CN115423787A - 一种3d打印分层图片的缺陷检测方法及系统 - Google Patents

一种3d打印分层图片的缺陷检测方法及系统 Download PDF

Info

Publication number
CN115423787A
CN115423787A CN202211127747.4A CN202211127747A CN115423787A CN 115423787 A CN115423787 A CN 115423787A CN 202211127747 A CN202211127747 A CN 202211127747A CN 115423787 A CN115423787 A CN 115423787A
Authority
CN
China
Prior art keywords
similarity
slice
feature
image
suspicious
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
Application number
CN202211127747.4A
Other languages
English (en)
Inventor
郑庆伟
陈功举
金枫
屈志
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Metalware 3d Technology Co ltd
Sichuan Zhuohua Additive Manufacturing Co ltd
Guangdong Fenghua Zhuoli Technology Co ltd
Original Assignee
Guangdong Metalware 3d Technology Co ltd
Sichuan Zhuohua Additive Manufacturing Co ltd
Guangdong Fenghua Zhuoli Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Metalware 3d Technology Co ltd, Sichuan Zhuohua Additive Manufacturing Co ltd, Guangdong Fenghua Zhuoli Technology Co ltd filed Critical Guangdong Metalware 3d Technology Co ltd
Priority to CN202211127747.4A priority Critical patent/CN115423787A/zh
Publication of CN115423787A publication Critical patent/CN115423787A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures

Abstract

一种3D打印分层图片的缺陷检测方法及系统，包括以下步骤：步骤S1：导入切片图，将切片图进行缩放，存到图像列表，并对所述切片图进序号标记，步骤S2：顺序获取切片图，并分别对比该切片图与相邻切片图之间的相似度，将两个相似度均低于阈值的切片图标记为可疑图；步骤S3：分别获取可疑图与相邻切片图之间不重合的部分，并分别标记为第一特征与第二特征，将第一特征与第二特征进行对比，若第一特征与第二特征之间存在有重叠的现象，则将该可疑图标记为缺陷图。本发明利用了切片图之间结构变化的趋向性，通过对比相邻切片图之间的相似度即可快速判断出分层图片中是否存在有缺陷，大大提高了分层图片的检测效率。

