CN111113903A - 基于人工智能的面向3d打印微纳器件的自动校准方法 - Google Patents
基于人工智能的面向3d打印微纳器件的自动校准方法 Download PDFInfo
- Publication number
- CN111113903A CN111113903A CN202010122983.1A CN202010122983A CN111113903A CN 111113903 A CN111113903 A CN 111113903A CN 202010122983 A CN202010122983 A CN 202010122983A CN 111113903 A CN111113903 A CN 111113903A
- Authority
- CN
- China
- Prior art keywords
- calibration
- scale
- printing
- printer
- size
- 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.)
- Pending
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
- B29C64/30—Auxiliary operations or equipment
- B29C64/386—Data acquisition or data processing for additive manufacturing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
- B29C64/30—Auxiliary operations or equipment
- B29C64/386—Data acquisition or data processing for additive manufacturing
- B29C64/393—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
-
- 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
-
- 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
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Materials Engineering (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Optics & Photonics (AREA)
Abstract
本发明公开了一种基于人工智能的面向3D打印微纳器件的自动校准方法。本发明具体是将校准标尺原始STL文件导入打印机,进行常规打印机校准后打印出校准标尺,所述的校准标尺带有多种三维模型,用于后续的校准;自动运行的图像识别程序使用神经网络对打印机打印出来的校准标尺进行识别,并根据参照物精确计算出打印机所打印出来的实际尺寸;自动校准程序根据图像识别程序给出的结果自动进行打印机中的三维模型的尺寸校准,并给出模型修改建议。本发明能够在打印一次标尺以后就快速给出模型修改建议,从而一步到位,减少资源浪费,降低人力物力成本。
Description
技术领域
本发明涉及一种校准3D打印机的方法,特别是能够快速、精确校准,并且适用于市面上常见的各个价位的3D打印机的校准方法。
背景技术
3D打印,即快速成型技术的一种,是以数字模型文件为基础,运用粉末状金属或塑料等可粘合材料,通过逐层打印的方式来构造物体的技术。常在模具制造、工业设计等领域被用于制造模型,后逐渐用于一些产品的直接制造。随着3D打印技术的发展,多种打印方法及多种打印材料源源不断地在市场上涌现,常见的打印方法包括FDM,SLA,光固化技术等,打印材料主要包括工程塑料、光敏树脂、橡胶类材料、金属材料和陶瓷材料等。
不管是任何一种技术的3D打印,其在进行实际物理打印之前都要经过模型建立,然后将模型导入打印机进行实际物体的制造。在熔融沉积制造工艺FDM中,3D打印机在设计文件指令的导引下,先喷出固体粉末或熔融的液态材料,使其固化成为一个特殊的平面薄层。第一层固化后,3D打印机打印头返回,在第一层外部形成另一薄层。如此往复,最终薄层累积成为三维物体。而在立体光固化成型法SLA中,计算机设计出的三维模型将被离散程序进行切片处理,设计出扫描路径,随之产生的数据将精确控制激光扫描器和升降台的运动。接下来,激光光束通过数控装置控制的扫描器,按设计的扫描路径照射到液态光敏树脂表面,使表面特定区域内的一层树脂固化后就完成了一层的加工,生成零件的一个截面。然后,升降台下降一定距离,在固化层上覆盖另一层液态树脂,再进行第二次扫描,生成第二层截面,如此往复,层层叠加生成三维工件原型。
