置和可读存储介质，3D打印灰度补偿方法包括：获取投影图像，对投影图像预处理以获得第一固化图像；根据投影图像对第一固化图像进行图像校准，以获得第二固化图像；对第二固化图像进行轮廓提取以获得第三固化图像；循环执行获取多对投影图像和第三固化图像；根据投影图像和第三固化图像，对图像处理模型进行训练以建立图像处理优化模型；根据图像处理优化模型对3D打印进行灰度补偿。本发明专利技术解决在现有技术中，DLP光固化3D打印中灰度补偿方法的复杂度较高且精度较低的技术问题。较高且精度较低的技术问题。较高且精度较低的技术问题。

【技术实现步骤摘要】
一种3D打印灰度补偿方法、电子装置和可读存储介质


[0001]本专利技术涉及光固化3D打印机
，具体而言，涉及一种3D打印灰度补偿方法、一种电子装置和一种可读存储介质。

技术介绍

[0002]目前，DLP光固化3D打印是一种基于光固化原理的快速成型技术，它通过使用液态光敏树脂和DLP投影系统，将3D模型分层切片并投影在液态树脂上，随着光敏材料的逐层累积固化，最终实现3D打印物的构建。
[0003]在DLP光固化过程中，常常会出现光能量不足或不均匀的情况，影响打印质量。这时就需要借助灰度补偿技术来调整光能量的分布，使其在不同区域均匀分布，在不提升打印成本的情况下实现更好地打印效果。
[0004]但是，在实际使用过程中，存在这样一个问题：现有技术中，灰度补偿方法复杂度较高且精度较低。

