CN116749518A - 一种用于3d模型的打印成型管理系统 - Google Patents
一种用于3d模型的打印成型管理系统 Download PDFInfo
- Publication number
- CN116749518A CN116749518A CN202311048591.5A CN202311048591A CN116749518A CN 116749518 A CN116749518 A CN 116749518A CN 202311048591 A CN202311048591 A CN 202311048591A CN 116749518 A CN116749518 A CN 116749518A
- Authority
- CN
- China
- Prior art keywords
- printing
- model
- forming part
- evaluation
- unit
- 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
- 238000007639 printing Methods 0.000 title claims abstract description 224
- 230000003746 surface roughness Effects 0.000 claims abstract description 64
- 238000011156 evaluation Methods 0.000 claims abstract description 41
- 238000013210 evaluation model Methods 0.000 claims abstract description 41
- 238000012797 qualification Methods 0.000 claims abstract description 31
- 238000013441 quality evaluation Methods 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000001514 detection method Methods 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 238000002360 preparation method Methods 0.000 claims abstract description 7
- 239000000463 material Substances 0.000 claims description 30
- 238000010146 3D printing Methods 0.000 claims description 20
- 238000000465 moulding Methods 0.000 claims description 14
- 230000008021 deposition Effects 0.000 claims description 7
- 238000002372 labelling Methods 0.000 claims description 3
- 238000009736 wetting Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims 4
- 238000001303 quality assessment method Methods 0.000 claims 3
- 238000004519 manufacturing process Methods 0.000 abstract description 22
- 238000013461 design Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 3
- 238000012888 cubic function Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
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
本发明涉及打印管理技术领域，具体公开了一种用于3D模型的打印成型管理系统，包括模型准备模块、模型分析模块，质量评估模块以及显示模块；本发明通过YOLOv3模型对打印成型件进行目标检测，分别对打印成型件的力学性能指标、打印精度以及表面粗糙度建立评估指标模型，综合打印成型件的力学性能指标、打印精度以及表面粗糙度建立打印成型件合格评估模型，从而得到打印成型件合格率，并依据打印成型件合格率对打印成型件进行分类，通过评估模型对打印成型件进行质量评估，提前预测打印过程中可能出现的问题，减少废品率，降低生产成本，确保打印成型件符合客户要求和设计规范，并便于找到生产过程中的瓶颈，优化生产流程，提高生产效率。