然而在加工制造过程中,由于模型尺寸、材料性质、打印机的精度等问题常常会使得第一次打印出来的工件原型不符合设计尺寸,即存在误差。由此造成模型的反复修改和实验。即便修改过的模型,其再次打印出来的尺寸也不一定符合预期。此外,即便是非常高端的打印机,依然存在误差。由于输入模型和得到三维原型的尺寸差异而造成的反复试验不仅耗时费力,而且对打印成本也是挑战。进一步来说,对于大尺寸器件的打印精度控制相较于小尺寸器件要相对容易,小尺寸器件打印难度高且绝对、相对误差都较大,坏件率高;但相对的,小尺寸器件往往在整体器件中或者某项特殊任务中起到关键性的作用。因此,对小尺寸器件的精确打印至关重要。
发明内容
本发明针对现有技术的不足,通过对3D打印机进行校准,从建立模型那一步开始就减少这些客观误差。
本发明解决技术问题所采取的技术方案为:
本发明包括一个校准标尺、一套自动运行的图像识别程序以及一套自动校准程序,该方法具体是:
将校准标尺原始STL文件导入打印机,进行常规打印机校准后打印出校准标尺,所述的校准标尺带有多种三维模型,用于后续的校准;
自动运行的图像识别程序使用神经网络对打印机打印出来的校准标尺进行识别,并根据参照物精确计算出打印机所打印出来的实际尺寸;
自动校准程序根据图像识别程序给出的结果自动进行打印机中的三维模型的尺寸校准,并给出模型修改建议。
进一步说,所述的图像识别程序具体是:
载入包含校准标尺和参照物的图片;
获取参照物像素值,依据参照物标准尺寸确定每一像素对应的实际尺寸;
分割目标图像;
将分割好的图像输入至训练好的卷积神经网络,得到目标中心坐标值以及长宽或直径信息;
识别目标图像。
进一步说,所述的自动校准程序具体是:
利用线性回归计算出打印机设计尺寸和打印实际尺寸的相关关系,并绘制相应的线性回归图,得出回归曲线;
在构建设计3D打印模型具体结构参数的时候,把实际所需数值输入至相应的线性回归曲线,从而计算得出建模时应该输入的设计参数。
进一步说,所述的校准标尺为长方体,其长宽高分别为7cm、2cm和0.2cm,校准标尺中间有一个半径为1.3厘米的半圆镂空,用以匹配半径为小于1.3厘米的任意半径的各种硬币,所述硬币即为参照物。
该校准标尺上还有半径分别为0.1~1.0毫米的凹陷圆孔和同样尺寸的凸出圆柱。其中凹陷圆孔的孔深为0.2厘米,凸出圆柱的柱高等于圆柱自身的直径;
该校准标尺上还有线宽为0.1~1.0毫米的水平及竖直矩形。矩形又有凹陷洞穿标尺的和凸出标尺表面的。其中洞穿标尺的矩形深度均为0.2厘米,而凸出标尺表面的矩形高度等同于矩形的宽。
本发明的有益效果:
本发明的校准标尺的微观物理结构覆盖多种模型的误差源,从模型的各个特征结构入手全方位减小误差。
本发明能够在打印一次标尺以后就快速给出模型修改建议,从而一步到位,减少资源浪费,降低人力物力成本。
本发明设计出的标尺自动识别程序和自动校准程序省时省力,非常可靠。
本发明可以适用于任何打印机,即便是中低端的打印机也可以通过的自动校准程序极大提高精度,从而更适合小尺寸、微纳器件的制造,适用范围更广。
附图说明
图1为本发明的校准标尺二维设计图;
图2为本发明的校准标尺三维俯视图;
图3为本发明的校准标尺轴测图;
图4为图像自动识别的流程工作图;
图5为识别矩形所使用的人工神经网络的构架图;
图6为识别圆形所使用的人工神经网络的构架图;
图7为图像识别程序的识别效果;
图8为根据图像识别程序结果进行自动校准的结果。
具体实施方式
本发明旨在通过对3D打印机进行标准化校准,从建立模型那一步开始就减少这些客观误差,并且适用于多种不同类型的3D打印机。
本发明包括一个校准标尺、一套自动运行的图像识别程序以及一套自动校准程序。
进一步说,该校准标尺为7*2*0.2 (L*W*T)厘米的长方体,标尺中间有一个半径为1.3厘米的半圆镂空,用以匹配半径为小于1.3厘米的任意半径的各种硬币(如一元人民币硬币)。该镂空半圆尺寸可更改,用于匹配任意一种硬币。
进一步说,该校准标尺上有半径分别为0.1-1.0毫米的凹陷圆孔和同样尺寸的凸出圆柱。其中凹陷圆孔的孔深为0.2厘米,凸出圆柱的柱高等于圆柱自身的直径。
进一步说,该校准标尺上还有线宽为0.1-1.0毫米的水平及竖直矩形。矩形又有凹陷洞穿标尺的和凸出标尺表面的。其中洞穿标尺的深度均为0.2厘米,而凸出标尺表面的高度等同于矩形的宽。
进一步说,所述的自动运行的图像识别程序使用神经网络的方法对目标打印机打印出来的特定标尺进行识别,并根据1元硬币这个参照物精确计算出打印机所打印出来的实际尺寸。
进一步说,自动校准程序会根据图像识别程序给出的结果自动进行三维模型的尺寸校准,并给出模型修改建议。
实施例:
第一部分:校准标尺的设计
为了从打印微观物理结构覆盖多种模型的误差源,从模型的各个特征结构入手全方位减小误差,本发明设计了一个涵盖多种特征模块的校准标尺,包括直径为实数的x-y方向圆和宽度为实数的x-y方向矩形,如图1所示。其中圆和矩形均有z值,以标尺上表面为基准,z值取正或取负,生成凸起结构或孔结构,如图2所示。矩形平行于x轴方向或者平行于y轴方向。
