CN114863012A - 增材制造模型信息建立方法、装置、设备及存储介质 - Google Patents
增材制造模型信息建立方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114863012A CN114863012A CN202210291143.7A CN202210291143A CN114863012A CN 114863012 A CN114863012 A CN 114863012A CN 202210291143 A CN202210291143 A CN 202210291143A CN 114863012 A CN114863012 A CN 114863012A
- Authority
- CN
- China
- Prior art keywords
- data
- layer
- image data
- information
- additive manufacturing
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 113
- 239000000654 additive Substances 0.000 title claims abstract description 75
- 230000000996 additive effect Effects 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 230000002159 abnormal effect Effects 0.000 claims abstract description 33
- 238000005520 cutting process Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims description 21
- 230000007547 defect Effects 0.000 claims description 16
- 230000005856 abnormality Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 15
- 238000007639 printing Methods 0.000 claims description 11
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000005457 optimization Methods 0.000 abstract description 2
- 239000010410 layer Substances 0.000 description 108
- 238000010894 electron beam technology Methods 0.000 description 9
- 239000000463 material Substances 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 239000002356 single layer Substances 0.000 description 5
- 239000007769 metal material Substances 0.000 description 4
- 238000010146 3D printing Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000002844 melting Methods 0.000 description 3
- 230000008018 melting Effects 0.000 description 3
- 238000000465 moulding Methods 0.000 description 3
- 239000012620 biological material Substances 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000011960 computer-aided design Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001125 extrusion Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 229910052755 nonmetal Inorganic materials 0.000 description 2
