基于机器视觉的多轴3D打印缺陷检测技术研究

摘要

熔融沉积成型(Fused Deposition Modeling,FDM)作为应用最为广泛的增材制造工艺,其打印件质量问题引起了越来越多的关注.本研究针对FDM打印件常见缺陷,提出了一种基于机器视觉与卷积神经网络(Convolutional Neural Network,CNN)的多轴FDM打印检测方法,使用CCD相机采集打印件状态图像,并利用构建的CNN网络进行缺陷识别与分类.为了验证该检测方法的可行性,面向自主开发的五轴FDM打印平台,以层间剥离缺陷为例,建立了数据集,通过训练与验证,不断改进网络参数,构建了性能优异的CNN网络.