如图3所示,标尺整体尺寸为7*2*0.2 (L*W*T)厘米的长方体。其上不同直径的圆和矩形均匀排列。圆半径和矩形宽度取0.1-1.0毫米,全方位覆盖小尺寸器件的尺寸范围。其中,101和201为半径0.1-1.0毫米的圆孔,102和202为半径0.1-1.0毫米的圆柱,301和401为宽度0.1-1.0毫米的矩形x方向细孔,302和402为宽度0.1-1.0毫米的矩形x方向凸起结构,501为宽度0.1-1.0毫米的矩形y方向细孔,502为宽度0.1-1.0毫米的矩形y方向凸起结构。
此外,作为对照,标尺中间有一个半径为1.3厘米的半圆镂空601,用以匹配半径为小于1.3厘米的任意半径的各种硬币(如一元人民币硬币)。该镂空半圆尺寸可更改,用于匹配任意一种硬币。
该标尺的打印可采用任意一种打印方法和任意一款打印机,不同的打印机相对应的打印效果会有所区别,因此本实施例还包括了图像识别程序和自动校准程序。
第二部分:基于人工神经网络和OPENCV的标尺打印效果识别程序
本发明的图像识别程序用于快速识别并计算出实际打印标尺的各个特征结构的尺寸,通过与原设计尺寸的比较,总结出该打印机的打印效果,给出打印精准指数,包括各种特征尺寸的偏差值。该图像识别程序快速、精准、易用。流程如图4所示,具体方式如下:
1. 载入图片
1.1 打印标尺
将本发明设计的校准标尺原始STL文件导入打印机,进行常规打印机校准后打印出校准标尺。打印校准标尺过程中所使用的打印材料、打印温度等应该与校准后打印其他目标文件所使用的打印材料、打印温度等相一致。
1.2 获取标尺图片
将一枚一元硬币放置在校准标尺的半圆镂空601内,将标尺和硬币均水平放置在台面上,将相机镜头水平对准标尺和硬币进行图片获取。
1.3 载入标尺图片
将上一步获取到的标尺图片输入程序中进行识别。
2. 获取参考像素值
程序将首先获取图片中硬币直径像素值,通过对比程序中输入的国家法定一元硬币铸造尺寸标准进行每一像素对应实际尺寸的计算。
3. 分割目标图像
用鼠标截取ROI(目标区域),通过人为分割确认校准图像。
4. 输入目标图像
将上步分割好的需校准图像输入至训练好的卷积神经网络,得到目标中心坐标值以及长宽或直径信息。
5. 识别目标图像
识别矩形的人工神经网络构架如图5所示。网络的输入是一张50 pixel × 50 pixel的滑动窗口,输出是矩形的中心坐标(x,y)以及矩形的长(l)和宽(w)。
识别圆形的人工神经网络构架如图6所示。网络的输入是一张50 pixel × 50pixel的滑动窗口,输出是圆的中心坐标(x,y)以及圆的直径(d)。
最后,利用OPENCV和基于人工神经网络的识别参数对目标进行框定,框定的整体效果如图7所示。
第三部分:基于识别效果的3D打印模型自动校准建议
本实施例的自动校准程序用于在图像识别程序给出计算结果的基础上进行预期实际打印尺寸的模型校准工作。换言之,该自动校准程序能够在获得标尺的实际打印数据及与设计尺寸的对比值后,归纳总结出该打印机在打印各种特征结构时所需要使用的校准公式,并给出尺寸修改建议,优化模型参数,使得第二次打印结果接近实际预期值。此外,该自动校准程序还能够在用户输入打印模型及预期打印尺寸后进行模型尺寸的评估,给出修改建议。具体方式如下:
1.基于人工神经网络的识别结果与已知的3D打印标尺的设计结构,可以利用线性回归计算出目标3D打印机设计尺寸和打印实际尺寸的相关关系,并绘制相应的线性回归图,得出回归曲线。
2.图8为示例,其包含了对凸圆,凹圆,凸横矩形,凹横矩形,凸竖矩形,凹竖矩形测量后计算出的线性回归曲线。图中各横坐标(x轴,单位: mm)是打印设计尺寸,图中各纵坐标(y轴,单位: mm)是打印实际尺寸,对每一种形状都计算了其相应的线性回归曲线。
3.基于上述步骤计算所得的线性回归曲线,用户在构建设计3D打印模型具体结构参数的时候,可以把实际所需数值(y)输入至相应的线性回归曲线,从而计算得出建模时应该输入的设计参数(x)。如:希望打印一条宽0.5 mm,深0.5 mm,长3 mm的凹横矩形,具体校准步骤如下:
找到相应的凹横矩形的校准回归曲线y = 0.9749*x - 0.0286;
将所需数值宽0.5 mm代入y并计算x = 0.5422 mm;
因此如果希望打印一条宽0.5 mm的凹横矩形时的设计参数应该为0.5422 mm而非0.5mm;
假设将设计值0.5 mm作为打印设计值,则实际打印值经计算估计为0.4589 mm,精度提高0.0411 mm(相对精度提高8.22%);
该自动校准程序能够与图像识别程序联动,极大提高用户的打印效率,减少资源浪费。
Claims (4)
1.基于人工智能的面向3D打印微纳器件的自动校准方法,包括一个校准标尺、一套自动运行的图像识别程序以及一套自动校准程序,其特征在于:
将校准标尺原始STL文件导入打印机,进行常规打印机校准后打印出校准标尺,所述的校准标尺带有多种三维模型,用于后续的校准;
自动运行的图像识别程序使用神经网络对打印机打印出来的校准标尺进行识别,并根据参照物精确计算出打印机所打印出来的实际尺寸;
自动校准程序根据图像识别程序给出的结果自动进行打印机中的三维模型的尺寸校准,并给出模型修改建议。
2.根据权利要求1所述的基于人工智能的面向3D打印微纳器件的自动校准方法,其特征在于:
所述的图像识别程序具体是:
载入包含校准标尺和参照物的图片;
