本發(fā)明涉及計算機處理，特別是涉及一種3d打印機打印制品外形視覺檢測方法。

背景技術(shù)：

1、隨著3d打印技術(shù)的普及，打印制品的外形缺陷檢測成為質(zhì)量控制的關(guān)鍵環(huán)節(jié)。

2、傳統(tǒng)方法主要依賴人工目視檢查或單一維度的光學(xué)掃描（參考中國專利，公開號cn114062391a，公開的一種自動光學(xué)檢測設(shè)備的檢測方法），而光學(xué)掃描則是通過視覺傳感器，如高清攝像頭、3d激光掃描感應(yīng)器等設(shè)備，以獲取產(chǎn)品本技術(shù)的圖像，然后再通過圖像處理，判斷圖像是否存在效率低、漏檢率高、難以識別內(nèi)部結(jié)構(gòu)異常等問題，此方法為二維圖像分析。

3、由于二維圖像分析存在弊端，所以通過多個視覺傳感器獲取產(chǎn)品的多個面的圖像，融合后以形成三維圖像（參考中國專利，公開號cn118781207b，公開的一種基于多個攝像頭目標(biāo)確定方法、裝置及設(shè)備），其等于是在上述的二維圖像分析基礎(chǔ)上，進行多個面采集的二維圖像分析，然后將多個二維圖像組合形成三維圖像，但是不同二維圖像之間的融合部分，也就是重疊部分需要大量的計算，以保證融合生成的圖像等于產(chǎn)品的三維外觀，實際運行過程中存在一定的誤判，誤判主要包括融合部分的誤差，融合部分特征的丟失等問題。

4、故如何有效捕捉三維形變、層間錯位及材料分布不均等立體缺陷，期待得到很好地解決。

技術(shù)實現(xiàn)思路

1、針對上述技術(shù)問題，本發(fā)明采用的技術(shù)方案為一種3d打印機打印制品外形視覺檢測方法，包括以下步驟：

2、s01、通過環(huán)形布置的多光譜視覺傳感器陣列采集打印制品的多角度的表面圖像數(shù)據(jù)，同步獲取激光掃描儀生成的三維點云數(shù)據(jù)；

3、s02、對所述表面圖像數(shù)據(jù)進行三維重建生成第一外觀模型，將所述三維點云數(shù)據(jù)轉(zhuǎn)換為第二外觀模型；

4、s03、通過特征配準(zhǔn)算法融合所述第一外觀模型與第二外觀模型，生成融合三維模型，并采用自適應(yīng)權(quán)重分配策略處理模型重疊區(qū)域，計算重疊區(qū)各像素點的置信度權(quán)重以消除融合誤差；

5、s04、提取所述融合三維模型的幾何偏差特征向量，結(jié)合打印過程實時采集的層間溫度場數(shù)據(jù)生成工藝特征向量；

6、s05、將所述幾何偏差特征向量與工藝特征向量輸入預(yù)訓(xùn)練的多模態(tài)缺陷檢測模型，輸出形變指數(shù)、層間錯位概率及材料分布均勻性參數(shù)；

7、s06、當(dāng)任一參數(shù)超過預(yù)設(shè)閾值時，判定存在立體缺陷的存在，并進行預(yù)警。

8、作為優(yōu)選的，所述多光譜視覺傳感器包括：

9、在打印平臺上方120°環(huán)形布置的至少3組工業(yè)相機，每組工業(yè)相機至少包括一個可見光攝像頭與一個近紅外攝像頭；

10、在打印平臺四角設(shè)置采集端向下傾斜45°安裝的激光線掃描儀；

11、且在執(zhí)行所述步驟s01中采集所述表面圖像數(shù)據(jù)和所述三維點云數(shù)據(jù)的采集行為以所述打印制品的每層打印完成后2秒內(nèi)完成完整一個周期的數(shù)據(jù)采集。

12、作為優(yōu)選的，所述步驟s03中所述通過特征配準(zhǔn)算法融合所述第一外觀模型與第二外觀模型包括：

13、s31、采用改進的icp算法對第一外觀模型與第二外觀模型進行粗配準(zhǔn)，建立初始坐標(biāo)對應(yīng)關(guān)系；

14、s32、構(gòu)建重疊區(qū)域特征金字塔，在多個尺度下計算sift特征點匹配度；

15、s33、基于特征點空間分布密度動態(tài)調(diào)整配準(zhǔn)權(quán)重：

16、；

17、其中，di為點云密度，ci為圖像對比度，，為自適應(yīng)調(diào)節(jié)系數(shù)，均取3，dmax為最大點云密度，cmax為最大圖像對比度，然后，再對低置信度區(qū)域進行局部的再次掃描進行補缺。