Description
技术领域
本发明涉及打印管理技术领域，更具体地说，本发明涉及一种用于3D模型的打印成型管理系统。
背景技术
3D打印是一项将物质一层一层堆积起来，最终结合在一起形成实物的工艺，它从根本上区别于传统的移除物质的切割加工工艺。最近几年，3D打印技术得到了极大的进步，这种工艺摒弃了传统的刀卡工艺，无须再进行多个工艺过程。在3D打印设备上，能够快速、准确地制造出传统加工方法很难加工的复杂结构部件，从而大大地缩短了制造周期和制造工艺，同时3D打印技术拥有打印速度快、打印精度高、适用于加工复杂形状等优势，它在越来越多的领域中发挥作用。
很多科研机构和高校学者以熔融沉积成型3D打印技术为基础，进行了结构设计优化、打印工艺参数、耗材型号选择及3D支撑技术等方面的研究。熔融沉积成型3D打印属于增材制造，其制品在成型过程中会产生一系列“阶梯”状纹理，其尺寸大小直接关系到制品的成型质量。经研究发现，熔融沉积成型3D打印成型件力学性能的可靠性是进行质量检测的重要依据，而打印精度以及表面粗糙度同样影响成型件的可靠性，现缺少一个完整地评估模型对熔融沉积成型3D打印成型件的质量进行评估，为了解决上述问题，现提供一种技术方案。
发明内容
为了克服现有技术的上述缺陷，本发明提供一种用于3D模型的打印成型管理系统，通过YOLOv3模型对打印成型件进行目标检测，分别对打印成型件的力学性能指标、打印精度以及表面粗糙度建立评估指标模型，综合打印成型件的力学性能指标、打印精度以及表面粗糙度建立打印成型件合格评估模型，从而得到打印成型件合格率，并依据合格率对打印成型件进行分类，通过评估模型对打印成型件进行质量评估，确保打印成型件符合客户要求和设计规范，并便于找到生产过程中的瓶颈，优化生产流程，提高生产效率，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种用于3D模型的打印成型管理系统，包括模型准备模块、模型分析模块，质量评估模块以及显示模块，其中，模型准备模块用于通过熔融沉积成型3D打印模型；模型分析模块用于通过YOLOv3模型对打印成型件进行目标检测，再分别对打印成型件的力学性能指标、打印精度以及表面粗糙度建立评估指标模型；质量评估模块用于综合打印成型件的力学性能指标、打印精度以及表面粗糙度建立打印成型件合格评估模型，从而得到打印成型件合格率，并依据合格率对打印成型件进行分类；显示模块用于通过显示器对不合格指标进行显示，其中，打印成型件合格评估模型的公式为：
；
式中：为打印成型件合格率，/>为力学性能指标，/>为打印成型件的打印精度，/>为表面粗糙度。
作为本发明进一步的方案，模型分析模块包括力学性能指标评估单元、打印精度评估单元、表面粗糙度评估单元以及综合输出单元，力学性能指标评估单元、打印精度评估单元、表面粗糙度评估单元分别与综合输出单元相连接。
作为本发明进一步的方案，表面粗糙度评估单元通过YOLOv3模型对打印成型件进行目标检测的具体步骤为：
步骤一，图像收集：通过相机收集待测打印成型件的样本图像，包括表面光滑以及表面粗糙的待测样本图像，并生成待测样本图像库；
步骤二，图像标注：通过最大类间法提取打印成型件的边界框位置，标注出每个待测样本图像中打印成型件的边界框位置以及类型，其中，打印成型件的类型为表面光滑以及表面粗糙；
步骤三，模型构建：通过YOLOv3模型构建表面粗糙度评估模型，在YOLOv3模型中引入卷积块注意力算法，将输入图像划分为若干个网格单元，每个网格单元负责预测包含在单元内的3D打印成型件的类别和边界框位置；
步骤四，评估模型输出：将标注完成的待测样本图像输入至YOLOv3模型，通过卷积块注意力算法提取图像中的特征表示，结合不同尺度的特征表示对3D打印成型件的边界框进行预测；
步骤五，模型输出：输出3D打印成型件的边界框位置与类别信息。
作为本发明进一步的方案，步骤一进行图像收集通过相机收集待测打印成型件的样本图像，其中，收集待测打印成型件的样本图像包括待测打印成型件的前面图像、后面图像、左面图像、右面图像、上面图像以及下面图像。
作为本发明进一步的方案，力学性能指标评估单元通过工艺参数、打印机喷头温度、打印材料密度、环境温度以及环境湿度建立力学性能指标评估模型，其中，力学性能指标评估模型的公式为：
；
式中：为力学性能指标，/>为打印成型件的工艺参数，/>为打印机喷头温度，/>为打印材料密度，/>为环境温度，/>为环境湿度。
作为本发明进一步的方案，打印精度评估单元通过打印机精度、打印材料收缩度、打印材料受潮度以及打印机喷头磨损程度建立打印精度评估模型，其中，打印精度评估模型的公式为：
；
式中：为打印成型件的打印精度，/>为打印机精度，/>为打印材料收缩度，为打印材料受潮度，/>为打印机喷头磨损程度。