获取参照物像素值,依据参照物标准尺寸确定每一像素对应的实际尺寸;
分割目标图像;
将分割好的图像输入至训练好的卷积神经网络,得到目标中心坐标值以及长宽或直径信息;
识别目标图像。
3.根据权利要求1所述的基于人工智能的面向3D打印微纳器件的自动校准方法,其特征在于:
所述的自动校准程序具体是:
利用线性回归计算出打印机设计尺寸和打印实际尺寸的相关关系,并绘制相应的线性回归图,得出回归曲线;
在构建设计3D打印模型具体结构参数的时候,把实际所需数值输入至相应的线性回归曲线,从而计算得出建模时应该输入的设计参数。
4.根据权利要求1至3中所述的基于人工智能的面向3D打印微纳器件的自动校准方法,其特征在于:
所述的校准标尺为长方体,其长宽高分别为7cm、2cm和0.2cm,校准标尺中间有一个半径为1.3厘米的半圆镂空,用以匹配半径为小于1.3厘米的任意半径的各种硬币,所述硬币即为参照物;
该校准标尺上还有半径分别为0.1~1.0毫米的凹陷圆孔和同样尺寸的凸出圆柱;其中凹陷圆孔的孔深为0.2厘米,凸出圆柱的柱高等于圆柱自身的直径;
该校准标尺上还有线宽为0.1~1.0毫米的水平及竖直矩形;矩形又有凹陷洞穿标尺的和凸出标尺表面的;其中洞穿标尺的矩形深度均为0.2厘米,而凸出标尺表面的矩形高度等同于矩形的宽。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010122983.1A CN111113903A (zh) | 2020-02-27 | 2020-02-27 | 基于人工智能的面向3d打印微纳器件的自动校准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010122983.1A CN111113903A (zh) | 2020-02-27 | 2020-02-27 | 基于人工智能的面向3d打印微纳器件的自动校准方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111113903A true CN111113903A (zh) | 2020-05-08 |
Family
ID=70493324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010122983.1A Pending CN111113903A (zh) | 2020-02-27 | 2020-02-27 | 基于人工智能的面向3d打印微纳器件的自动校准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111113903A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113324479A (zh) * | 2021-06-16 | 2021-08-31 | 厦门天宇丰荣科技有限公司 | 生物墨水3d打印的平面实心矩形尺寸精度评定方法及其装置 |
CN113446944A (zh) * | 2021-06-16 | 2021-09-28 | 厦门天宇丰荣科技有限公司 | 生物墨水3d打印的直线元素尺寸精度评定方法和装置 |
CN114274501A (zh) * | 2021-11-26 | 2022-04-05 | 深圳市创想三维科技股份有限公司 | 3d打印机续打方法、装置、计算机设备和存储介质 |
CN115320106A (zh) * | 2022-08-30 | 2022-11-11 | 郑州潮阔电子科技有限公司 | 一种3d打印机校准尺寸的方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104044273A (zh) * | 2014-06-26 | 2014-09-17 | 珠海天威飞马打印耗材有限公司 | 三维打印机的校准方法及其装置 |
DE102013208651A1 (de) * | 2013-05-10 | 2014-11-13 | Eos Gmbh Electro Optical Systems | Verfahren zum automatischen Kalibrieren einer Vorrichtung zum generativen Herstellen eines dreidimensionalen Objekts |
CN106182765A (zh) * | 2016-07-05 | 2016-12-07 | 上海交通大学 | 基于支持向量机的3d打印模型尺寸误差预测方法 |
CN107512002A (zh) * | 2017-09-29 | 2017-12-26 | 深圳晗竣雅科技有限公司 | 一种光固化快速成型中材料收缩的补偿方法及系统 |
CN108262954A (zh) * | 2017-10-16 | 2018-07-10 | 杭州先临易加三维科技有限公司 | Sla设备的校准方法和sla设备 |