Description

一种3D打印分层图片的缺陷检测方法及系统
技术领域
本发明涉及三维打印技术领域，特别是一种3D打印分层图片的缺陷检测方法及系统。
背景技术
三维(3D)打印技术，是以计算机三维设计模型为蓝本，通过软件分层离散和数控成型系统，利用激光束、热熔喷嘴等方式将粉末材料、塑料、细胞组织等特殊材料进行逐层堆积黏结，最终叠加成型，制造出实体产品。与传统制造业通过模具、车铣等机械加工方式对原材料进行定型、切削以最终生产成品不同，3D打印将三维实体变为若干个二维平面，通过对材料处理并逐层叠加进行生产，大大降低了制造的复杂度。这种数字化制造模式不需要复杂的工艺、不需要庞大的机床、不需要众多的人力，直接从计算机图形数据中便可生成任何形状的零件，使生产制造得以向更广的生产人群范围延伸。
但是目前由于客户使用的STL文件用不同的软件制作，也可能是CAD软件导出，亦或是反向系统获取的STL模型，STL文件出现错误，会出现切片图像出现错误，现有的分层软件没有对STL修复和对缺陷图检测的方法，导致打印出来的模型有缺陷。
发明内容
针对上述缺陷，本发明的目的在于提出一种3D打印分层图片的缺陷检测方法及系统。在进行三维打印前检测出切片图中出现缺陷的图像，提前将其进行修复，避免模型缺陷的情况发生。
为达此目的，本发明采用以下技术方案：一种3D打印分层图片的缺陷检测方法，包括以下步骤：
步骤S1：导入切片图，将切片图进行缩放，存到图像列表，并对所述切片图进序号标记；
步骤S2：顺序获取切片图，并分别对比该切片图与相邻切片图之间的相似度，将两个相似度均低于阈值的切片图标记为可疑图；
步骤S3：分别获取可疑图与相邻切片图之间不重合的部分，并分别标记为第一特征与第二特征，将第一特征与第二特征进行对比，若第一特征与第二特征之间存在有重叠的现象，则将该可疑图标记为缺陷图。
优选的，步骤S2步骤如下：
步骤S21：获取序号标记为ID3的切片图，并获取ID1与ID2切片图之间的相似度，作为第一相似度阈值；
步骤S22：获取ID2与ID3的切片图之间的相似度，标记为第一相似度；
步骤S23：判断所述第一相似度是否低于所述第一相似度阈值，若低于，则获取ID4与ID5切片图之间的相似度，作为第二相似度阈值；
获取ID3与ID4的切片图之间相似度，标记为第二相似度；
判断所述第二相似度是否低于所述第二相似度阈值，若低于则ID3的切片图标记为可疑图；
步骤S24：ID数加1，并重复步骤S21~24，直到ID数为N-2，其中N为切片图的总数。
优选的，若第一相似度阈值计算中，其中一切片图若为可疑图，则使用默认预设相似度阈值作为本次判断的第一相似度阈值。
优选的，步骤S2中，相似度的获取方式如下：通过两个切片图之间的像素分别获取两个切片图的像素均值、像素方差以及像素协方差；
通过像素均值获取两个切片图的亮度值；
其中亮度值的获取公式如下：
Figure 547344DEST_PATH_IMAGE001
；
Figure 399238DEST_PATH_IMAGE002
和
Figure 975713DEST_PATH_IMAGE003
分别表示两个切片图的像素均值，
Figure DEST_PATH_IMAGE004
表示常数；
通过所述像素方差获取两个切片图的对比度；
其中对比度的获取公式如下：
Figure 308605DEST_PATH_IMAGE005
；
Figure DEST_PATH_IMAGE006
和
Figure 795082DEST_PATH_IMAGE007
分别表示两个切片图的像素方差，
Figure DEST_PATH_IMAGE008
表示常数；
通过所述像素方差以及像素协方差获取两个切片图的结构值；
其中结构值的获取公式如下：
Figure 555227DEST_PATH_IMAGE009
；
其中
Figure DEST_PATH_IMAGE010
表示两个切片图的像素协方差，
Figure 697627DEST_PATH_IMAGE011
表示常数；
其中
Figure 896527DEST_PATH_IMAGE013
，
Figure DEST_PATH_IMAGE014
与
Figure 909613DEST_PATH_IMAGE015