- 238000000016 photochemical curing Methods 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 238000005245 sintering Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010030 laminating Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
Abstract
本发明公开了一种增材制造模型信息建立方法、装置、设备及存储介质。其中,增材制造模型信息建立方法包括:获取在增材制造过程中的视频数据、每层零件的切层数据和初始图像数据,初始图像数据通过在每层零件制造成型后、利用电子枪进行扫描获得;基于切层数据对初始图像数据进行异常判断获得零件的异常信息;将每层零件的初始图像数据的获取结束时间点作为时间节点对视频数据进行分割成多个视频片段;基于切层数据和异常信息建立制造对象的三维模型。工作人员可基于三维模型清楚的看到制造对象的异常位置和找到制造过程中对应的视频片段,方便快速的定位异常位置,便于工作人员对制造对象的异常情况进行判断和后期的工艺优化调整。
Description
技术领域
本发明涉及增材制造技术领域,尤其涉及一种增材制造模型信息建立方法、装置、设备及存储介质。
背景技术
增材制造(Additive Manufacturing,AM)俗称3D打印,融合了计算机辅助设计、材料加工与成型技术、以数字模型文件为基础,通过软件与数控系统将专用的金属材料、非金属材料以及医用生物材料,按照挤压、烧结、熔融、光固化、喷射等方式逐层堆积,制造出实体物品的制造技术。
其中,增材制造的多种成型方式都是通过逐层堆积实现的,也就是说通过增材制造的工件是由多层零件层叠组合而成,在增材制造过程中一层层的制造。而在增材制造过程中部分零件层可能由于种种原因造成缺陷问题,从而影响到整个工件的质量。在工件制造完成后需要通过超声波探伤仪等手段对工件的质量进行检查,检出存在缺陷问题之后需要通过切割、研磨、抛光等手段使缺陷位置暴露出来,以实现对缺陷的成因进行分析判断,以改进工件的制造工艺。在此过程中需要借助多个设备进行检测,还需要通过大量的人工操作判断具体的缺陷位置,需要消耗大量的资源和人力。
发明内容
本发明提供了一种增材制造模型信息建立方法、装置、设备及存储介质,以降低对工件的制造缺陷定位和查找所需的时间和资源。
根据本发明的一方面,提供了一种增材制造模型信息建立方法,制造对象由多层零件层组合而成,所述方法包括:
获取在增材制造过程中的视频数据、每层所述零件的切层数据和初始图像数据,所述初始图像数据通过在每层所述零件制造成型后、利用电子枪进行扫描获得;
基于所述切层数据对所述初始图像数据进行异常判断获得所述零件的异常信息;
将每层所述零件的所述初始图像数据的获取结束时间点作为时间节点对所述视频数据进行分割成多个视频片段;
基于所述切层数据和所述异常信息建立所述制造对象的三维模型。
可选的,所述获取在增材制造过程中的视频数据、每层所述零件的切层数据和初始图像数据,包括:
获取所述制造对象在整个增材制造过程中的视频数据;
获取在整个增材制造过程中的打印数据,获得所述制造对象的每层零件的切层数据;
在每层所述零件制造完成时驱动电子枪对所述制造对象进行扫描;
采集扫描过程中的二次电子信息和/或背射电子信息;
对所述二次电子信息和/或背射电子信息进行处理获得每层所述零件制造完成的初始图像数据。
可选的,所述基于所述切层数据对所述初始图像数据进行异常判断获得异常信息,包括:
基于所述切层数据生成每层所述零件制造完成后对应的目标图像数据;
确定所述初始图像数据与所述目标图像数据的区别作为异常信息。
可选的,所述切层数据包括所述制造对象的每层所述零件的CAD打印数据;
所述基于所述切层数据生成每层所述零件制造完成后对应的目标图像数据,包括:
基于所述切层数据中的所述CAD打印数据生成所述零件的目标截面灰度图数据,作为目标图像数据。
可选的,所述确定所述初始图像数据与所述目标图像数据的区别作为异常信息,包括:
对所述目标图像数据作灰度化处理,获得仅包含所述零件的初始截面灰度图数据;
获得所述初始截面灰度图数据与所述目标截面灰度图数据的区别位置和范围作为异常信息。
,所述基于所述切层数据和所述异常信息建立所述制造对象的三维模型,包括:
基于所述切层数据建立每层所述零件的零件三维模型;
基于所述异常信息对所述零件三维模型进行异常标识;
将标识后的所述零件三维模型进行组合成所述制造对象的三维模型。
可选的,在所述基于所述切层数据对所述初始图像数据进行异常判断获得所述零件的异常信息之后,还包括:
基于所述异常信息与预设的缺陷类型进行匹配确定所述异常信息对应的异常类型。