WO2019055576A1 (en) * | 2017-09-12 | 2019-03-21 | Arconic Inc. | SYSTEMS AND METHODS FOR PERFORMING CALIBRATION IN ADDITIVE MANUFACTURE |
US10322545B1 (en) * | 2016-09-08 | 2019-06-18 | The United States Of America As Represented By The Director, National Security Agency | Measuring ink stream deposition rate of an aerosol-jet printer |
CN110052607A (zh) * | 2019-03-11 | 2019-07-26 | 上海交通大学 | 基于视觉监测的粉床式3d打印闭环控制装置、系统及方法 |
CN110281664A (zh) * | 2019-07-11 | 2019-09-27 | 森大(深圳)技术有限公司 | 打印介质定位打印方法、装置、设备、介质及平板打印机 |
-
2020
- 2020-02-27 CN CN202010122983.1A patent/CN111113903A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102013208651A1 (de) * | 2013-05-10 | 2014-11-13 | Eos Gmbh Electro Optical Systems | Verfahren zum automatischen Kalibrieren einer Vorrichtung zum generativen Herstellen eines dreidimensionalen Objekts |
CN104044273A (zh) * | 2014-06-26 | 2014-09-17 | 珠海天威飞马打印耗材有限公司 | 三维打印机的校准方法及其装置 |
CN106182765A (zh) * | 2016-07-05 | 2016-12-07 | 上海交通大学 | 基于支持向量机的3d打印模型尺寸误差预测方法 |
US10322545B1 (en) * | 2016-09-08 | 2019-06-18 | The United States Of America As Represented By The Director, National Security Agency | Measuring ink stream deposition rate of an aerosol-jet printer |
WO2019055576A1 (en) * | 2017-09-12 | 2019-03-21 | Arconic Inc. | SYSTEMS AND METHODS FOR PERFORMING CALIBRATION IN ADDITIVE MANUFACTURE |
CN107512002A (zh) * | 2017-09-29 | 2017-12-26 | 深圳晗竣雅科技有限公司 | 一种光固化快速成型中材料收缩的补偿方法及系统 |
CN108262954A (zh) * | 2017-10-16 | 2018-07-10 | 杭州先临易加三维科技有限公司 | Sla设备的校准方法和sla设备 |
CN110052607A (zh) * | 2019-03-11 | 2019-07-26 | 上海交通大学 | 基于视觉监测的粉床式3d打印闭环控制装置、系统及方法 |
CN110281664A (zh) * | 2019-07-11 | 2019-09-27 | 森大(深圳)技术有限公司 | 打印介质定位打印方法、装置、设备、介质及平板打印机 |
Non-Patent Citations (2)
Title |
---|
宋万清: "《数据挖掘》", 31 December 2018, 中国铁道出版社 * |
莫德举: "《数字图像处理》", 31 January 2010, 北京邮电大学出版社 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113324479A (zh) * | 2021-06-16 | 2021-08-31 | 厦门天宇丰荣科技有限公司 | 生物墨水3d打印的平面实心矩形尺寸精度评定方法及其装置 |
CN113446944A (zh) * | 2021-06-16 | 2021-09-28 | 厦门天宇丰荣科技有限公司 | 生物墨水3d打印的直线元素尺寸精度评定方法和装置 |
CN113446944B (zh) * | 2021-06-16 | 2023-11-03 | 厦门天宇丰荣科技有限公司 | 生物墨水3d打印的直线元素尺寸精度评定方法和装置 |
CN114274501A (zh) * | 2021-11-26 | 2022-04-05 | 深圳市创想三维科技股份有限公司 | 3d打印机续打方法、装置、计算机设备和存储介质 |
