CN117058155B - 3dp金属打印铺粉缺陷检测方法、装置、设备及介质 - Google Patents
3dp金属打印铺粉缺陷检测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117058155B CN117058155B CN202311325852.3A CN202311325852A CN117058155B CN 117058155 B CN117058155 B CN 117058155B CN 202311325852 A CN202311325852 A CN 202311325852A CN 117058155 B CN117058155 B CN 117058155B
- Authority
- CN
- China
- Prior art keywords
- defect
- powder
- image
- target
- powder spreading
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000007547 defect Effects 0.000 title claims abstract description 276
- 239000000843 powder Substances 0.000 title claims abstract description 145
- 238000001514 detection method Methods 0.000 title claims abstract description 108
- 238000003892 spreading Methods 0.000 title claims abstract description 89
- 238000007639 printing Methods 0.000 title claims abstract description 49
- 239000002184 metal Substances 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000007781 pre-processing Methods 0.000 claims abstract description 33
- 238000004590 computer program Methods 0.000 claims description 17
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 238000010586 diagram Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 15
- 238000000265 homogenisation Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 239000000654 additive Substances 0.000 description 3
- 230000000996 additive effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010146 3D printing Methods 0.000 description 2
- 239000011230 binding agent Substances 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000012778 molding material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
- B22F10/10—Formation of a green body
- B22F10/14—Formation of a green body by jetting of binder onto a bed of metal powder
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F10/00—Additive manufacturing of workpieces or articles from metallic powder
- B22F10/80—Data acquisition or data processing
- B22F10/85—Data acquisition or data processing for controlling or regulating additive manufacturing processes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22F—WORKING METALLIC POWDER; MANUFACTURE OF ARTICLES FROM METALLIC POWDER; MAKING METALLIC POWDER; APPARATUS OR DEVICES SPECIALLY ADAPTED FOR METALLIC POWDER