技术实现思路

[0005]本专利技术解决在现有技术中，DLP光固化3D打印中灰度补偿方法的复杂度较高且精度较低的技术问题。
[0006]为解决上述问题，本专利技术提供一种3D打印灰度补偿方法，包括：获取投影图像，对投影图像预处理以获得第一固化图像；根据投影图像对第一固化图像进行图像校准，以获得第二固化图像；对第二固化图像进行轮廓提取以获得第三固化图像；根据投影图像和第三固化图像，对图像处理模型进行训练以建立图像处理优化模型；根据图像处理优化模型对3D打印进行灰度补偿。
[0007]与现有技术相比，采用该技术方案所达到的技术效果：使用深度学习的方式优化DLP的打印精度需要建立投影图像和固化图像之间的映射关系。因此搭建一个图像处理优化模型(即训练好的深度学习输入输出模型)，训练好的深度学习输入输出模型可以模拟DLP打印的逆过程，将所需的打印结构作为输入，图像处理优化模型输出优化后的投影图像；通过建立图像处理优化模型以提高灰度补偿的准确性；通过预处理、图像校准、轮廓提取等方式提高第三固化图像的准确性，从而提高训练数据的准确性以提高图像处理优化模型的准确性。
[0008]在本专利技术的一个实例中，3D打印灰度补偿方法还包括：循环执行获取多对投影图像和第三固化图像；对多对投影图像和第三固化图像进行数据增强，以提高投影图像和第三固化图像的数量。
[0009]与现有技术相比，采用该技术方案所达到的技术效果：由于图像处理模型的训练依赖大量的数据，图像处理模型训练的基础是训练集，因此获取多对投影图像和第三固化图像以提高训练集的基数；并对多对投影图像和第三固化图像进行数据增强以进一步增加训练数据的数量。
[0010]在本专利技术的一个实例中，对多对投影图像和第三固化图像进行数据增强，以提高投影图像和第三固化图像的数量，包括：根据条件生成模型对多对投影图像和第三固化图像进行数据增强，其中，条件生成模型包括生成器和判别器；将随机噪声和投影图像输入至生成器，根据随机噪声和投影图像获得第一虚假固化图像；将第一虚假固化图像和多个第三固化图像输入至判别器，以获得第二损失函数；根据第二损失函数对第一虚假固化图像进行处理，以获得第二虚假固化图像。
[0011]与现有技术相比，采用该技术方案所达到的技术效果：由于深度学习模型的训练依赖大量的数据，实验数据的获取需要一定的时间及人工成本。为了使图像处理模型更好地学习数据的分布和规律，提升图像处理优化模型的准确率，降低时间和成本，本方案采用了数据增强技术大大提高了图像处理模型训练的数据量，增加了训练数据的多样性，使图像处理优化模型获得了更高的精度。
[0012]在本专利技术的一个实例中，根据投影图像和第三固化图像，对图像处理模型进行训练以建立图像处理优化模型，包括：获取图像处理模型；通过第一损失函数判断图像处理模型的准确性；通过随机梯度下降法最小化第一损失函数以获得最优损失函数；根据最优损失函数获得图像处理优化模型。
[0013]与现有技术相比，采用该技术方案所达到的技术效果：获得多对训练集后，根据多对训练集对图像处理模型进行训练以得到图像处理优化模型；利用第一损失函数判断图像处理模型训练的有效性；并根据交叉熵损失函数的计算结果，采用随机梯度下降(SGD)来最小化损失函数，计算梯度并更新图像处理模型参数，最终获得图像处理优化模型。最终优化好的图像处理优化模型可以用来进行投影图像的预测，输入想要打印的目标结构，图像处理优化模型会输出预测后的投影图像。
[0014]在本专利技术的一个实例中，根据投影图像对第一固化图像进行图像校准，以获得第二固化图像，包括：将投影图像和第一固化图像进行像素点对应；对第一固化图像进行旋转以使第一固化图像和投影图像获得最大交集；对第一固化图像进行处理以获得第二固化图像。
[0015]与现有技术相比，采用该技术方案所达到的技术效果：为了更好的建立起投影图像与第一固化图像之间的映射关系，需要将投影图像和第一固化图像两个图像的像素点进行对应(大小、棋盘格位置等都要对应)，并通过对第一固化图像进行旋转以使第一固化图像和投影图像获得最大交集，从而提高第二固化图像的准确率。
[0016]在本专利技术的一个实例中，对第二固化图像进行轮廓提取以获得第三固化图像，包括：检测第二固化图像中的梯度以确定第二固化图像中的轮廓；根据第二固化图像和轮廓获得第三固化图像。
[0017]与现有技术相比，采用该技术方案所达到的技术效果：通过轮廓提取提升训练数据的准确率，同时提升图像处理模型训练的速度；将投影图像和与之对应的第三固化图像作为图像处理模型的一对训练数据，通过训练数据对图像处理模型进行训练以建立图像处理优化模型，同时通过提高第三固化图像的准确性提高图像处理优化模型的准确性。
[0018]在本专利技术的一个实例中，获取投影图像，对投影图像预处理以获得第一固化图像，包括：获取灰度棋盘格，对灰度棋盘格进行投影以获得投影图像；对投影图像进行打印以获得显微镜图像；对显微镜图像进行阈值分割以获得第一固化图像。
[0019]与现有技术相比，采用该技术方案所达到的技术效果：图像处理模型训练的基础是训练数据，训练数据的获取从灰度棋盘格开始，将灰度棋盘格进行投影以获得投影图像，通过DLP打印获得显微镜图像，通过阈值分割获得第一固化图像以提高第一固化图像的准确性。
[0020]在本专利技术的一个实例中，对显微镜图像进行阈值分割以获得第一固化图像，包括：对显微镜图像进行阈值分割以获得初始固化图像；去除初始固化图像中的噪声以获得第一固化图像。
[0021]与现有技术相比，采用该技术方案所达到的技术效果：将显微镜图像进行阈值分割后会有许多杂乱的像素点，这些低质量的数据可能会影响模型的学习，因此通过高斯滤波和对格子内的像素点进行填充的方式去除初始固化图像中的噪声以获得第一固化图像，提高第一固化图像的准确性。
[0022]又一方面，本专利技术实施例还提供了一种电子装置，其特征在于，电子装置包括：处理器，存储器及存储在存储器上并可在处理器上运行的程序或指令，程序或指令被处理器执行时实现如上述中任一项实施例的3D打印灰度补偿方法的步骤。
[0023]与现有技术相比本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种3D打印灰度补偿方法，其特征在于，所述3D打印灰度补偿方法包括：获取投影图像，对所述投影图像预处理以获得第一固化图像；根据所述投影图像对所述第一固化图像进行图像校准，以获得第二固化图像；对所述第二固化图像进行轮廓提取以获得第三固化图像；根据所述投影图像和所述第三固化图像，对图像处理模型进行训练以建立图像处理优化模型；根据所述图像处理优化模型对3D打印进行灰度补偿。2.根据权利要求1所述的3D打印灰度补偿方法，其特征在于，所述3D打印灰度补偿方法还包括：循环执行获取多对所述投影图像和所述第三固化图像；对多对所述投影图像和所述第三固化图像进行数据增强，以提高所述投影图像和所述第三固化图像的数量。3.根据权利要求2所述的3D打印灰度补偿方法，其特征在于，所述对多对所述投影图像和所述第三固化图像进行数据增强，以提高所述投影图像和所述第三固化图像的数量，包括：根据条件生成模型对多对所述投影图像和所述第三固化图像进行数据增强，其中，所述条件生成模型包括生成器和判别器；将随机噪声和所述投影图像输入至所述生成器，根据所述随机噪声和所述投影图像获得第一虚假固化图像；将所述第一虚假固化图像和多个所述第三固化图像输入至所述判别器，以获得第二损失函数；根据所述第二损失函数对所述第一虚假固化图像进行处理，以获得第二虚假固化图像。4.根据权利要求1所述的3D打印灰度补偿方法，其特征在于，所述根据所述投影图像和所述第三固化图像，对图像处理模型进行训练以建立图像处理优化模型，包括：获取所述图像处理模型；通过第一损失函数判断所述图像处理模型的准确性；通过随机梯度下降法最小化所述第一损失函数以获得最优损失函数；根据所述最优损失函数获得所述图像处理...

【专利技术属性】
技术研发人员：刘公雨，李灏楠，马烨婷，何寅峰，田振楠，
申请(专利权)人：宁波奥斯塔图机械科技有限公司，
类型：发明
国别省市：