【技术实现步骤摘要】
本专利技术涉及3d打印领域，尤其涉及一种3d打印缺陷的检测方法及相关设备。
技术介绍
1、近年来，3d打印技术已经取得了显著的进展，广泛应用于制造业、医疗保健、航空航天等领域。然而，随着3d打印技术的不断发展，一些新的挑战和问题也逐渐浮现，其中一个主要问题是对打印过程中的实时质量控制和在线检测的需求。3d打印过程中存在着诸多控制参数的调控问题，例如:挤出量，温度，震动补偿等。因此，为提高打印精度并保障打印件的综合性能，确保打印质量和结构的一致性，针对3d打印的过程检测技术显得尤为重要。
2、传统的3d打印系统通常在打印完成后进行质量检测，这可能导致产品缺陷的延迟发现，增加了制造成本和时间。现有的3d打印技术主要依赖于离线质量检测方法，这些方法虽然在发现缺陷方面相对有效，但它们无法提供实时的、即时的检测和反馈，且在现有研究中摄像头视角多为固定视角无法实现对打印平台多角度监测，导致在打印过程中出现漏检等情况，造成打印材料的浪费。
技术实现思路
1、本专利技术提供了一种3d打印缺陷的检测方法及相关设备，可以提高3d打印件的良品率，避免打印材料的的浪费。
2、本专利技术第一方面提供了一种3d打印缺陷的检测方法，包括：
3、接收环形检测平台发送的打印平台打印零件的实时表面图像，所述实时表面图像为所述环形检测平台通过ccd工业相机对所述打印平台进行实时监测得到的；
4、对所述实时表面图像进行预处理，以得到目标检测图像；
5、将所述目标
6、根据所述缺陷检测结果执行相应的操作。
7、本专利技术第二方面提供了一种3d打印缺陷的检测方法，包括：
8、环形检测平台对打印平台的打印零件的表面进行图像采集，以得到实时表面图像；
9、所述环形检测平台将所述实时表面图像发送至终端设备，以使得所述终端设备对所述实时表面图像进行预处理，以得到目标检测图像；并将所述目标检测图像输入基于yolov8缺陷检测模型，以得到所述目标检测图像的缺陷检测结果，所述基于yolov8缺陷检测模型为预先通过yolov8目标检测算法对训练图像数据集进行训练得到的，所述训练图像数据集包括所述打印平台所对应的表面缺陷图像集合以及所述表面缺陷图像集合中每个表面缺陷图像所对应的实际缺陷分类；并在所述实时表面图像存在打印缺陷，则实时显示所述实时表面图像所对应的缺陷类型，并将所述缺陷类型反馈至所述打印平台，以使得所述打印平台根据所述缺陷类型进行参数调整。
10、本专利技术第三方面提供了一种终端设备，包括：
11、接收单元，用于接收环形检测平台发送的打印平台打印零件的实时表面图像，所述实时表面图像为所述环形检测平台通过ccd工业相机对所述打印平台进行实时监测得到的；
12、预处理单元，用于对所述实时表面图像进行预处理，以得到目标检测图像；
13、识别单元，用于将所述目标检测图像输入基于yolov8缺陷检测模型，以得到所述目标检测图像的缺陷检测结果，所述基于yolov8缺陷检测模型为预先通过yolov8目标检测算法对训练图像数据集进行训练得到的，所述训练图像数据集包括所述打印平台所对应的表面缺陷图像集合以及所述表面缺陷图像集合中每个表面缺陷图像所对应的实际缺陷分类；
14、执行单元，用于根据所述缺陷检测结果执行相应的操作。
15、一种可能的设计中，所述识别单元还用于：
16、获取所述训练图像数据集；
17、对初始训练图像进行预处理，以得到目标训练图像，所述初始训练图像为所述训练图像数据集中的任意一个训练图像；
18、构建yolov8缺陷检测模型，所述yolov8缺陷检测模型包括输入端、主干网络(backbone)、连接层以及预测端，所述输入端用于采用mixup数据增强技术对所述目标训练图像进行数据增广，所述主干网络用于对所述目标训练图像的缺陷特征提取，所述连接层用于将所述缺陷特征进行融合，所述预测端用于生成检测结果；
19、将所述目标训练图像输入所述yolov8缺陷检测模型，以得到所述目标训练图像所对应的训练缺陷预测结果，所述训练缺陷预测结果包括所述目标训练图像所对应的多个网格单元中每个网格单元中预测边界框和缺陷类别；