- B22F12/00—Apparatus or devices specially adapted for additive manufacturing; Auxiliary means for additive manufacturing; Combinations of additive manufacturing apparatus or devices with other processing apparatus or devices
- B22F12/90—Means for process control, e.g. cameras or sensors
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y50/00—Data acquisition or data processing for additive manufacturing
- B33Y50/02—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
- G06N3/0455—Auto-encoder networks; Encoder-decoder networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8883—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges involving the calculation of gauges, generating models
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P10/00—Technologies related to metal processing
- Y02P10/25—Process efficiency
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Materials Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Manufacturing & Machinery (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Analytical Chemistry (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Automation & Control Theory (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明实施例公开了一种3DP金属打印铺粉缺陷检测方法、装置、设备及介质,所述方法包括:采集粉末床上的铺粉图像,确定待检测铺粉图像;通过预处理模块对所述待检测铺粉图像进行预处理,获取目标张量;将所述目标张量输入预设检测算法模型检测所述目标‑铺粉图像是否存在缺陷;若所述目标张量存在缺陷,则根据所述预设检测算法模型确定缺陷区域;根据所述缺陷区域生成缺陷检测信息。通过实施本发明实施例的方法可以通过机器视觉来代替人眼实时监测铺粉缺陷,以保证打印过程中铺粉的质量。
Description
技术领域
本发明涉及增材制造领域,尤其涉及一种3DP金属打印铺粉缺陷检测方法、装置、设备及介质。
背景技术
3D打印(又称增材制造)作为快速成型技术中的一种,无需传统的模型,就可以实现传统工艺难以加工和生产的复杂结构零件,有效的简化生产工序,缩短生产周期。其中3DP(粘结剂喷射)打印是一种以数字模型文件为基础,运用粘结剂把材料粉末粘结成型,通过逐层打印的方式来构造物体的技术。3DP技术具有成形速度快、运行成本低等诸多优点,被认为是增材制造领域最有潜力的新技术之一。但是在具体打印的铺粉过程中,可能会出现铺粉异常的情况,铺粉异常如未及时发现可能会导致异常情况层层堆积,极易造成零件损坏。但现有技术中,对铺粉的缺陷主要靠工作人员的肉眼进行检测,增大了工作人员的工作量,且容易遗漏铺粉缺陷。
发明内容
本发明实施例提供了一种3DP金属打印铺粉缺陷检测方法、装置、设备及介质,以实现在3D打印过程中以机器视觉来代替人工实时监测铺粉缺陷,并快速及精准的对铺粉图像进行检测。
第一方面,本发明实施例提供了一种3DP金属打印铺粉缺陷检测方法,其包括:采集粉末床上的铺粉图像,确定待检测铺粉图像;通过预处理模块对所述待检测铺粉图像进行预处理,获取目标张量;将所述目标张量输入预设检测算法模型检测所述目标张量是否存在缺陷;若所述目标张量存在缺陷,则根据所述预设检测算法模型确定缺陷区域;根据所述缺陷区域生成缺陷检测信息。
