相关实验视频
Updated: Jul 23, 2025
04:36
Author Spotlight: Real-Time Imaging of Bonding in 3D-Printed Layers
Published on: September 1, 2023
3.4K
开发用于高粘度陶树脂的光聚合型3D打印机,使用基于CNN的表面缺陷检测
Jin-Kyo Chung1, Jeong-Seon Im1, Min-Soo Park2
1Department of Mechanical Information Engineering, Seoul National University of Science and Technology, 232 Gongneung-ro, Nowon-gu, Seoul 01811, Republic of Korea.
Materials (Basel, Switzerland)
|July 14, 2023
概括
本研究介绍了使用图像处理和卷积神经网络 (CNN) 进行陶增材制造的实时缺陷检测系统. 它在识别表面缺陷方面达到98%的准确性,从而实现了工艺改进.
科学领域:
- 材料科学 材料科学 材料科学
- 添加剂制造 添加剂制造 添加剂制造
- 计算机视觉 计算机视觉
背景情况:
- 陶材料的硬度和脆性对传统的加工构成了挑战.
- 陶的增材制造面临着局限性,需要改进工艺监控.
- 表面缺陷检测对于确保印刷陶结构的质量至关重要.
研究的目的:
- 开发一个实时系统,用于在陶添加剂制造过程中监测表面缺陷.
- 为了分类和分析不同类型的缺陷 (毛孔,小,关键,错误) 的影响.
- 根据检测到的缺陷来实现过程反和修改.
主要方法:
- 利用图像处理和卷积神经网络 (CNN) 算法进行缺陷检测.
- 将表面缺陷分为四类:孔隙,轻微,关键和错误.
- 实施图像预处理技术,包括裁剪,缩小尺寸和RGB像素标准化.
- 训练并测试了DenseNet算法在预处理的图像上进行分类.
主要成果:
- 在正常状态和缺陷状态下,达到98%的高分类准确度.
- 识别和分类了四种主要类型的表面缺陷.
- 证实孔隙和轻微缺陷可以使用重装工艺减轻.
结论:
- 开发的系统在陶添加剂制造过程中有效地实时检测和分类表面缺陷.
- 该系统为流程修改提供了有价值的反,以改善印刷结构质量.
- 重塑过程显示了修复特定类型的表面缺陷的潜力.