根据本发明的另一方面,提供了一种增材制造模型信息建立装置,制造对象由多层零件层组合而成,包括:
获取模块,用于获取在增材制造过程中的视频数据、每层所述零件的切层数据和初始图像数据,所述初始图像数据通过在每层所述零件制造成型后、利用电子枪进行扫描获得;
异常判断模块,用于基于所述切层数据对所述初始图像数据进行异常判断获得所述零件的异常信息;
视频分割模块,用于将所述初始图像数据的获取结束时间点作为时间节点对所述视频数据进行分割成多个视频片段;
模型建立模块,用于基于所述切层数据和所述异常信息建立所述制造对象的三维模型。
根据本发明的另一方面,提供了一种增材制造模型信息建立设备,所述设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行第一方面所述的增材制造模型信息建立方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现第一方面所述的增材制造模型信息建立方法。
本发明实施例的技术方案,通过采集制造对象的增材制造过程中的视频图像、每层的切层数据和通过电子枪获取的初始图像数据,然后基于切层数据和初始图像数据对制造对象的增材制造过程中的异常数据,并基于初始图像数据的采集时间结束时间点对视频数据进行分割为对应的多个视频片段,最后再基于切层数据和异常数据建立制造对象的三维模型,工作人员可基于三维模型清楚的看到制造对象的异常位置和找到制造过程中对应的视频片段,方便快速的定位异常位置,便于工作人员对制造对象的异常情况进行判断和后期的工艺优化调整。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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,下面描述中的附图仅仅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是根据本发明实施例一提供的一种增材制造模型信息建立方法的流程图;
图2a是根据本发明实施例二提供的一种增材制造模型信息建立方法的流程图;
图2b为本发明实施例二提供的基于一种增材制造模型信息建立方法的建立的三维模型示意图;
图3是根据本发明实施例三提供的一种增材制造模型信息建立装置的结构示意图;
图4是实现本发明实施例的增材制造模型信息建立方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“初始”、“目标”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种增材制造模型信息建立方法的流程图,本实施例可适用于对增材制造的制造对象进行实时建模以便于查看制造对象的制造缺陷和追溯制造工艺问题的情况,该方法可以由增材制造模型信息建立装置来执行,该增材制造模型信息建立装置可以采用硬件和/ 或软件的形式实现,该增材制造模型信息建立装置可配置于计算机设备中,例如,服务器、工作站、个人电脑,等等。
增材制造(Additive Manufacturing,AM)俗称3D打印,融合了计算机辅助设计、材料加工与成型技术、以数字模型文件为基础,通过软件与数控系统将专用的金属材料、非金属材料以及医用生物材料,按照挤压、烧结、熔融、光固化、喷射等方式逐层堆积,制造出实体物品的制造技术。相对于传统的、对原材料去除-切削、组装的加工模式不同,是一种“自下而上”通过材料累加的制造方法,从无到有。基于离散-堆积原理,由零件三维数据驱动直接制造零件的科学技术体系。基于不同的分类原则和理解方式,增材制造技术还有快速原型、快速成形、快速制造、3D打印等多种称谓,其内涵仍在不断深化,外延也不断扩展。
如图1所示,该方法包括:
S110、获取在增材制造过程中的视频数据、每层零件的切层数据和初始图像数据。
在本发明实施例中,初始图像数据通过在每层零件制造成型后、利用电子枪进行扫描获得。也就是说,初始图像数据的获取是在每层零件制造成型后利用电子枪对该层零件进行扫描获得。
其中,电子枪是产生、加速及会聚高能量密度电子束流的装置,它发射出具有一定能量、一定束流以及速度和角度的电子束,又称电子注。电子束射在物体的表面可激发各种物理信息,对这些信息收集、放大、再成像以达到对物质微观形貌表征的目的。其中,由电子枪发射的电子束最高可达30keV,经会聚透镜、物镜缩小和聚焦,在样品表面形成一个具有一定能量、强度、斑点直径的电子束。在扫描线圈的磁场作用下,入射电子束在样品表面上按照一定的空间和时间顺序做光栅式逐点扫描。由于入射电子与样品之间的相互作用,将从样品中激发出二次电子。由于二次电子收集极的作用,可将各个方向发射的二级电子汇集起来,再将加速极加速射到闪烁体上,转变成光信号,经过光导管到达光电倍增管,使光信号再转变成电信号。这个电信号又经视频放大器放大并将其输送至显像管的栅极, 调制显像管的亮度。因而,在荧光屏上呈现一幅亮暗程度不同的、反映样品表面形貌的二次电子图像,从而可藉由电子枪扫描物体的表面获取到本发明实施例中每层零件的初始图像数据。