CN114274501B (zh) * | 2021-11-26 | 2023-11-28 | 深圳市创想三维科技股份有限公司 | 3d打印机续打方法、装置、计算机设备和存储介质 |
CN115320106A (zh) * | 2022-08-30 | 2022-11-11 | 郑州潮阔电子科技有限公司 | 一种3d打印机校准尺寸的方法 |
CN115320106B (zh) * | 2022-08-30 | 2024-06-25 | 郑州潮阔电子科技有限公司 | 一种3d打印机校准尺寸的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111113903A (zh) | 基于人工智能的面向3d打印微纳器件的自动校准方法 | |
US10395372B2 (en) | Systems, media, and methods for pre-processing and post-processing in additive manufacturing | |
US12001191B2 (en) | Automated 360-degree dense point object inspection | |
CN102105908B (zh) | 用于制造母型模具的方法和装置 | |
Boschetto et al. | Integration of FDM surface quality modeling with process design | |
CN112677487B (zh) | 3d打印的控制方法、控制系统及3d打印设备 | |
CN108724733B (zh) | 一种面向面曝光3d打印的视觉监视反馈方法 | |
CN107672180A (zh) | 一种基于逆向工程技术的3d打印精度检测方法 | |
Guerra et al. | Photogrammetric measurements of 3D printed microfluidic devices | |
CN109318485B (zh) | 用于控制增材制造系统的系统和方法 | |
CN113103587B (zh) | 3d打印的控制方法、控制系统及3d打印设备 | |
Galantucci et al. | Photogrammetry applied to small and micro scaled objects: a review | |
US12023869B2 (en) | Detecting irregularaties in layers of 3-D printed objects and assessing integrtity and quality of object to manage risk | |
CN113646157A (zh) | 设置用于监控增材制造方法的相机的校准 | |
Son et al. | Path planning of multi-patched freeform surfaces for laser scanning | |
CN116638766A (zh) | 3d打印偏差检测方法、装置和计算机设备 | |
CN113592962B (zh) | 基于机器视觉的批量硅片标识识别方法 | |
CN116993627B (zh) | 一种激光扫描图像数据校正方法 | |
Dritsas et al. | Shrinkage prediction and correction in material extrusion of cellulose-chitin biopolymers using neural network regression | |
CN115453839A (zh) | 一种面向dlp3d打印的单光源水平校准方法 | |
CN114463317A (zh) | 一种基于计算机视觉的结构原位修补3d打印方法 | |
CN113721866A (zh) | 应用于3d打印的数据获取系统及方法 | |
Percoco et al. | 3D image based modelling for inspection of objects with micro-features, using inaccurate calibration patterns: an experimental contribution | |
WO2021141570A1 (en) | Deriving metrology data for an instance of an object based on a threedimensional model thereof | |
Werkle et al. | Generalizable process monitoring for FFF 3D printing with machine vision |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200508 |