第二方面,本发明实施例还提供了一种3DP金属打印铺粉缺陷检测装置,其包括:采集单元,用于采集粉末床上的铺粉图像,确定待检测铺粉图像;预处理单元,用于通过预处理模块对所述待检测铺粉图像进行预处理,获取目标张量;判断单元,用于将所述目标张量输入预设检测算法模型检测所述目标张量是否存在缺陷;确定单元,用于若所述目标张量存在缺陷,则根据所述预设检测算法模型确定缺陷区域;生成单元,用于根据所述缺陷区域生成缺陷检测信息。
第三方面,本发明实施例还提供了一种计算机设备,其包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时可实现上述方法。
本发明实施例提供了一种3DP金属打印铺粉缺陷检测方法、装置、设备及介质。其中,所述方法包括:采集粉末床上的铺粉图像,确定待检测铺粉图像;通过预处理模块对所述待检测铺粉图像进行预处理,获取目标张量;将所述目标张量输入预设检测算法模型检测所述目标张量是否存在缺陷;若所述目标张量存在缺陷,则根据所述预设检测算法模型确定缺陷区域;根据所述缺陷区域生成缺陷检测信息。本发明实施例通过实时采集粉末床上的铺粉图像,对所述铺粉图像进行预处理获取目标张量,将所述目标张量输入预设检测算法模型进行缺陷检测,若所述目标张量存在缺陷则生成对应的缺陷检测信息,以实现通过机器视觉来代替人眼实时监测铺粉缺陷,以保证打印过程中铺粉的质量。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的3DP金属打印铺粉缺陷检测方法的流程示意图;
图2为本发明实施例提供的3DP金属打印铺粉缺陷检测方法的子流程示意图;
图3为本发明实施例提供的3DP金属打印铺粉缺陷检测方法的子流程示意图;
图4为本发明实施例提供的3DP金属打印铺粉缺陷检测方法的子流程示意图;
图5为本发明实施例提供的3DP金属打印铺粉缺陷检测方法的缺陷类型图;
图6为本发明实施例提供的3DP金属打印铺粉缺陷检测方法的子流程示意图;
图7为本发明实施例提供的3DP金属打印铺粉缺陷检测方法的子流程示意图;
图8为本发明实施例提供的3DP金属打印铺粉缺陷检测方法的子流程示意图;
图9为本发明实施例提供的3DP金属打印铺粉缺陷检测装置的示意性框图;
图10为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和 “包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1,图1为本发明实施例提供的3DP金属打印铺粉缺陷检测方法的流程示意图。本实施例中的3DP金属打印铺粉缺陷检测方法可应用于3DP金属打印的铺粉过程中,先通过工业相机对铺粉图像进行采集,再通过算法模型对采集图像进行分析,以确定铺粉图像是否存在缺陷。采用本发明方法可以替代工作人员肉眼监测3DP金属打印过程中的铺粉缺陷,以减少工作人员的工作量,以有效的保证打印过程中铺粉的质量。
图1是本发明实施例提供的3DP金属打印铺粉缺陷检测方法的流程示意图。如图所示,该方法包括以下步骤S110-S150。
S110、采集粉末床上的铺粉图像,确定待检测铺粉图像。
在本实施例中,所述待检测铺粉图像为工业相机从粉末床上所述采集的铺粉图像。具体地,于粉末床上方设置工业相机,在每一次铺粉完成后通过所述工业相机采集粉末床上的铺粉图像,其中所述工业相机是一种特殊的图像采集设备,用于采集高分辨率的图像数据,并可以将图像数据传输到计算机***中进行处理,相比于民用相机(摄像机)而言,工业相机具有高的图像稳定性、高传输能力和高抗干扰能力等,工业相机多数基于CCD或者CMOS芯片的,本实施例中采用基于CMOS芯片的工业相机对粉末床上的铺粉图像进行采集,通过对每次铺粉后的图像进行采集,可以检测每一次的铺粉是否出现异常以保证铺粉的质量。
S120、通过预处理模块对所述待检测铺粉图像进行预处理,获取目标张量。在本实施例中,所述预处理模块为预先设置的处理所述待检测铺粉图像的模块。所述预处理是对所述待检测铺粉图像进行处理,所述预处理包括但不限于对所述待检测铺粉图像进行灰度转换、图像均匀化以及图像尺度归一化处理以及格式转换等处理。通过对所述待检测铺粉图像进行预处理,获取一个预设尺寸与预设灰度范围以及预设格式的目标张量,通过预处理模块对所述待检测铺粉图像进行预处理,可以获取一个便于后续缺陷检测的预设格式的目标张量,使得对铺粉过程中的缺陷检测更加精准与快速。
在一实施例中,如图2所示,所述步骤S120包括步骤S121-S122。
S121、将所述待检测铺粉图像进行灰度转换、图像均匀化以及图像尺度归一化处理;
S122、将处理后的所述待检测铺粉图像转换为预设格式的所述目标张量。