而对于获取的制造对象在增材制造过程中的视频数据,则可通过在制造对象的增材制造过程中利用视频采集设备进行采集获得。获取的视频数据包含制造对象的整个制造过程。
切层数据则为在增材制造过程中每层的设定参数,包括电子图纸信息、单层零件的层厚数据等。
S120、基于切层数据对初始图像数据进行异常判断获得零件的异常信息。
在本发明实施例中,切层数据包括制造对象的每层零件的制造参数,例如每层零件的尺寸参数、厚度参数、材料参数等。在本步骤中所需要做的是将采集到每层零件的初始图像数据与切层数据进行对比,确定初始图像数据中每层零件的尺寸参数、表面参数等时候与切片数据中的内容一致,不一致的内容则认定为异常信息。
在一个可选的实施例中,可基于切层数据生成每层零件的零件图,并基于零件图生成与初始图像数据同一坐标系的灰度图像数据,然后将初始图像数据进行灰度化处理,再与切层数据生成的灰度图像数据进行对比,从而确定初始图像数据与切层数据存在差异的部分,作为异常,然后将该部分的位置、范围大小信息作为异常信息。
S130、将每层零件的初始图像数据的获取结束时间点作为时间节点对视频数据进行分割成多个视频片段。
在本发明实施例中,还对每层零件的初始图像数据获取时间进行记录,然后基于每层零件的初始图像数据获取时间作为时间节点对视频数据进行分割成多个视频片段,每个视频片段均与每层零件对应。
在其他实施例中,还可以仅利用初始图像数据的获取结束时间点作为时间节点对视频数据进行打标记,标记每层零件的制造时间对应的视频数据片段。
S140、基于切层数据和异常信息建立制造对象的三维模型。
在本发明实施例中,可基于切层数据生成制造对象的三维模型,然后再基于异常信息将异常的位置标记到三维模型上,从而生成与制造对象对应的三维模型。在标记的过程中可将异常的位置范围进行颜色标记等,使得工作人员可方便快捷的从三维模型上观察到异常未必。
在本发明实施例中,通过采集制造对象的增材制造过程中的视频图像、每层的切层数据和通过电子枪获取的初始图像数据,然后基于切层数据和初始图像数据对制造对象的增材制造过程中的异常数据,并基于初始图像数据的采集时间点对视频数据进行分割为对应的多个视频片段,最后再基于切层数据和异常数据建立制造对象的三维模型,工作人员可基于三维模型清楚的看到制造对象的异常位置和找到制造过程中对应的视频片段,方便快速的定位异常位置,便于工作人员对制造对象的异常情况进行判断和后期的工艺优化调整。
实施例二
图2a为本发明实施例二提供的一种增材制造模型信息建立方法的流程图,图2b为本发明实施例二提供的基于一种增材制造模型信息建立方法的建立的三维模型示意图,本实施例是上述实施例的进一步细化。如图 2a所示,该方法包括:
S201、获取制造对象在整个增材制造过程中的视频数据。
在本发明实施例中,可在增材制造的过程中利用视频采集设备完整的采集制造对象的制造过程,并将采集到的视频数据进行保存。在保证的过程中可将该视频数据整段保存或分段保存,只要保证视频数据的时间链完整即可,也就是保证视频数据内容是联系的。当分为多段进行保存时可合并成完整的制造对象的增材制造过程的视频数据。
S202、获取在整个增材制造过程中的打印数据,获得制造对象的每层零件的切层数据。
在本发明实施例中,增材制造的制造过程是基于切层数据分层制造每层零件。也就是说基于每层零件对应的切层数据制造在前一成型的零件的基础上制造新的一层零件,直至制造对象完整成型。
切层数据包括基于制造对象的设计数据生成的每层零件的尺寸参数、材料参数和工艺参数等。
在具体实现中,打印数据中还可以包括当前层的切层数据(扫描路径及打印层高)、打印工艺、打印时间、打印材料、打印视频等数据。
S203、在每层零件制造完成时驱动电子枪对制造对象进行扫描。
在本发明实施例中,通过电子枪对成型后的每层零件的尺寸、表面微观形貌进行采集。
示例性的,在增材制造过程中采用的增材制造设备可包括成形室21、成形区域22、铺粉装置23、电子枪24、视频采集装置25和电子信号接收模块26。
在增材制造过程中,将材料通过铺粉装置23铺设在成形室21内的成形区域22上,然后通过成型装置对材料进行融化成型完成单层的零件打印。在打印的过程中通过视频采集装置25连续采集增材制造过程中零件的成型过程,在单层零件打印完成后驱动电子枪24发出电子束扫描零件,使得零件的表面激发出二次电子和/或背射电子,然后通过电子信号接收模块26对二次电子和/或背射电子进行采集,进而处理获得每层零件的初始图像数据。