分别表示两个切片图的像素值；
通过亮度值、对比度以及结构值共同计算得到两个切片图之间的相似度；
其中相似度的获取公式如下：
Figure DEST_PATH_IMAGE016
；其中
Figure 837731DEST_PATH_IMAGE017
、
Figure DEST_PATH_IMAGE018
和
Figure 529743DEST_PATH_IMAGE019
为权重系数。
优选的，步骤S3中，重叠的现象的判断过程如下：
将第一特征与第二特征按位进行或操作，若返回灰度值为0的像素数与第一特征总像素数之间差小于阈值，则表示有重叠的现象。
一种3D打印分层图片的缺陷检测系统，使用述一种3D打印分层图片的缺陷检测方法，包括导入模块、可疑图获取模块与缺陷图获取模块；
其中所述导入模块用于导入切片图，将切片图进行缩放，存到图像列表，并对所述切片图进序号标记；
所述可疑图获取模块用于顺序获取切片图，并分别对比该切片图与相邻切片图之间的相似度，将两个相似度均低于阈值的切片图标记为可疑图；
所述缺陷图获取模块用于分别获取可疑图与相邻切片图之间不重合的部分，并分别标记为第一特征与第二特征，将第一特征与第二特征进行对比，若第一特征与第二特征之间存在有重叠的现象，则将该可疑图标记为缺陷图。
优选的，所述可疑图获取模块包括第一相似度阈值获取模块、第二相似度阈值获取模块以及判断模块；
所述第一相似度获取模块用于获取切片图的下一层切片图与下两层切片图两者之间的相似度作为第一相似度阈值；
所述第二相似度获取模块用于获取切片图的上一层切片图与上两层切片图两者之间的相似度作为第二相似度阈值；
所述判断模块用于判断切片图与下一层切片图之间的相似度是否大于第一相似度阈值，若大于再判断所述切片图与上一层切片图之前的相似度是否大于第二相似度阈值，若大于，则将切片图标记为可疑图。
优选的，所述可疑图获取模块还包括规避模块，所述规避模块用于判断所述第一相似度阈值计算中，是否其中一切片图为可疑图，若是，则使用默认预设相似度阈值作为本次判断的第一相似度阈值。
优选的，所述缺陷图获取模块还包括重叠判断模块，所述重叠判断模块用于将第一特征与第二特征按位进行或操作，若返回灰度值为0的像素数与第一特征总像素数之间差小于阈值，则表示有重叠的现象。
上述技术方案中的一个技术方案具有如下优点或有益效果：本发明利用了切片图之间结构变化的趋向性，通过对比相邻切片图之间的相似度即可快速判断出分层图片中是否存在有缺陷，大大提高了分层图片的检测效率。
附图说明
图1是本发明方法的一个实施例的流程图；
图2是本发明系统的一个实施例的结构示意图；
图3是一个实施例中3个连续切片图中示意图；
图4是一个实施例中3个连续切片图中示意图；
图5是一个实施例中3个连续切片图中示意图；
图6是一个实施例中3个连续切片图中示意图。
具体实施方式
下面详细描述本发明的实施方式，实施方式的示例在附图中示出，其中，相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的实施方式的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的实施方式的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
如图1~6所示，一种3D打印分层图片的缺陷检测方法，包括以下步骤：
步骤S1：导入切片图，将切片图进行缩放，存到图像列表，并对所述切片图进序号标记；
步骤S2：顺序获取切片图，并分别对比该切片图与相邻切片图之间的相似度，将两个相似度均低于阈值的切片图标记为可疑图；
步骤S3：分别获取可疑图与相邻切片图之间不重合的部分，并分别标记为第一特征与第二特征，将第一特征与第二特征进行对比，若第一特征与第二特征之间存在有重叠的现象，则将该可疑图标记为缺陷图。
由于在一个模型中存在有上千张切片图，若是采用人工检测的话效率会非常低，但是现有的分层图片中，每一层的切片图的厚度在0.1-1.0mm，所以相邻的切片图之间的结构变化相差不会太大。故本发明通过相邻的切片图之间的相似度作为是否有可能发生缺陷的判断依据；