在本实施例中,所述灰度转换是指根据某种目标条件按一定变换关系逐点改变源图像中每一个像素灰度值的方法。具体地,就是将所述待检测铺粉图像的像素灰度值进行变换,以改善画质,使示效果更加清晰。其中所述灰度转换包括线性转换、非线性转换等多种转换方式,对此不进行限定,所述图像均匀化是使图像将占有尽可能多的灰度级并且均匀分布;所述图像尺度归一化是指将所述待处理铺粉图像的尺度与预设的算法模型中的尺度进行统一。具体地,把工业相机所采集的所述待检测铺粉图像的彩色图像转化为单通道灰度图像,根据预先设置的灰度均值和标准差,把单通道灰度图像统一的调整至该灰度范围,以消除光照不均的影响,因后续所用的算法模型的输入尺寸是固定的,所以需要将所述待检测铺粉图像缩放至与算法模型的输入尺寸相同;最后将上述处理后的所述待检测铺粉图像转换为4D Tensor 格式并加载到GPU上。最终获取了预处理后的4D Tensor 格式的目标张量。通过对所述待检测铺粉图像进行灰度转换、图像均匀化以及图像尺度归一化处理以及进行格式转换,便于根据获取的所述目标张量进行缺陷检测。
S130、将所述目标张量输入预设检测算法模型检测所述目标张量是否存在缺陷。
在本实施例中,所述预设检测算法模型为基于Unet++算法模型的基础算法模型,其中所述Unet++算法模型是采用经典的编码器和解码器结构所构成的,根据基于Unet++算法模型的所述预设检测算法模型可以使得所述预设检测算法模型具有更好的特征提取能力,使得检测结果也较为准确。具体地,所述预设检测算法模型可以检测所述目标张量是否存在缺陷,可分辨出目标张量存在缺陷的缺陷类型。通过所述预设检测算法模型检测所述目标张量是否存在缺陷可以替代人工肉眼检测,节省了大量的人工与时间成本,且检测结果的准确度远高于人工肉眼检测。
S140、若所述目标张量存在缺陷,则根据所述预设检测算法模型确定缺陷区域。
在本实施例中,所述预设检测算法模型若检测出所述目标张量存在缺陷,则所述预设检测算法模型会通过模型内的Softmax函数对所述目标张量的特征图像素点进行分类,并生成与所述待检测图像有映射关系的缺陷区域的掩码图,可根据所述掩码图生成JSON文件,便于后续软件的检测处理。若所述目标张量未存在缺陷,则所述预设检测算法模型则返回未存在缺陷的信号至预设的缺陷处理程序。例如,若所述目标张量未存在缺陷,则所述预设检测算法模型输出的Json文件会返回“0”至预设的缺陷处理程序,预设的缺陷处理程序则通知打印机设备进行下一层的铺粉,若所述目标张量存在缺陷,则所述预设检测算法模型输出的Json文件中会返回“1”与确定的缺陷信息返回至预设的缺陷处理程序。通过将所述目标张量存在缺陷的所述目标张量确定缺陷区域,便于后续根据所述缺陷区域判断如何执行下一步骤,且全流程不需要人工判断,提高对所述铺粉图像的检测效率。
在一实施例中,如图3所示,所述步骤S140包括步骤S141-S142。
S141、若所述目标张量存在缺陷,则根据所述缺陷与所述预设检测算法模型生成缺陷掩码图;
S142、根据所述缺陷掩码图确定所述缺陷区域。
在本实施例中,所述缺陷掩码图为Mask掩码图,Mask掩码图是一种二进制图像,它具有与目标图像相同的尺寸。所述缺陷掩码图中每个像素要么是0,要么是1、2或3,其中,0表示的是该像素点是背景,即该位置待检测铺粉图像没有缺陷,其他像素值则该像素点代表相对应的缺陷。其中,划痕预设的像素值为1,像素值2代表粉堆,像素值3代表缺面,例如,所述预设检测算法模型判断所述缺陷为划痕缺陷,那所述缺陷掩码图则由像素0和1组成。若所述目标张量存在缺陷,则根据所述缺陷与所述预设检测算法模型生成缺陷掩码图,根据所述缺陷掩码图即可确定所述缺陷区域。通过所述缺陷掩码图确定所述缺陷区域,便于根据所述缺陷区域执行不同操作,且获取的缺陷区域精准度高。
S150、根据所述缺陷区域生成缺陷检测信息。
在本实施例中,所述缺陷检测信息为预设的缺陷处理程序根据缺陷区域所生成的检测信息,所述缺陷检测信息包括所述缺陷区域的类型、缺陷大小以及缺陷坐标等信息,具体地,预设的缺陷处理程序接收到所述缺陷区域后,将所述缺陷区域映射变换以获取在所述待检测铺粉图像映射位置,即获取所述待检测铺粉图像上的所述缺陷区域,然后生成具有所述缺陷区域的类型、缺陷大小以及缺陷坐标的所述缺陷检测信息。根据所述具体的所述缺陷检测信息即可清楚的了解所述缺陷类型,并交由所述打印设备,以实现对每一层铺粉进行监测以及实时了解零件的打印质量,若出现铺粉异常情况时可及时处理,可以有效的保障打印质量。
在一实施例中,如图4所示,所述步骤S150包括步骤S151-S152。
S151、根据所述缺陷掩码图确定所述缺陷区域的缺陷类型;
S152、根据所述缺陷类型生成所述缺陷检测信息。
在本实施例中,所述缺陷类型为对所述缺陷进行分类,本实施例中所述缺陷类型包括:划痕、粉堆以及缺面。由图5的缺陷类型图所示,序号1为划痕缺陷,是铺粉过程中形成与辊子运动方向相同的直线痕迹,由于金属粉末的大颗粒或者颗粒形状、密度不均匀,导致在铺粉辊子铺粉过程在粉末床上留下的痕迹。序号2为粉堆缺陷,是指局部粉末过多形成的大小不规则凸起的粉堆。可能由于辊子上积累一定的粉末堆积,辊子与凸起金属表面摩擦导致粉末抖落到铺粉面形成。序号3为缺面缺陷,是指在部分面域未被金属粉末覆盖上,可能是由于供粉量不足或供粉装置出现问题等原因。具体地,所述划痕、粉堆以及缺面的像素值分别为1、2、3,根据所述缺陷掩码图中的像素值即可判断所述缺陷类型,例如,若所述缺陷掩码图由0和2所构成,则所述缺陷类型则为粉堆缺陷。然后可将所述划痕缺陷写入至所述缺陷检测信息中。通过根据所述缺陷掩码图确定所述缺陷区域的缺陷类型,并根据缺陷类型判断是否继续铺粉。