进一步的,在成形区域22上还设置有放置棋盘式底板,在开始增材制造前利用电子枪24多次采集棋盘式底板的图像,根据图像坐标系、电子信号接收器坐标系及世界坐标系利用标定法求解出每个电子信号接收器的外参和内参,完成对成形室21内部空间的坐标标定。
S204、采集扫描过程中的二次电子信息和/或背射电子信息。
示例性的,在本发明的一个可选示例中,通过采集电子枪发出的电子束打在每层零件的表面后激发的二次电子信息和/或背射电子信息。
S205、对二次电子信息和/或背射电子信息进行处理获得每层零件制造完成的初始图像数据。
在本步骤中需要做的是将前述步骤中采集到的二次电子信息和/或背射电子信息进行图像转化从而获得初始图像数据。对于电子枪的应用属于电子枪领域内的常用技术,在此不再过多赘述,详细的采集、处理方式可参考常见的电子枪使用方式。
S206、基于切层数据生成每层零件制造完成后对应的目标图像数据。
在本发明实施例中,该步骤所需要做的事情是基于切层数据中制造对象的每层零件的尺寸数据和表面信息生成对应的二维图像作为目标图像数据。
例如,在一个可选的实施例中,切层数据包括制造对象的每层零件的 CAD打印数据。则,在S206中所需要做的是基于切层数据中的CAD打印数据生成零件的目标截面灰度图数据,作为目标图像数据。也就是说,基于每层零件的CAD打印数据生成零件的虚拟现实图像,获得零件的表面图像数据,然后再做灰度处理,从而获得负荷需求的目标截面灰度图数据。
其中,生成的目标截面灰度图数据主要针对的零件的俯视视角下的表面形状数据,相当于制造对象的某一个截面的形状,因此在本发明实施例中称为目标截面灰度图数据。
S207、确定初始图像数据与目标图像数据的区别作为异常信息。
在本发明实施例中,通过对比初始图像数据与目标图像数据的区别确定区别点作为异常,区别点的信息集合作为异常信息。此外异常信息具体可包括异常的位置、范围大小等。
进一步的,在S207的基础上还可基于初始图像数据与目标图像数据的区别点确定异常位置,然后再对异常位置进行识别,与预设的缺陷类型进行对比确定各个异常位置的缺陷类型,并将缺陷类型作为异常信息的一部分。
S208、将每层零件的初始图像数据的获取结束时间点作为时间节点对视频数据进行分割成多个视频片段。
该步骤与实施例一中S130一致,具体的实现方式可参考实施例一中对应位置的内容,在此不再进行过多的赘述。
在本发明实施例中,将视频数据基于每层零件的初始图像数据的获取结束时间点作为时间节点进行分割为多个视频片段,形成单层打印视频,在后期可与对应的零件三维模型进行关联,以方便后期基于零件层对零件的打印过程视频进行精准的定位与查看,避免需要对整个视频数据进行统一的时间定位确定零件对应的视频段,有效的减少后期对视频进行查看时所消耗的时间。
S209、基于切层数据建立每层零件的零件三维模型。
如图2b所示,在本步骤中基于切层数据中的每层零件的尺寸数据、厚度数据和形状数据生成三维模型,对于三维模型的生成属于本领域的常用技术,在此不做过多的解释,只要能够基于切层数据生成与本发明实施例中制造的制造对象的每层零件一致的三维模型即可。
S210、基于异常信息对零件三维模型进行异常标识。
在本步骤中所需要做的是在前述步骤中生成的零件三维模型的基础上基于异常信息对异常的部位进行标识。标识的形式可以是以颜色标记或其他形式的标识进行。在利用颜色做标记时可用不同的颜色表征不同的缺陷类型。
S211、将标识后的零件三维模型进行组合成制造对象的三维模型。
在本发明实施例中,
在本发明实施例中,还可将每层零件三维模型与对应的视频片段进行关联。对于制造对象的三维模型还可以是在制造对象的制造过程中基于每层零件的实际制造信息进行实时的生成,而非前述实施例中进行统一的获取与生成,本发明对于建模、标识、异常判断等过程的顺序和执行实际并未做实际的限定,可基于实际需要进行相应的调整。
实施例三
图3为本发明实施例三提供的一种增材制造模型信息建立装置的结构示意图。如图3所示,该装置包括:获取模块31、异常判断模块32视频分割模块33和模型建立模块34。其中:
获取模块31,用于获取在增材制造过程中的视频数据、每层零件的切层数据和初始图像数据,初始图像数据通过在每层零件制造成型后、利用电子枪进行扫描获得;
异常判断模块32,用于基于切层数据对初始图像数据进行异常判断获得零件的异常信息;
视频分割模块33,用于将每层零件的初始图像数据的获取结束时间点作为时间节点对视频数据进行分割成多个视频片段;
模型建立模块34,用于基于切层数据和异常信息建立制造对象的三维模型。
可选的,获取模块31包括:
视频获取单元,用于获取制造对象在整个增材制造过程中的视频数据;
切层获取单元,用于获取在整个增材制造过程中的打印数据,获得制造对象的每层零件的切层数据;
扫描单元,用于在每层零件制造完成时驱动电子枪对制造对象进行扫描;
信息获取单元,用于采集扫描过程中的二次电子信息和/或背射电子信息;