作为本发明进一步的方案，表面粗糙度评估单元通过打印件的不平整程度、粗糙最大高度以及表面粗糙的平均算术偏差高度建立表面粗糙度评估模型，其中，表面粗糙度评估模型的公式为：
；
式中：为表面粗糙度，/>为打印件的不平整程度，/>为打印件的粗糙最大高度，/>为打印件的表面粗糙的平均算术偏差高度。
作为本发明进一步的方案，质量评估模块包括质量评估单元、分类单元、质量合格单元、质量不合格单元以及警报单元，其中，质量评估单元与分类单元相连接，分类单元与质量合格单元相连接，分类单元也与质量不合格单元相连接，质量不合格单元与警报单元相连接。
作为本发明进一步的方案，质量评估模块中的分类单元依据打印成型件合格率对打印成型件进行分类，其中，对打印成型件进行分类的标准为：
当时，打印成型件不合格，分类为质量不合格；
当时，打印成型件合格，分类为质量合格。
本发明一种用于3D模型的打印成型管理系统的技术效果和优点：本发明通过评估模型对打印成型件进行质量评估，能够提前预测打印过程中可能出现的问题，减少废品率，降低生产成本；通过评估模型对打印成型件进行质量评估，能够确保打印成型件符合客户要求和设计规范，并且便于找到生产过程中的瓶颈，优化生产流程，提高生产效率；通过评估模型评估打印成型件的合格率，确保打印产品的质量，提高了客户满意度。
附图说明
图1为本发明一种用于3D模型的打印成型管理系统的结构示意图。
具体实施方式
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，都属于本发明保护的范围。
一种用于3D模型的打印成型管理系统，包括模型准备模块、模型分析模块，质量评估模块以及显示模块，其中，模型准备模块用于通过熔融沉积成型3D打印模型；模型分析模块用于通过YOLOv3模型对打印成型件进行目标检测，再分别对打印成型件的力学性能指标、打印精度以及表面粗糙度建立评估指标模型；质量评估模块用于综合打印成型件的力学性能指标、打印精度以及表面粗糙度建立打印成型件合格评估模型，从而得到打印成型件合格率，并依据合格率对打印成型件进行分类；显示模块用于通过显示器对不合格指标进行显示，其中，打印成型件合格评估模型的公式为：
；
式中：为打印成型件合格率，/>为力学性能指标，/>为打印成型件的打印精度，/>为表面粗糙度。
通过YOLOv3模型对打印成型件进行目标检测，分别对打印成型件的力学性能指标、打印精度以及表面粗糙度建立评估指标模型，综合打印成型件的力学性能指标、打印精度以及表面粗糙度建立打印成型件合格评估模型，从而得到打印成型件合格率，并依据合格率对打印成型件进行分类，通过评估模型对打印成型件进行质量评估，能够提前预测打印过程中可能出现的问题，减少废品率，降低生产成本，确保打印成型件符合客户要求和设计规范，并便于找到生产过程中的瓶颈，优化生产流程，提高生产效率。
本发明实施例中模型分析模块包括力学性能指标评估单元、打印精度评估单元、表面粗糙度评估单元以及综合输出单元，力学性能指标评估单元、打印精度评估单元、表面粗糙度评估单元分别与综合输出单元相连接。
进一步的，力学性能指标评估单元用于通过工艺参数、打印机喷头温度、打印材料密度、环境温度以及环境湿度建立力学性能指标评估模型评估力学性能指标，打印精度评估单元用于通过打印机精度、打印材料收缩度、打印材料受潮度以及打印机喷头磨损程度建立打印精度评估模型评估打印精度，表面粗糙度评估单元用于通过打印件的不平整程度、粗糙最大高度以及表面粗糙的平均算术偏差高度建立表面粗糙度评估模型评估表面粗糙度，再分别将获得的力学性能指标、打印精度以及表面粗糙度传送至综合输出单元，进行综合存储与输出。
本发明实施例中表面粗糙度评估单元通过YOLOv3模型对打印成型件进行目标检测的具体步骤为：
步骤一，图像收集：通过相机收集待测打印成型件的样本图像，包括表面光滑以及表面粗糙的待测样本图像，并生成待测样本图像库；
步骤二，图像标注：通过最大类间法提取打印成型件的边界框位置，标注出每个待测样本图像中打印成型件的边界框位置以及类型，其中，打印成型件的类型为表面光滑以及表面粗糙；
步骤三，模型构建：通过YOLOv3模型构建表面粗糙度评估模型，在YOLOv3模型中引入卷积块注意力算法，将输入图像划分为若干个网格单元，每个网格单元负责预测包含在单元内的3D打印成型件的类别和边界框位置；
步骤四，评估模型输出：将标注完成的待测样本图像输入至YOLOv3模型，通过卷积块注意力算法提取图像中的特征表示，结合不同尺度的特征表示对3D打印成型件的边界框进行预测；
步骤五，模型输出：输出3D打印成型件的边界框位置与类别信息。
本发明实施例中步骤一进行图像收集通过相机收集待测打印成型件的样本图像，其中，收集待测打印成型件的样本图像包括待测打印成型件的前面图像、后面图像、左面图像、右面图像、上面图像以及下面图像。
本发明实施例中力学性能指标评估单元通过工艺参数、打印机喷头温度、打印材料密度、环境温度以及环境湿度建立力学性能指标评估模型，其中，力学性能指标评估模型的公式为：