在一实施例中,如图6所示,所述步骤S150包括步骤S153-S154。
S153、将所述缺陷区域进行映射变换,获取所述待检测铺粉图像上的目标缺陷区域;
S154、获取所述目标缺陷区域的轮廓坐标,并根据所述轮廓坐标生成所述缺陷检测信息。
在本实施例中,所述待检测铺粉图像上的目标缺陷区域是指所述待检测铺粉图像上的真正缺陷区域。因为所述缺陷区域是所述目标张量上的缺陷区域,所述目标张量是经过尺寸调整的,所以需要将所述缺陷区域进行映射变换以获取所述待检测铺粉图像上的真正的目标缺陷区域。具体地,把所述目标张量上检测的缺陷区域根据图像预处理时采用的缩放比例还原到原始图像的过程,例如原始尺寸是2000×2000,而所述目标张量是1000×1000,则根据2:1的放大比例即可把所述目标张量与原始图像形成一一对应的关系以获取所述目标缺陷区域,可预先设置所述坐标系,例如以粉末床中心为原点,建立坐标轴以获取所述目标缺陷区域的轮廓坐标,对如何建立所述坐标系不进行限定,能统一所述目标缺陷区域的轮廓坐标即可,将所述轮廓坐标写入至所述缺陷检测信息中,便于后续设备了解所述缺陷的具***置。
在一实施例中,如图7所示,所述步骤S150包括步骤S155-S156。
S155、根据所述目标缺陷区域的轮廓坐标确定所述目标缺陷区域的缺陷尺寸;
S156、根据所述缺陷尺寸生成所述缺陷检测信息。
在本实施例中,所述缺陷尺寸是指所述目标缺陷区域的大小。获取所述目标缺陷区域的轮廓坐标后即可根据所述轮廓坐标确定目标缺陷区域的缺陷尺寸。并将所述缺陷尺寸写入至所述缺陷检测信息,以生成所述缺陷检测信息,可根据直观的所述缺陷尺寸判断缺陷是否影响下次铺粉,便于打印设备根据缺陷信息作出相应的措施。
在一实施例中,如图8所示所述步骤S150包括之后,还步骤S1501-S1502。
S1501、根据所述缺陷检测信息,判断所述缺陷区域是否影响待打印零件的质量;
S1502、若影响所述待打印零件的质量,则控制打印设备发出警报。
在本实施例中,所述判断所述缺陷区域是否影响待打印零件的质量,具体地,根据所述缺陷检测信息可了解缺陷所在的位置以及大小以及类型,例如,若所述待打印设备是高精度的零件,则有一点缺陷则会影响所述待打印零件,则控制所述打印设备发出警报以通知工作人员进行排查;若所述待打印设备为非高精度零件,可以接收预设范围内缺陷,则所述缺陷区域的大小在可以接收预设范围内,则可控制所述打印设备继续进行铺粉;若所述缺陷类型是划痕类型,下次铺粉时可将所述缺陷进行覆盖,则可控制所述打印设备继续进行铺粉;或者所述缺陷区域与所述待打印零件的内部,会影响所述待打印零件的质量,则控制打印设备发出警报。通过根据所述缺陷检测信息,判断所述缺陷区域是否影响待打印零件的质量,可以及时通知工作人员调整工艺参数避免出现打印质量缺陷。
图9是本发明实施例提供的一种3DP金属打印铺粉缺陷检测装置200的示意性框图。如图9所示,对应于以上3DP金属打印铺粉缺陷检测方法,本发明还提供一种3DP金属打印铺粉缺陷检测装置。该3DP金属打印铺粉缺陷检测装置包括用于执行上述3DP金属打印铺粉缺陷检测方法的单元,该装置可以被配置于台式电脑、平板电脑、手提电脑、等终端中。具体地,请参阅图9,该3DP金属打印铺粉缺陷检测装置包括采集单元210、预处理单元220、判断单元230和确定单元240以及生成单元250。
采集单元210,用于采集粉末床上的铺粉图像,确定待检测铺粉图像。
预处理单元220,用于通过预处理模块对所述待检测铺粉图像进行预处理,获取目标张量。
在一实施例中,所述预处理单元220包括预处理子单元与转换单元。
预处理子单元,用于将所述待检测铺粉图像进行灰度转换、图像均匀化以及图像尺度归一化处理;
转换单元,用于将处理后的所述待检测铺粉图像转换为预设格式的所述目标张量。
判断单元230,用于将所述目标张量输入预设检测算法模型检测所述目标张量是否存在缺陷。
确定单元240,用于若所述目标张量存在缺陷,则根据所述预设检测算法模型确定缺陷区域。
在一实施例中,所述确定单元240包括缺陷生成单元与确定子单元。
缺陷生成单元,用于若所述目标张量存在缺陷,则根据所述缺陷与所述预设检测算法模型生成缺陷掩码图;
确定子单元,用于根据所述缺陷掩码图确定所述缺陷区域。
生成单元250,用于根据所述缺陷区域生成缺陷检测信息。
在一实施例中,所述生成单元250包括类型确定单元与第一生成单元。
类型确定单元,用于根据所述缺陷掩码图确定所述缺陷区域的缺陷类型;
第一生成单元,用于根据所述缺陷类型生成所述缺陷检测信息。
在一实施例中,所述生成单元250包括坐标获取单元与第二生成单元。
坐标获取单元,用于将所述缺陷区域进行映射变换,获取所述待检测铺粉图像上的目标缺陷区域;
第二生成单元,用于获取所述目标缺陷区域的轮廓坐标,并根据所述轮廓坐标生成所述缺陷检测信息。
在一实施例中,所述生成单元250包括尺寸获取单元与第三生成单元。
尺寸获取单元,用于根据所述目标缺陷区域的轮廓坐标确定所述目标缺陷区域的缺陷尺寸;