初始图像获取单元,用于对二次电子信息和/或背射电子信息进行处理获得每层零件制造完成的初始图像数据。
可选的,异常判断模块32包括:
目标图像数据生成单元,用于基于切层数据生成每层零件制造完成后对应的目标图像数据;
异常信息确定单元,用于确定初始图像数据与目标图像数据的区别作为异常信息。
在本发明实施例中,切层数据可包括制造对象的每层零件的CAD打印数据,则目标图像数据生成单元,包括:
目标图像数据生成子单元,用于基于切层数据中的CAD打印数据生成零件的目标截面灰度图数据,作为目标图像数据。
可选的,异常信息确定单元包括:
灰度化子单元,用于对目标图像数据作灰度化处理,获得仅包含零件的初始截面灰度图数据;
获取异常子单元,用于获得初始截面灰度图数据与目标截面灰度图数据的区别位置和范围作为异常信息。
可选的,模型建立模块34包括:
零件建模单元,用于基于切层数据建立每层零件的零件三维模型;
标识单元,用于基于异常信息对零件三维模型进行异常标识;
三维模型合成单元,用于将标识后的零件三维模型进行组合成制造对象的三维模型。
可选的,异常判断模块32还包括:
缺陷判断单元,用于基于异常信息与预设的缺陷类型进行匹配确定异常信息对应的异常类型。
本发明实施例所提供的增材制造模型信息建立装置可执行本发明任意实施例所提供的增材制造模型信息建立方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实施本发明的实施例的增材制造模型信息建立设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示,增材制造模型信息建立设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
增材制造模型信息建立设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备 10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息 /数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元 (GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如增材制造模型信息建立方法。
在一些实施例中,增材制造模型信息建立方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM12和/或通信单元19而被载入和/或安装到增材制造模型信息建立设备10上。当计算机程序加载到 RAM 13并由处理器11执行时,可以执行上文描述的增材制造模型信息建立方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行增材制造模型信息建立方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/ 或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种增材制造模型信息建立方法,制造对象由多层零件层组合而成,其特征在于,所述方法包括:
获取在增材制造过程中的视频数据、每层所述零件的切层数据和初始图像数据,所述初始图像数据通过在每层所述零件制造成型后、利用电子枪进行扫描获得;
基于所述切层数据对所述初始图像数据进行异常判断获得所述零件的异常信息;
将每层所述零件的所述初始图像数据的获取结束时间点作为时间节点对所述视频数据进行分割成多个视频片段;
基于所述切层数据和所述异常信息建立所述制造对象的三维模型。
2.根据权利要求1所述的方法,其特征在于,所述获取在增材制造过程中的视频数据、每层所述零件的切层数据和初始图像数据,包括:
获取所述制造对象在整个增材制造过程中的视频数据;
获取在整个增材制造过程中的打印数据,获得所述制造对象的每层零件的切层数据;
在每层所述零件制造完成时驱动电子枪对所述制造对象进行扫描;
采集扫描过程中的二次电子信息和/或背射电子信息;
对所述二次电子信息和/或背射电子信息进行处理获得每层所述零件制造完成的初始图像数据。
3.根据权利要求1所述的方法,其特征在于,所述基于所述切层数据对所述初始图像数据进行异常判断获得异常信息,包括:
基于所述切层数据生成每层所述零件制造完成后对应的目标图像数据;
确定所述初始图像数据与所述目标图像数据的区别作为异常信息。
4.根据权利要求3所述的方法,其特征在于,所述切层数据包括所述制造对象的每层所述零件的CAD打印数据;
所述基于所述切层数据生成每层所述零件制造完成后对应的目标图像数据,包括:
基于所述切层数据中的所述CAD打印数据生成所述零件的目标截面灰度图数据,作为目标图像数据。