；
式中：为力学性能指标，/>为打印成型件的工艺参数，/>为打印机喷头温度，/>为打印材料密度，/>为环境温度，/>为环境湿度。
进一步的，力学性能指标与打印成型件的工艺参数的三次根号成正比函数函数关系，与打印机喷头温度成正比函数关系，与十七倍的打印材料密度成正比函数关系，与三倍的环境温度的平方成反函数关系，与环境湿度的平方成反函数关系，由函数关系反映力学性能指标受打印机喷头温度以及打印材料密度的影响程度较大，受打印成型件的工艺参数、环境温度以及环境湿度的影响程度较小。
本发明实施例中打印精度评估单元通过打印机精度、打印材料收缩度、打印材料受潮度以及打印机喷头磨损程度建立打印精度评估模型，其中，打印精度评估模型的公式为：
；
式中：为打印成型件的打印精度，/>为打印机精度，/>为打印材料收缩度，为打印材料受潮度，/>为打印机喷头磨损程度。
进一步的，打印成型件的打印精度与打印机精度成对数函数关系，与打印材料收缩度的三次方成平方根函数关系，与二十六倍的打印材料受潮度成平方根函数关系，与打印机喷头磨损程度的e的指数成平方根函数关系，e为自然对数函数关系，由函数关系反映打印成型件的打印精度受打印材料收缩度的影响程度较大，受打印机精度、打印材料受潮度以及打印机喷头磨损程度的影响较小。
本发明实施例中表面粗糙度评估单元通过打印件的不平整程度、粗糙最大高度以及表面粗糙的平均算术偏差高度建立表面粗糙度评估模型，其中，表面粗糙度评估模型的公式为：
；
式中：为表面粗糙度，/>为打印件的不平整程度，/>为打印件的粗糙最大高度，/>为打印件的表面粗糙的平均算术偏差高度。
进一步的，打印成型件的表面粗糙度与六倍的打印件的不平整程度成三次方函数关系，与粗糙最大高度的对数成三次方函数关系，与表面粗糙的平均算术偏差高度成正比函数关系，由函数关系反映打印成型件的表面粗糙度受打印件的不平整程度以及表面粗糙的平均算术偏差高度的影响程度较大，受粗糙最大高度的影响程度较小。
进一步的，打印成型件合格率与三倍的打印成型件的力学性能指标的平方根成四次函数关系，与打印精度成四次函数关系，与表面粗糙度的四分之三成平方根函数关系，由函数关系反映打印成型件合格率受打印精度的影响程度较大，受打印成型件的力学性能指标以及表面粗糙度的影响程度较小。
本发明实施例中质量评估模块包括质量评估单元、分类单元、质量合格单元、质量不合格单元以及警报单元，其中，质量评估单元与分类单元相连接，分类单元与质量合格单元相连接，分类单元也与质量不合格单元相连接，质量不合格单元与警报单元相连接。
本发明实施例中质量评估模块中的分类单元依据打印成型件合格率对打印成型件进行分类，其中，对打印成型件进行分类的标准为：
当时，打印成型件不合格，分类为质量不合格；
当时，打印成型件合格，分类为质量合格。
质量评估模块包括质量评估单元、分类单元、质量合格单元、质量不合格单元以及警报单元，其中，质量评估单元用于综合打印成型件的力学性能指标、打印精度以及表面粗糙度建立打印成型件合格评估模型，从而得到打印成型件合格率，将打印成型件合格率数值传输至分类单元，分类单元依据打印成型件合格率对打印成型件进行分类，当打印成型件合格率在百分之七十五至百分之百的范围内时，打印成型件合格，分类单元将其传输至质量合格单元；当打印成型件合格率在零至百分之七十五的范围内时，打印成型件不合格，分类单元将其传输至质量不合格单元，质量不合格单元检测到质量不合格的打印成型件后将触发警报单元。
本发明实施例通过YOLOv3模型对打印成型件进行目标检测，分别对打印成型件的力学性能指标、打印精度以及表面粗糙度建立评估指标模型，通过力学性能指标评估单元用于通过工艺参数、打印机喷头温度、打印材料密度、环境温度以及环境湿度建立力学性能指标评估模型评估力学性能指标，打印精度评估单元用于通过打印机精度、打印材料收缩度、打印材料受潮度以及打印机喷头磨损程度建立打印精度评估模型评估打印精度，表面粗糙度评估单元用于通过打印件的不平整程度、粗糙最大高度以及表面粗糙的平均算术偏差高度建立表面粗糙度评估模型评估表面粗糙度，再分别将获得的力学性能指标、打印精度以及表面粗糙度传送至综合输出单元，进行综合存储与输出。综合打印成型件的力学性能指标、打印精度以及表面粗糙度建立打印成型件合格评估模型，从而得到打印成型件合格率，并依据合格率对打印成型件进行分类，通过评估模型对打印成型件进行质量评估，能够提前预测打印过程中可能出现的问题，减少废品率，降低生产成本，确保打印成型件符合客户要求和设计规范，并便于找到生产过程中的瓶颈，优化生产流程，提高生产效率。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种用于3D模型的打印成型管理系统，包括模型准备模块、模型分析模块，质量评估模块以及显示模块，其特征在于，
模型准备模块用于通过熔融沉积成型3D打印模型；