如图3~6所示，其中在图3~6中的下标ABC分别表示相邻的切片图，在图3中B的切片图与相邻切片图A与切片图C的结构基本是一致的，这种属于正常的连续切片图，不存在任何问题，故不需要将其标记为可疑图。在图4中切片图B相对与切片图A中多出了右上角的结构，但是切片图B相对与切片图C相比结构是基本一致的，这种情况属于某一个结构特征出现的情况，也属于正常的情况，故不需要将其标记为可疑图。在图5~6中，切片图B与切片图A相比，结构发生了变化，而切片图B与切片图C相比，结构也发生变化，因此图5~6这两种情况的切片图B就会标记为可疑图。
但是可疑图不一定是缺陷图，因为在图5中有可能切片图B的上一层切片图A的结构结束以及下一层切片图C的结构开始的中间过渡切片图；而缺陷图如图6所示，是在连续的切片图中有突变的情况发生。在此情况下，中间的过渡切片图B的上下层切片图之间所改变的结构是不一样的，因此通过切片图B与切片图A之间之间不重合的部分（第一特征），以及切片图B与切片图C之间之间不重合的部分（第二特征），通过判断第一特征与第二特征是否重叠，即可区分上述两种情况，以高精度的方式找出缺陷图。
在本发明中可以快速查找出通常情况所发生的缺陷图，大大提高了缺陷图的查找效率。
当找到缺陷图后，可以对缺陷图分析，在当前切面找不到闭合面，通过偏移切片面，重新分层，重复操作直至修复成功。其中，切片面按照缺陷图的高度进行上下偏移，偏移量小于层厚，可以由使用的3D打印软件进行设定。
优选的，步骤S2步骤如下：
步骤S21：获取序号标记为ID3的切片图，并获取ID1与ID2切片图之间的相似度，作为第一相似度阈值；
步骤S22：获取ID2与ID3的切片图之间的相似度，标记为第一相似度；
步骤S23：判断所述第一相似度是否低于所述第一相似度阈值，若低于，则获取ID4与ID5切片图之间的相似度，作为第二相似度阈值；
获取ID3与ID4的切片图之间相似度，标记为第二相似度；
判断所述第二相似度是否低于所述第二相似度阈值，若低于则ID3的切片图标记为可疑图；
步骤S24：ID数加1，并重复步骤S21~24，直到ID数为N-2，其中N为切片图的总数。
由于在分层图片中切片图所表示的厚度较小，使得相邻切片图之间的结构变化是具有一定的趋向性的。所以，在本发明中，将上一层的切片图与上两层的切片图之间的相似度作为当前切片图与上一层切片图相似度的阈值，这样做能够使用完美使用结构变化的趋向性，使得相似度的判断更加准确。
值得一提的是在ID2的切片图由没有上两层的切片图，所以在对比ID2切片图与ID1切片图的相似度判断时，可以使用系统默认预设相似度阈值作为该次判断的相似度阈值，同理对于最后两张图片IDN-1、IDN，通过向前减1计算相似度值并与设定的相似度阈值进行比较，或者直接使用默认预设相似度阈值作为该次判断的相似度阈值。
优选的，若第一相似度阈值计算中，其中一切片图若为可疑图，则使用默认预设相似度阈值作为本次判断的第一相似度阈值。
由于当出现可疑图时，可疑图与相邻的切片图之间的相似度会非常小，若继续使用该可疑图与相邻的切片的相似度作为第一相似度阈值的话，会使得检测结果不准确，故当第一相似度阈值计算中，其中一切片图若为可疑图时，就不采用这次计算的相似度作为第一相似度阈值，转而采用默认预设相似度阈值作为第一相似度的判断标准。
优选的，步骤S2中，相似度的获取方式如下：通过两个切片图之间的像素分别获取两个切片图的像素均值、像素方差以及像素协方差；
通过像素均值获取两个切片图的亮度值；
其中亮度值的获取公式如下：
Figure 204438DEST_PATH_IMAGE021
；
Figure DEST_PATH_IMAGE022
和
Figure 665506DEST_PATH_IMAGE023
分别表示两个切片图的像素均值，
Figure DEST_PATH_IMAGE024
表示常数；
通过所述像素方差获取两个切片图的对比度；
其中对比度的获取公式如下：
Figure 33034DEST_PATH_IMAGE025
；
Figure DEST_PATH_IMAGE026
和
Figure 743501DEST_PATH_IMAGE027
分别表示两个切片图的像素方差，
Figure DEST_PATH_IMAGE028
表示常数；