5.根据权利要求4所述的方法,其特征在于,所述确定所述初始图像数据与所述目标图像数据的区别作为异常信息,包括:
对所述目标图像数据作灰度化处理,获得仅包含所述零件的初始截面灰度图数据;
获得所述初始截面灰度图数据与所述目标截面灰度图数据的区别位置和范围作为异常信息。
6.根据权利要求1所述的方法,其特征在于,所述基于所述切层数据和所述异常信息建立所述制造对象的三维模型,包括:
基于所述切层数据建立每层所述零件的零件三维模型;
基于所述异常信息对所述零件三维模型进行异常标识;
将标识后的所述零件三维模型进行组合成所述制造对象的三维模型。
7.根据权利要求1所述的方法,其特征在于,在所述基于所述切层数据对所述初始图像数据进行异常判断获得所述零件的异常信息之后,还包括:
基于所述异常信息与预设的缺陷类型进行匹配确定所述异常信息对应的异常类型。
8.一种增材制造模型信息建立装置,制造对象由多层零件层组合而成,其特征在于,包括:
获取模块,用于获取在增材制造过程中的视频数据、每层所述零件的切层数据和初始图像数据,所述初始图像数据通过在每层所述零件制造成型后、利用电子枪进行扫描获得;
异常判断模块,用于基于所述切层数据对所述初始图像数据进行异常判断获得所述零件的异常信息;
视频分割模块,用于将每层所述零件的所述初始图像数据的获取结束时间点作为时间节点对所述视频数据进行分割成多个视频片段;
模型建立模块,用于基于所述切层数据和所述异常信息建立所述制造对象的三维模型。
9.一种增材制造模型信息建立设备,其特征在于,所述设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的增材制造模型信息建立方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的增材制造模型信息建立方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210291143.7A CN114863012A (zh) | 2022-03-23 | 2022-03-23 | 增材制造模型信息建立方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210291143.7A CN114863012A (zh) | 2022-03-23 | 2022-03-23 | 增材制造模型信息建立方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114863012A true CN114863012A (zh) | 2022-08-05 |
Family
ID=82628223
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210291143.7A Pending CN114863012A (zh) | 2022-03-23 | 2022-03-23 | 增材制造模型信息建立方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114863012A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106926466A (zh) * | 2017-04-24 | 2017-07-07 | 杭州空灵智能科技有限公司 | 一种3d打印视频监控的方法及系统 |
CN107175329A (zh) * | 2017-04-14 | 2017-09-19 | 华南理工大学 | 一种3d打印逐层检测反求零件模型及定位缺陷装置与方法 |
CN109816633A (zh) * | 2018-12-27 | 2019-05-28 | 大族激光科技产业集团股份有限公司 | 一种基于3d打印系统的缺陷监控方法、装置及终端设备 |
US20210034961A1 (en) * | 2019-07-29 | 2021-02-04 | Autodesk, Inc. | Defect removal from manufactured objects having morphed surfaces |
CN112651949A (zh) * | 2020-12-30 | 2021-04-13 | 深圳市创想三维科技有限公司 | 3d打印监控方法、装置、电子设备及存储介质 |
CN113670927A (zh) * | 2020-05-14 | 2021-11-19 | 波音公司 | 异物、裂纹和其它表面异常的自动检查 |
-
2022