第三生成单元,用于根据所述缺陷尺寸生成所述缺陷检测信息。
在一实施例中,所述生成单元250之后还包括第一判断单元以及警报单元。
第一判断单元,用于根据所述缺陷检测信息,判断所述缺陷区域是否影响待打印零件的质量;
警报单元,用于若影响所述待打印零件的质量,则控制打印设备发出警报。
需要说明的是,所属领域的技术人员可以清楚地了解到,上述3DP金属打印铺粉缺陷检测装置200和各单元的具体实现过程,可以参考前述方法实施例中的相应描述,为了描述的方便和简洁,在此不再赘述。
上述3DP金属打印铺粉缺陷检测装置可以实现为一种计算机程序的形式,该计算机程序可以在如图10所示的计算机设备上运行。
请参阅图10,图10是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是服务器,服务器可以是独立的服务器,也可以是多个服务器组成的服务器集群。
参阅图10,该计算机设备500包括通过***总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作***5031和计算机程序5032。该计算机程序5032包括程序指令,该程序指令被执行时,可使得处理器502执行一种3DP金属打印铺粉缺陷检测方法。
该处理器502用于提供计算和控制能力,以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行一种3DP金属打印铺粉缺陷检测方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备500的限定,具体的计算机设备500可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现上述方法的步骤。
应当理解,在本申请实施例中,处理器502可以是中央处理单元 (CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路 (Application Specific IntegratedCircuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令,计算机程序可存储于一存储介质中,该存储介质为计算机可读存储介质。该程序指令被该计算机***中的至少一个处理器执行,以实现上述方法的实施例的流程步骤。
因此,本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序,其中计算机程序包括程序指令。该程序指令被处理器执行时使处理器执行如上述方法的步骤。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的。例如,各个单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,终端,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种3DP金属打印铺粉缺陷检测方法,其特征在于:
采集粉末床上的铺粉图像,确定待检测铺粉图像;
通过预处理模块对所述待检测铺粉图像进行预处理,获取目标张量;
将所述目标张量输入预设检测算法模型检测所述目标张量是否存在缺陷;
若所述目标张量存在缺陷,则根据所述预设检测算法模型确定缺陷区域;
根据所述缺陷区域生成缺陷检测信息;
所述通过预处理模块对所述待检测铺粉图像进行预处理,获取目标张量的步骤包括:
将所述待检测铺粉图像进行灰度转换、图像均匀化以及图像尺度归一化处理;
将处理后的所述待检测铺粉图像转换为预设格式的目标张量;
所述若所述目标张量存在缺陷,则根据所述预设检测算法模型确定缺陷区域的步骤包括:
若所述目标张量存在缺陷,则根据所述缺陷与所述预设检测算法模型生成缺陷掩码图;
根据所述缺陷掩码图确定所述缺陷区域;
根据所述缺陷掩码图确定所述缺陷区域的缺陷类型,其中,所述缺陷类型包括:划痕、粉堆以及缺面;
根据所述缺陷类型生成所述缺陷检测信息。
2.根据权利要求1所述的方法,其特征在于,所述根据所述缺陷区域生成缺陷检测信息的步骤,还包括:
将所述缺陷区域进行映射变换,获取所述待检测铺粉图像上的目标缺陷区域;
获取所述目标缺陷区域的轮廓坐标,并根据所述轮廓坐标生成所述缺陷检测信息。
3.根据权利要求2所述的方法,其特征在于,所述获取所述目标缺陷区域的轮廓坐标的步骤之后,还包括:
根据所述目标缺陷区域的轮廓坐标确定所述目标缺陷区域的缺陷尺寸;
根据所述缺陷尺寸生成所述缺陷检测信息。
4.根据权利要求1所述的方法,其特征在于,所述根据所述缺陷区域生成缺陷检测信息的步骤之后,还包括:
根据所述缺陷检测信息,判断所述缺陷区域是否影响待打印零件的质量;
若影响所述待打印零件的质量,则控制打印设备发出警报。
5.一种3DP金属打印铺粉缺陷检测装置,其特征在于,包括:
采集单元,用于采集粉末床上的铺粉图像,确定待检测铺粉图像;
预处理单元,用于通过预处理模块对所述待检测铺粉图像进行预处理,获取目标张量;
