基于机器视觉的3D打印异常诊断方法

来源：机床与液压杂志2024年第13期北京时间：

作者：黄周林，周敏，李鑫炎，申飞

单位：武汉科技大学，冶金装备及其控制教育部重点实验室;武汉科技大学,机械传动与制造工程湖北省重点实验室;武汉科技大学精密制造研究院；武汉科技大学，冶金装备及其控制教育部重点实验室;武汉科技大学,机械传动与制造工程湖北省重点实验室;武汉科技大学精密制造研究院；武汉科技大学，冶金装备及其控制教育部重点实验室;武汉科技大学,机械传动与制造工程湖北省重点实验室;武汉科技大学精密制造研究院；武汉科技大学，冶金装备及其控制教育部重点实验室;武汉科技大学,机械传动与制造工程湖北省重点实验室;武汉科技大学精密制造研究院

摘要：为解决3D打印过程中出现的诸如堵头、断丝、翘曲等异常情况导致打印失败的问题，搭建检测平台并提出一种融合Xception的改进YOLOv5算法，完成异常实时检测，达到及时处理、提高打印成功率的目的。通过对YOLO算法头部、躯干部以及瓶颈块进行轻量化改进，提高识别帧率并减小参量；然后对输出部分进行改进，使特征相似的异常图像被收集后输入至Xception算法中，提升异常识别分类的准确率；最后利用Qt跨平台开发框架设计打印异常诊断系统人机交互界面软件。结果表明：改进的融合算法在自建3D打印异常数据集中识别准确率为88.75%，较原YOLOv5算法提高3.22%，同时识别平均帧率为28帧/s，提高了40.0%，可以满足实际打印中对识别准确率及实时性的要求。

关键词：3D打印异常检测;诊断;轻量化算法;YOLOv5算法;Xception算法

基金资助：国家自然科学基金面上项目(51975431)