- 2022-03-23 CN CN202210291143.7A patent/CN114863012A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107175329A (zh) * | 2017-04-14 | 2017-09-19 | 华南理工大学 | 一种3d打印逐层检测反求零件模型及定位缺陷装置与方法 |
CN106926466A (zh) * | 2017-04-24 | 2017-07-07 | 杭州空灵智能科技有限公司 | 一种3d打印视频监控的方法及系统 |
CN109816633A (zh) * | 2018-12-27 | 2019-05-28 | 大族激光科技产业集团股份有限公司 | 一种基于3d打印系统的缺陷监控方法、装置及终端设备 |
US20210034961A1 (en) * | 2019-07-29 | 2021-02-04 | Autodesk, Inc. | Defect removal from manufactured objects having morphed surfaces |
CN113670927A (zh) * | 2020-05-14 | 2021-11-19 | 波音公司 | 异物、裂纹和其它表面异常的自动检查 |
CN112651949A (zh) * | 2020-12-30 | 2021-04-13 | 深圳市创想三维科技有限公司 | 3d打印监控方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110176078B (zh) | 一种训练集数据的标注方法及装置 | |
US11029255B2 (en) | Defect inspection device, defect inspection method, and program | |
CN110253019B (zh) | 一种激光选区熔化的质量监控与控制方法 | |
US20210358101A1 (en) | Processing image data sets | |
CN110065068B (zh) | 一种基于逆向工程的机器人装配作业演示编程方法及装置 | |
KR20140066177A (ko) | 좌표 측정 시스템의 데이터 감축 | |
EP2477468A2 (en) | Substrate inspection system | |
JP2013236032A (ja) | 欠陥解析支援装置、欠陥解析支援装置で実行されるプログラム、および欠陥解析システム | |
KR101987726B1 (ko) | 전자선식 패턴 검사 장치 | |
CN108340582A (zh) | 增材制造的方法、装置、控制装置、存储介质及制造系统 | |
JP6781432B2 (ja) | 電波伝搬シミュレーションモデルの作成方法、作成システム、作成装置および作成プログラム | |
CN109579718A (zh) | 焊缝参数的检测方法、装置、计算机设备和存储介质 | |
CN111077223A (zh) | 一种具有三维显示、在线检测及修复功能的增材制造方法 | |
CN115908432A (zh) | 一种物料输出品质检测系统及预测方法 | |
CN111761819B (zh) | 一种激光粉末床熔融成形件缺陷在线监测方法 | |
CN114565722A (zh) | 一种三维模型单体化实现方法 | |
JP2020009326A (ja) | 電波伝搬シミュレーションモデルの作成方法、作成システム、作成装置および作成プログラム | |
CN115937101A (zh) | 质量检测方法、装置、设备及存储介质 | |
CN117161582B (zh) | 一种基于计算机视觉的激光切割方法 | |
CN116977589B (zh) | 一种岩心三维数值模型的构建方法、装置、设备及介质 | |
CN114863012A (zh) | 增材制造模型信息建立方法、装置、设备及存储介质 | |
CN117521221A (zh) | 一种建筑模型的转换方法、装置、设备及存储介质 | |
Caggiano et al. | Cloud manufacturing architecture for part quality assessment | |
CN116001000A (zh) | 一种pcb分板机智能化控制方法及系统 | |
US20230375709A1 (en) | Detection device, determination method, and non-transitory computer-readable medium |
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 |