通过所述像素方差以及像素协方差获取两个切片图的结构值；
其中结构值的获取公式如下：
Figure DEST_PATH_IMAGE030
；
其中
Figure 893991DEST_PATH_IMAGE031
表示两个切片图的像素协方差，
Figure DEST_PATH_IMAGE032
表示常数；
在
Figure 472215DEST_PATH_IMAGE033
，
Figure DEST_PATH_IMAGE034
，
Figure 479485DEST_PATH_IMAGE035
为常数，是为了避免分母为0的情况，为了提高最终计算的准确性，其中
Figure DEST_PATH_IMAGE036
，
Figure 146090DEST_PATH_IMAGE037
，
Figure DEST_PATH_IMAGE038
的取值分别为
Figure 834691DEST_PATH_IMAGE039
，
Figure DEST_PATH_IMAGE040
，
Figure 129406DEST_PATH_IMAGE041
，其中K1=0.01，K2=0.03，L=255。
其中
Figure 901053DEST_PATH_IMAGE043
，
Figure DEST_PATH_IMAGE044
与
Figure 789375DEST_PATH_IMAGE045
分别表示两个切片图的像素值；
通过亮度值、对比度以及结构值共同计算得到两个切片图之间的相似度；
其中相似度的获取公式如下：
Figure DEST_PATH_IMAGE046
；其中
Figure 547246DEST_PATH_IMAGE047
、
Figure DEST_PATH_IMAGE048
和
Figure 857921DEST_PATH_IMAGE049
为权重系数。
本发明中所使用的相似度计算是一种全参考的图像质量评价指标，分别从亮度、对比度、结构三个方面度量图像相似性。
Figure DEST_PATH_IMAGE050
取值范围[0, 1]，值越大，表示图像失真越小。
优选的，步骤S3中，重叠的现象的判断过程如下：
将第一特征与第二特征按位进行或操作，若返回灰度值为0的像素数与第一特征总像素数之间差小于阈值，则表示有重叠的现象。
一种3D打印分层图片的缺陷检测系统，使用所述一种3D打印分层图片的缺陷检测方法包括导入模块、可疑图获取模块与缺陷图获取模块；
其中所述导入模块用于导入切片图，将切片图进行缩放，存到图像列表，并对所述切片图进序号标记；
所述可疑图获取模块用于顺序获取切片图，并分别对比该切片图与相邻切片图之间的相似度，将两个相似度均低于阈值的切片图标记为可疑图；
所述缺陷图获取模块用于分别获取可疑图与相邻切片图之间不重合的部分，并分别标记为第一特征与第二特征，将第一特征与第二特征进行对比，若第一特征与第二特征之间存在有重叠的现象，则将该可疑图标记为缺陷图。
优选的，所述可疑图获取模块包括第一相似度阈值获取模块、第二相似度阈值获取模块以及判断模块；
所述第一相似度获取模块用于获取切片图的下一层切片图与下两层切片图两者之间的相似度作为第一相似度阈值；
所述第二相似度获取模块用于获取切片图的上一层切片图与上两层切片图两者之间的相似度作为第二相似度阈值；
所述判断模块用于判断切片图与下一层切片图之间的相似度是否大于第一相似度阈值，若大于再判断所述切片图与上一层切片图之前的相似度是否大于第二相似度阈值，若大于，则将切片图标记为可疑图。
优选的，所述可疑图获取模块还包括规避模块，所述规避模块用于判断所述第一相似度阈值计算中，是否其中一切片图为可疑图，若是，则使用默认预设相似度阈值作为本次判断的第一相似度阈值。
优选的，所述缺陷图获取模块还包括重叠判断模块，所述重叠判断模块用于将第一特征与第二特征按位进行或操作，若返回灰度值为0的像素数与第一特征总像素数之间差小于阈值，则表示有重叠的现象。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施方式，可以理解的是，上述实施方式是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施实施进行变化、修改、替换和变型。