18、作為優(yōu)選的，在執(zhí)行步驟s03中還包括對下一層所述打印制品的打印層的協(xié)調(diào)，其步驟包括：

19、s34、提取所述融合三維模型的幾何偏差特征，并與實時采集的層間冷卻速率數(shù)據(jù)進行關(guān)聯(lián)分析；

20、s35、基于所述關(guān)聯(lián)分析的結(jié)果，輸入預(yù)訓(xùn)練的時空卷積網(wǎng)絡(luò)以得到輸出缺陷類型及嚴重等級；

21、s36、基于獲取所述輸出缺陷類型及嚴重等級，對與之對應(yīng)的層間錯位缺陷，基于歷史工藝數(shù)據(jù)生成參數(shù)補償序列：

22、下一層的打印速度修正量：；

23、噴頭溫度調(diào)整曲線：；

24、其中，t（t）為噴頭溫度調(diào)整曲線，δv為打印速度，δ為錯位量，k，τ，ω為材料相關(guān)修正系數(shù)，t為時間，δt為溫度波動幅值，ω為角頻率，e取值4，t0為線材的標(biāo)準(zhǔn)溫度。

25、作為優(yōu)選的，所述步驟s35中所述輸入預(yù)訓(xùn)練的時空卷積網(wǎng)絡(luò)以得到輸出缺陷類型及嚴重等級，包括：

26、s351、采用3d空洞卷積提取三維幾何特征，空洞率隨網(wǎng)絡(luò)深度從2遞增至6；

27、s352、使用雙向gru網(wǎng)絡(luò)分析所述打印制品的每一個打印層的工藝參數(shù)，并將各個打印層的所述工藝參數(shù)制成對比表，求取平均值后對每一個打印層的所述工藝參數(shù)作差，并對差值進行標(biāo)識；

28、s353、通過門控注意力機制動態(tài)融合時空特征，門控值計算式為：

29、；

30、其中，fs為空間特征，ft為時間特征，wg,bg為可學(xué)習(xí)參數(shù)，σ為3。

31、作為優(yōu)選的，所述步驟s05中所述多模態(tài)缺陷檢測模型的訓(xùn)練方法包括：

32、s51、構(gòu)建包含表面裂紋、層間剝離、熱變形三類典型缺陷的樣本庫，每個樣本包括多角度可見光、紅外圖像、高精度三維點云數(shù)據(jù)、層間溫度曲線數(shù)據(jù)、材料擠出壓力時序數(shù)據(jù)；

33、s52、基于雙通道深度網(wǎng)絡(luò)分別將第一通道處理圖像與點云數(shù)據(jù)、第二通道處理工藝參數(shù)；

34、s53、通過跨通道注意力機制實現(xiàn)特征交互，最終輸出層包含三維形變熱力圖與缺陷分類結(jié)果。

35、作為優(yōu)選的，所述步驟s52中的所述雙通道深度網(wǎng)絡(luò)包括：

36、s521、在圖像點云通道中采用3d卷積核提取空間特征，每個卷積層后接se注意力模塊；

37、s522、在工藝參數(shù)通道中采用lstm網(wǎng)絡(luò)捕捉時間序列特征；

38、s523、通過動態(tài)路由算法實現(xiàn)雙通道特征的層次化融合，其中，雙通道特征的層次化融合包括對局部細節(jié)特征進行處理的初級融合和對全局語義特征進行處理的高級融合。

39、作為優(yōu)選的，所述步驟s06執(zhí)行依據(jù)包括：

40、當(dāng)0.3<形變指數(shù)≤0.5時觸發(fā)預(yù)警并記錄坐標(biāo)；

41、當(dāng)0.5<形變指數(shù)≤0.7時降低打印速度并增強局部冷卻；

42、當(dāng)形變指數(shù)>0.7時暫停打印并啟動補償加工；

43、對層間錯位概率采用滑動窗口檢測，連續(xù)3層錯位概率>40%時判定為結(jié)構(gòu)性缺陷。

44、本發(fā)明至少具有以下有益效果：

45、1、通過環(huán)形布置的多光譜視覺傳感器陣列和激光掃描儀，實現(xiàn)了對打印制品多角度、高精度的表面圖像與三維點云數(shù)據(jù)的同步采集。

46、2、通過三維重建、特征配準(zhǔn)算法融合、多模態(tài)缺陷檢測模型等步驟，有效捕捉了三維形變、層間錯位及材料分布不均等立體缺陷，提高了檢測的準(zhǔn)確性和效率。

47、3、相比傳統(tǒng)的人工目視檢查或單一維度的光學(xué)掃描的弊端，具有更低的漏檢率、更高的識別精度，且能夠?qū)崟r調(diào)整打印參數(shù)，預(yù)防缺陷的產(chǎn)生。