20、确定所述训练缺陷预测结果与所述目标训练图像所对应的实际缺陷分类之间的目标差异；
21、根据所述目标差异对所述yolov8缺陷检测模型的损失函数进行调整，并基于调整所述损失函数后的所述yolov8缺陷检测模型进行迭代训练，得到所述基于yolov8缺陷检测模型。
22、一种可能的设计中，所述识别单元对初始训练图像进行预处理，以得到目标训练图像包括：
23、对所述初始训练图像进行缺陷特征区域提取；
24、对缺陷特征区域提取后的所述初始训练图像进行缺陷图像分类，以得到所述目标训练数据。
25、一种可能的设计中，所述处理单元具体用于：
26、若所述缺陷检测结果为所述实时表面图像存在打印缺陷，则实时显示所述实时表面图像所对应的缺陷类型，并将所述缺陷类型反馈至所述打印平台，以使得所述打印平台根据所述缺陷类型进行参数调整；
27、若所述缺陷检测结果为所述实时表面图像不存在打印缺陷，则确定完成打印。
28、一种可能的设计中，所述实际缺陷分类包括凸点、挤出不足、过量挤出、翘曲、拉丝以及层间剥离。
29、本专利技术第四方面提供了一种环形检测平台，包括：
30、采集单元，用于对打印平台的打印零件的表面进行图像采集，以得到实时表面图像；
31、发送单元，用于将所述实时表面图像发送至终端设备，以使得所述终端设备对所述实时表面图像进行预处理，以得到目标检测图像；并将所述目标检测图像输入基于yolov8缺陷检测模型，以得到所述目标检测图像的缺陷检测结果，所述基于yolov8缺陷检测模型为预先通过yolov8目标检测算法对训练图像数据集进行训练得到的，所述训练图像数据集包括所述打印平台所对应的表面缺陷图像集合以及所述表面缺陷图像集合中每个表面缺陷图像所对应的实际缺陷分类；并在所述实时表面图像存在打印缺陷，则实时显示所述实时表面图像所对应的缺陷类型，并将所述缺陷类型反馈至所述打印平台，以使得所述打印平台根据所述缺陷类型进行参数调整。
32、一种可能的设计中，所述环形检测平台还包括:
33、ccd相机、环形导轨、丝杆、同步带、升降电机以及相机驱动电机；
34、其中，所述升降电机带动所述同步带转动，同步带转动时带动所述丝杆的本文档来自技高网...
【技术保护点】
1.一种3D打印缺陷的检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述对初始训练图像进行预处理，以得到目标训练图像包括：
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述根据所述缺陷检测结果执行相应的操作包括：
5.根据权利要求1至3中任一项所述的方法，其特征在于，所述实际缺陷分类包括凸点、挤出不足、过量挤出、翘曲、拉丝以及层间剥离。
6.一种3D打印缺陷的检测方法，其特征在于，包括：
7.根据权利要求6所述的方法，其特征在于，所述环形检测平台包括CCD相机、环形导轨、丝杆、同步带、升降电机以及相机驱动电机；
8.一种终端设备，其特征在于，包括：
9.一种环形检测平台，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有计算机管理类程序，其特征在于：所述计算机管理类程序被处理器执行时实现如权利要求1至7中任意一项所述的3D打印缺陷的检测方法。
【技术特征摘要】
1.一种3d打印缺陷的检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述对初始训练图像进行预处理，以得到目标训练图像包括：
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述根据所述缺陷检测结果执行相应的操作包括：
5.根据权利要求1至3中任一项所述的方法，其特征在于，所述实际缺陷分类包括凸点、挤出不足、过量挤出、翘曲、拉丝以及层间剥离。<...
【专利技术属性】
技术研发人员：付子豪，左治江，潘利波，张逸，李涵，曾凡琮，
申请(专利权)人：江汉大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。