Claims (9)

1.一种3D打印分层图片的缺陷检测方法，其特征在于，包括以下步骤：
步骤S1：导入切片图，将切片图进行缩放，存到图像列表，并对所述切片图进序号标记；
步骤S2：顺序获取切片图，并分别对比该切片图与相邻切片图之间的相似度，将两个相似度均低于阈值的切片图标记为可疑图；
步骤S3：分别获取可疑图与相邻切片图之间不重合的部分，并分别标记为第一特征与第二特征，将第一特征与第二特征进行对比，若第一特征与第二特征之间存在有重叠的现象，则将该可疑图标记为缺陷图。
2.根据权利要求1所述的一种3D打印分层图片的缺陷检测方法，其特征在于，步骤S2步骤如下：
步骤S21：获取序号标记为ID3的切片图，并获取ID1与ID2切片图之间的相似度，作为第一相似度阈值；
步骤S22：获取ID2与ID3的切片图之间的相似度，标记为第一相似度；
步骤S23：判断所述第一相似度是否低于所述第一相似度阈值，若低于，则获取ID4与ID5切片图之间的相似度，作为第二相似度阈值；
获取ID3与ID4的切片图之间相似度，标记为第二相似度；
判断所述第二相似度是否低于所述第二相似度阈值，若低于则将ID3的切片图标记为可疑图；
步骤S24：ID数加1，并重复步骤S21~24，直到ID数为N-2，其中N为切片图的总数。
3.根据权利要求2所述的一种3D打印分层图片的缺陷检测方法，其特征在于，若第一相似度阈值计算中，其中一切片图若为可疑图，则使用默认预设相似度阈值作为本次判断的第一相似度阈值。
4.根据权利要求2所述的一种3D打印分层图片的缺陷检测方法，其特征在于，步骤S2中，相似度的获取方式如下：通过两个切片图之间的像素分别获取两个切片图的像素均值、像素方差以及像素协方差；
通过像素均值获取两个切片图的亮度值；
其中亮度值的获取公式如下：
Figure DEST_PATH_IMAGE001
；
Figure 578579DEST_PATH_IMAGE002
和
Figure DEST_PATH_IMAGE003
分别表示两个切片图的像素均值，
Figure 682670DEST_PATH_IMAGE004
表示常数；
通过所述像素方差获取两个切片图的对比度；
其中对比度的获取公式如下：
Figure DEST_PATH_IMAGE005
；
Figure 400091DEST_PATH_IMAGE006
和
Figure DEST_PATH_IMAGE007
分别表示两个切片图的像素方差，
Figure 998562DEST_PATH_IMAGE008
表示常数；
通过所述像素方差以及像素协方差获取两个切片图的结构值；
其中结构值的获取公式如下：
Figure DEST_PATH_IMAGE009
；
其中
Figure 734306DEST_PATH_IMAGE010
表示两个切片图的像素协方差，
Figure DEST_PATH_IMAGE011
表示常数；
其中
Figure 941122DEST_PATH_IMAGE012
，
Figure DEST_PATH_IMAGE013
与
Figure 145838DEST_PATH_IMAGE014
分别表示两个切片图的像素值；
通过亮度值、对比度以及结构值共同计算得到两个切片图之间的相似度；
其中相似度的获取公式如下：
Figure DEST_PATH_IMAGE015
；其中
Figure 531689DEST_PATH_IMAGE016
、
Figure DEST_PATH_IMAGE017
和
Figure 138251DEST_PATH_IMAGE018
为权重系数。
5.根据权利要求2所述的一种3D打印分层图片的缺陷检测方法，其特征在于，步骤S3中，重叠的现象的判断过程如下：
将第一特征与第二特征按位进行或操作，若返回灰度值为0的像素数与第一特征总像素数之间差小于阈值，则表示有重叠的现象。
6.一种3D打印分层图片的缺陷检测系统，使用权利要求1~5任一所述一种3D打印分层图片的缺陷检测方法，其特征在于，包括导入模块、可疑图获取模块与缺陷图获取模块；
其中所述导入模块用于导入切片图，将切片图进行缩放，存到图像列表，并对所述切片图进序号标记；
所述可疑图获取模块用于顺序获取切片图，并分别对比该切片图与相邻切片图之间的相似度，将两个相似度均低于阈值的切片图标记为可疑图；
所述缺陷图获取模块用于分别获取可疑图与相邻切片图之间不重合的部分，并分别标记为第一特征与第二特征，将第一特征与第二特征进行对比，若第一特征与第二特征之间存在有重叠的现象，则将该可疑图标记为缺陷图。
7.根据权利要求6所述的一种3D打印分层图片的缺陷检测系统，其特征在于，所述可疑图获取模块包括第一相似度阈值获取模块、第二相似度阈值获取模块以及判断模块；
所述第一相似度获取模块用于获取切片图的下一层切片图与下两层切片图两者之间的相似度作为第一相似度阈值；
所述第二相似度获取模块用于获取切片图的上一层切片图与上两层切片图两者之间的相似度作为第二相似度阈值；
所述判断模块用于判断切片图与下一层切片图之间的相似度是否大于第一相似度阈值，若大于再判断所述切片图与上一层切片图之前的相似度是否大于第二相似度阈值，若大于，则将切片图标记为可疑图。
8.根据权利要求7所述的一种3D打印分层图片的缺陷检测系统，其特征在于，所述可疑图获取模块还包括规避模块，所述规避模块用于判断所述第一相似度阈值计算中，是否其中一切片图为可疑图，若是，则使用默认预设相似度阈值作为本次判断的第一相似度阈值。
9.根据权利要求8所述的一种3D打印分层图片的缺陷检测系统，其特征在于，所述缺陷图获取模块还包括重叠判断模块，所述重叠判断模块用于将第一特征与第二特征按位进行或操作，若返回灰度值为0的像素数与第一特征总像素数之间差小于阈值，则表示有重叠的现象。
CN202211127747.4A 2022-09-16 2022-09-16 一种3d打印分层图片的缺陷检测方法及系统 Pending CN115423787A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211127747.4A CN115423787A (zh) 2022-09-16 2022-09-16 一种3d打印分层图片的缺陷检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211127747.4A CN115423787A (zh) 2022-09-16 2022-09-16 一种3d打印分层图片的缺陷检测方法及系统