模型分析模块用于通过YOLOv3模型对打印成型件进行目标检测，再分别对打印成型件的力学性能指标、打印精度以及表面粗糙度建立评估指标模型；
质量评估模块用于综合打印成型件的力学性能指标、打印精度以及表面粗糙度建立打印成型件合格评估模型，从而得到打印成型件合格率，并依据合格率对打印成型件进行分类，其中，打印成型件合格评估模型的公式为：
；
式中：为打印成型件合格率，/>为力学性能指标，/>为打印成型件的打印精度，为表面粗糙度；
显示模块用于通过显示器对不合格指标进行显示。
2.根据权利要求1所述的一种用于3D模型的打印成型管理系统，其特征在于，模型分析模块包括力学性能指标评估单元、打印精度评估单元、表面粗糙度评估单元以及综合输出单元，力学性能指标评估单元、打印精度评估单元、表面粗糙度评估单元分别与综合输出单元相连接。
3.根据权利要求2所述的一种用于3D模型的打印成型管理系统，其特征在于，表面粗糙度评估单元通过YOLOv3模型对打印成型件进行目标检测的具体步骤为：
步骤一，图像收集：通过相机收集待测打印成型件的样本图像，包括表面光滑以及表面粗糙的待测样本图像，并生成待测样本图像库；
步骤二，图像标注：通过最大类间法提取打印成型件的边界框位置，标注出每个待测样本图像中打印成型件的边界框位置以及类型，其中，打印成型件的类型为表面光滑以及表面粗糙；
步骤三，模型构建：通过YOLOv3模型构建表面粗糙度评估模型，在YOLOv3模型中引入卷积块注意力算法，将输入图像划分为若干个网格单元，每个网格单元负责预测包含在单元内的3D打印成型件的类别和边界框位置；
步骤四，评估模型输出：将标注完成的待测样本图像输入至YOLOv3模型，通过卷积块注意力算法提取图像中的特征表示，结合不同尺度的特征表示对3D打印成型件的边界框进行预测；
步骤五，模型输出：输出3D打印成型件的边界框位置与类别信息。
4.根据权利要求3所述的一种用于3D模型的打印成型管理系统，其特征在于，步骤一进行图像收集通过相机收集待测打印成型件的样本图像，其中，收集待测打印成型件的样本图像包括待测打印成型件的前面图像、后面图像、左面图像、右面图像、上面图像以及下面图像。
5.根据权利要求2所述的一种用于3D模型的打印成型管理系统，其特征在于，力学性能指标评估单元通过工艺参数、打印机喷头温度、打印材料密度、环境温度以及环境湿度建立力学性能指标评估模型，其中，力学性能指标评估模型的公式为：
；
式中：为力学性能指标，/>为打印成型件的工艺参数，/>为打印机喷头温度，为打印材料密度，/>为环境温度，/>为环境湿度。
6.根据权利要求2所述的一种用于3D模型的打印成型管理系统，其特征在于，打印精度评估单元通过打印机精度、打印材料收缩度、打印材料受潮度以及打印机喷头磨损程度建立打印精度评估模型，其中，打印精度评估模型的公式为：
；
式中：为打印成型件的打印精度，/>为打印机精度，/>为打印材料收缩度，/>为打印材料受潮度，/>为打印机喷头磨损程度。
7.根据权利要求2所述的一种用于3D模型的打印成型管理系统，其特征在于，表面粗糙度评估单元通过打印件的不平整程度、粗糙最大高度以及表面粗糙的平均算术偏差高度建立表面粗糙度评估模型，其中，表面粗糙度评估模型的公式为：
；
式中：为表面粗糙度，/>为打印件的不平整程度，/>为打印件的粗糙最大高度，为打印件的表面粗糙的平均算术偏差高度。
8.根据权利要求1所述的一种用于3D模型的打印成型管理系统，其特征在于，质量评估模块包括质量评估单元、分类单元、质量合格单元、质量不合格单元以及警报单元，其中，质量评估单元与分类单元相连接，分类单元与质量合格单元相连接，分类单元也与质量不合格单元相连接，质量不合格单元与警报单元相连接。
9.根据权利要求8所述的一种用于3D模型的打印成型管理系统，其特征在于，质量评估模块中的分类单元依据打印成型件合格率对打印成型件进行分类，其中，对打印成型件进行分类的标准为：
当时，打印成型件不合格，分类为质量不合格；
当时，打印成型件合格，分类为质量合格。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311048591.5A CN116749518A (zh) | 2023-08-21 | 2023-08-21 | 一种用于3d模型的打印成型管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311048591.5A CN116749518A (zh) | 2023-08-21 | 2023-08-21 | 一种用于3d模型的打印成型管理系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116749518A true CN116749518A (zh) | 2023-09-15 |
Family
ID=87951915