预处理子单元,用于将所述待检测铺粉图像进行灰度转换、图像均匀化以及图像尺度归一化处理;
转换单元,用于将处理后的所述待检测铺粉图像转换为预设格式的所述目标张量;
判断单元,用于将所述目标张量输入预设检测算法模型检测所述目标张量是否存在缺陷;
确定单元,用于若所述目标张量存在缺陷,则根据所述预设检测算法模型确定缺陷区域;
缺陷生成单元,用于若所述目标张量存在缺陷,则根据所述缺陷与所述预设检测算法模型生成缺陷掩码图;
确定子单元,用于根据所述缺陷掩码图确定所述缺陷区域;
类型确定单元,用于根据所述缺陷掩码图确定所述缺陷区域的缺陷类型,其中,所述缺陷类型包括:划痕、粉堆以及缺面;
第一生成单元,用于根据所述缺陷类型生成所述缺陷检测信息;
生成单元,用于根据所述缺陷区域生成缺陷检测信息。
6.一种计算机设备,其特征在于,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-4中任一项所述的方法。
7.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时可实现如权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311325852.3A CN117058155B (zh) | 2023-10-13 | 2023-10-13 | 3dp金属打印铺粉缺陷检测方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311325852.3A CN117058155B (zh) | 2023-10-13 | 2023-10-13 | 3dp金属打印铺粉缺陷检测方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117058155A CN117058155A (zh) | 2023-11-14 |
CN117058155B true CN117058155B (zh) | 2024-03-12 |
Family
ID=88666756
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311325852.3A Active CN117058155B (zh) | 2023-10-13 | 2023-10-13 | 3dp金属打印铺粉缺陷检测方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117058155B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117245104B (zh) * | 2023-11-16 | 2024-03-12 | 西安空天机电智能制造有限公司 | 3dp金属打印缺陷识别的监测方法、装置、设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113763355A (zh) * | 2021-09-07 | 2021-12-07 | 创新奇智(青岛)科技有限公司 | 一种缺陷检测方法、装置、电子设备及存储介质 |
CN115829999A (zh) * | 2022-12-22 | 2023-03-21 | 国网新疆电力有限公司信息通信公司 | 一种绝缘子缺陷检测模型生成方法、装置、设备和存储介质 |
WO2023087741A1 (zh) * | 2021-11-18 | 2023-05-25 | 上海商汤智能科技有限公司 | 缺陷检测方法及装置、电子设备、存储介质及计算机程序产品 |
WO2023125838A1 (zh) * | 2021-12-30 | 2023-07-06 | 深圳云天励飞技术股份有限公司 | 数据处理方法、装置、终端设备及计算机可读存储介质 |
CN116542984A (zh) * | 2023-07-07 | 2023-08-04 | 浙江省北大信息技术高等研究院 | 五金件缺陷检测方法、装置、计算机设备及存储介质 |
WO2023179122A1 (zh) * | 2022-03-23 | 2023-09-28 | 广东利元亨智能装备股份有限公司 | 缺陷检测方法、装置、电子设备及可读存储介质 |
-
2023
- 2023-10-13 CN CN202311325852.3A patent/CN117058155B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113763355A (zh) * | 2021-09-07 | 2021-12-07 | 创新奇智(青岛)科技有限公司 | 一种缺陷检测方法、装置、电子设备及存储介质 |
WO2023087741A1 (zh) * | 2021-11-18 | 2023-05-25 | 上海商汤智能科技有限公司 | 缺陷检测方法及装置、电子设备、存储介质及计算机程序产品 |