Publications (1)

Publication Number Publication Date
CN115423787A true CN115423787A (zh) 2022-12-02

Family

ID=84203824

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211127747.4A Pending CN115423787A (zh) 2022-09-16 2022-09-16 一种3d打印分层图片的缺陷检测方法及系统

Country Status (1)

Country Link
CN (1) CN115423787A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116958153A (zh) * 2023-09-21 2023-10-27 苏州赫芯科技有限公司 一种基于切片匹配的无监督缺陷检测方法、系统及介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116958153A (zh) * 2023-09-21 2023-10-27 苏州赫芯科技有限公司 一种基于切片匹配的无监督缺陷检测方法、系统及介质
CN116958153B (zh) * 2023-09-21 2023-11-28 苏州赫芯科技有限公司 一种基于切片匹配的无监督缺陷检测方法、系统及介质

Similar Documents

Publication Publication Date Title
Lin et al. Online quality monitoring in material extrusion additive manufacturing processes based on laser scanning technology
CN115082467B (zh) 基于计算机视觉的建材焊接表面缺陷检测方法
CN107672180B (zh) 一种基于逆向工程技术的3d打印精度检测方法
CN109829891B (zh) 一种基于密集生成对抗神经网络的磁瓦表面缺陷检测方法
CN111402226A (zh) 一种基于级联卷积神经网络的表面疵点检测方法
CN109211198B (zh) 一种基于三目视觉的智能目标检测和测量系统和方法
JP2014508928A (ja) 減数された測定点による公差評価
TWI773063B (zh) 圖像產生系統及圖像產生方法
CN109284779A (zh) 基于深度全卷积网络的物体检测方法
CN115423787A (zh) 一种3d打印分层图片的缺陷检测方法及系统
CN117252917B (zh) 基于图像处理的船用复合板生产控制方法
CN112070733A (zh) 基于弱监督模式的缺陷粗定位方法和装置
US20230325978A1 (en) Semantic segmentation method for aircraft point cloud based on voxelization and three views
CN115439694A (zh) 一种基于深度学习的高精度点云补全方法及装置
CN112270023A (zh) 一种面向建筑3d打印考虑挤出头转向的切片方法
CN116205876A (zh) 基于多尺度标准化流的无监督笔记本外观缺陷检测方法
CN107037738B (zh) 数控加工几何仿真中基于stl模型的材料去除方法
CN115100116A (zh) 一种基于三维点云的板材缺陷检测方法
CN114037684A (zh) 一种基于yolov5和注意力机制模型的疵点检测方法
CN117495852A (zh) 一种基于图像分析的数字印刷质量检测方法
CN117392097A (zh) 基于改进YOLOv8算法的增材制造工艺缺陷检测方法和系统
CN116539619A (zh) 产品缺陷检测方法、系统、装置及存储介质
CN115115578B (zh) 一种增材制造过程中的缺陷检测方法及系统
CN115656182A (zh) 基于张量投票主成分分析的板材点云缺陷检测方法
CN113063804B (zh) 一种基于图像处理的热切机视觉系统自动定位方法

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