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311048591.5A Pending CN116749518A (zh) | 2023-08-21 | 2023-08-21 | 一种用于3d模型的打印成型管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116749518A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117077233A (zh) * | 2023-10-17 | 2023-11-17 | 珠海本色成型成像材料研究院有限公司 | 一种用于3d模型的生成管理系统 |
-
2023
- 2023-08-21 CN CN202311048591.5A patent/CN116749518A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117077233A (zh) * | 2023-10-17 | 2023-11-17 | 珠海本色成型成像材料研究院有限公司 | 一种用于3d模型的生成管理系统 |
| CN117077233B (zh) * | 2023-10-17 | 2024-02-20 | 珠海本色成型成像材料研究院有限公司 | 一种用于3d模型的生成管理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108711148B (zh) | 一种基于深度学习的轮胎缺陷智能检测方法 | |
| CN116749518A (zh) | 一种用于3d模型的打印成型管理系统 | |
| CN108257114A (zh) | 一种基于深度学习的输电设备缺陷自动识别方法 | |
| CN111539949B (zh) | 一种基于点云数据的锂电池极片表面缺陷检测方法 | |
| CN110135521A (zh) | 基于卷积神经网络的极片极耳缺陷检测模型、检测方法及系统 | |
| CN103278511B (zh) | 基于多尺度角点特征提取的晶片缺陷检测方法 | |
| JP2014024048A (ja) | 使用済み小型電気製品の識別方法及び選別装置 | |
| CN116188475B (zh) | 一种外观缺陷自动光学检测的智慧控制方法、系统及介质 | |
| CN111476307B (zh) | 一种基于深度领域适应的锂电池表面缺陷检测方法 | |
| CN113313712B (zh) | 一种电池涂胶缺陷检测方法、装置、电子设备及存储介质 | |
| CN110348490A (zh) | 一种基于支持向量机算法的土壤质量预测方法及装置 | |
| CN115953099A (zh) | 一种基于多维数据和数据分析的数字孪生处理系统及方法 | |
| CN103886332A (zh) | 一种检测与识别金属网栅缺陷的方法 | |
| US20230298152A1 (en) | Method for analyzing minor defect based on progressive segmentation network | |
| CN112819780A (zh) | 一种丝锭表面缺陷检测方法、检测系统以及丝锭分级系统 | |
| CN117575171B (zh) | 一种基于数据分析的粮食形势智能评估系统 | |
| Gu et al. | Surface defect detection of cabbage based on curvature features of 3d point cloud | |
| Kuo et al. | Inspection of sandblasting defect in investment castings by deep convolutional neural network | |
| CN112683166B (zh) | 一种模切产品尺寸检测方法 | |
| CN113642255A (zh) | 基于多尺度卷积循环神经网络的光伏发电功率预测方法 | |
| CN112697984A (zh) | 基于神经网络的水果缺陷无损检测方法及水果分级方法 | |
| CN116466368A (zh) | 基于激光雷达和卫星资料的沙尘消光系数廓线估算方法 | |
| CN114637893A (zh) | 一种fmea数据库系统及其处理方法 | |
| CN114937174A (zh) | 一种基于数字全息机器视觉的精密件的检测方法及装置 | |
| CN104165696A (zh) | 一种材料表面颜色特征在线自动检测方法 |
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 |