WO2023125838A1 (zh) * | 2021-12-30 | 2023-07-06 | 深圳云天励飞技术股份有限公司 | 数据处理方法、装置、终端设备及计算机可读存储介质 |
WO2023179122A1 (zh) * | 2022-03-23 | 2023-09-28 | 广东利元亨智能装备股份有限公司 | 缺陷检测方法、装置、电子设备及可读存储介质 |
CN115829999A (zh) * | 2022-12-22 | 2023-03-21 | 国网新疆电力有限公司信息通信公司 | 一种绝缘子缺陷检测模型生成方法、装置、设备和存储介质 |
CN116542984A (zh) * | 2023-07-07 | 2023-08-04 | 浙江省北大信息技术高等研究院 | 五金件缺陷检测方法、装置、计算机设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
Infrared dim target detection via mode-k1k2 extension tensor tubal rank under complex ocean environment;Zhaoyang Cao等;《ISPRS Journal of Photogrammetry and Remote Sensing》;全文 * |
张量化扩展变换的低秩图像修复算法;诸葛燕;徐宏辉;郑建炜;;浙江工业大学学报(03);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117058155A (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117058155B (zh) | 3dp金属打印铺粉缺陷检测方法、装置、设备及介质 | |
JP2017107541A (ja) | 情報処理装置、情報処理方法、プログラムおよび検査システム | |
US20220281177A1 (en) | Ai-powered autonomous 3d printer | |
CN117058154B (zh) | 3dp金属打印铺粉过程的缺陷识别方法、***及介质 | |
CN114216911B (zh) | 一种金属选择性激光熔化成型中铺粉质量监测及控制方法 | |
CN115641332A (zh) | 产品边缘外观缺陷的检测方法及装置、介质、设备 | |
CN113066088A (zh) | 工业检测中的检测方法、检测装置和存储介质 | |
CN111539927A (zh) | 汽车塑料组合件紧固卡扣缺装检测装置的检测过程及算法 | |
CN110378887A (zh) | 屏幕缺陷检测方法、装置及***、计算机设备及介质 | |
JP2020087211A (ja) | 学習モデル生成装置、種類判別システム、及び学習モデル生成方法 | |
CN115065708A (zh) | 基于机器视觉检测的工业物联网及控制方法 | |
US20210027463A1 (en) | Video image processing and motion detection | |
US11493453B2 (en) | Belt inspection system, belt inspection method, and recording medium for belt inspection program | |
CN115719326A (zh) | Pcb板缺陷检测方法及装置 | |
CN110632094B (zh) | 一种基于逐点比对分析的图纹质量检测方法,装置与*** | |
CN108416790A (zh) | 一种用于工件破损率的检测方法 | |
CN112488986A (zh) | 基于Yolo卷积神经网络的布匹表面瑕疵识别方法、装置及*** | |
CN114723728A (zh) | 一种手机摄像头玻璃盖板丝印cd纹缺陷检测方法及*** | |
CN109334009B (zh) | 一种铺粉控制方法、设备以及可读存储介质 | |
CN113379729A (zh) | 一种图像微小异常检测方法、装置及计算机可读存储介质 | |
CN117173185B (zh) | 轧制板材的区域检测方法及装置、存储介质、计算机设备 | |
CN112730427B (zh) | 一种基于机器视觉的产品表面缺陷检测方法及*** | |
CN118096760B (zh) | 刀具磨损检测方法、设备和可读存储介质 | |
CN118115429A (zh) | 一种增材制造结构与铺粉异常在线监测、诊断及控制*** | |
Marković et al. | Improving sub-pixel estimation of laser stripe reflection center by autoconvolution on FPGA |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |