一种基于3D打印的产品缺陷检测方法、装置以及设备制造方法及图纸

本发明专利技术公开了一种基于3D打印的产品缺陷检测方法、装置及设备，其包括：获取产品扫描数据，得到对应的产品三角网格模型；对所述产品三角网格模型进行预处理，以及获取所述产品三角网格模型的截面图像以及截面信息；根据所述截面信息确定所述截面图像中的缺陷类型进行标注后作为训练数据图像，将所述训练数据图像输入基于YOLO网络所构建的模型进行训练，得到缺陷检测模型；获取待检测产品的目标截面图像输入至所述缺陷检测模型中进行检测，得到缺陷检测结果。能够提高鞋底内部缺陷的识别效率和准确率，降低了误检率。降低了误检率。降低了误检率。

【技术实现步骤摘要】
一种基于3D打印的产品缺陷检测方法、装置以及设备


[0001]本专利技术涉及深度学习
，尤其涉及一种基于3D打印的产品缺陷检测方法、装置以及设备。

技术介绍

[0002]随着3D打印技术的发展，其在医疗、工业、家具及艺术设计等行业得到了更加广泛的应用，在制鞋领域也有着非常显著的应用价值。一方面，3D打印有着强大的塑型能力，只需要改变设计图纸，就可进行打印，这给与设计师更大的发挥空间；另一方面，传统产品制造(如鞋底制造)需要设计、制作模具、制定生产流程等一系列复杂的准备过程，而3D打印的出现，可以加快这个流程，有着更加快速精准的特点。
[0003]然而，鞋底3D打印过程中，出现的气泡和断点会影响鞋底的质量，因此需要对这一类缺陷进行识别检测，剔除此类缺陷的产品。而传统识别主要利用人工进行检测，这种检测方法只能够识别鞋底表面的缺陷，无法识别内部的缺陷，耗时耗力且人工检测容易出现漏检现象，严重影响产品良率，因此对气泡和断点的识别检测是亟待解决的问题。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提出一种基于3D打印的产品缺陷检测方法、装置以及设备，旨在解决上述问题。
[0005]为实现上述目的，本专利技术提供一种基于3D打印的产品缺陷检测方法，所述方法包括：
[0006]获取产品扫描数据，得到对应的产品三角网格模型；
[0007]对所述产品三角网格模型进行预处理，以及获取所述产品三角网格模型的截面图像以及截面信息；
[0008]根据所述截面信息确定所述截面图像中的缺陷类型进行标注后作为训练数据图像，将所述训练数据图像输入基于YOLO网络所构建的模型进行训练，得到缺陷检测模型；
[0009]获取待检测产品的目标截面图像输入至所述缺陷检测模型中进行检测，得到缺陷检测结果。
[0010]优选的，所述对所述产品三角网格模型进行预处理，包括：
[0011]对所述产品三角网格模型进行去除噪点，以及将所述产品三角网格模型的原坐标系进行平移，得到第一坐标系。
[0012]优选的，所述将所述产品三角网格模型的原坐标系进行平移，得到第一坐标系，包括：
[0013]求取所述产品三角网格模型的最小包围盒，将所述最小包围盒的最小点作为所述第一坐标系的原点，并将所述原坐标系的原点平移至所述第一坐标系的原点；其中，所述原坐标系的原点为所述产品三角网格模型的中心；
[0014]根据所述原坐标系的原点以及所述第一坐标系的原点确定平移矩阵，将所述产品
三角网格模型上的所有点减去所述平移矩阵，得到所述第一坐标系。
[0015]优选的，所述获取所述产品三角网格模型的截面图像以及截面信息，包括：
[0016]基于所述第一坐标系在Z轴方向上以第一间距对所述产品三角网格模型进行平面截取，得到多个截面；
[0017]将每一所述截面作为一张所述截面图像，根据预设规则确定所述截面图像的截面信息。
[0018]优选的，所述根据预设规则确定所述截面图像的截面信息，包括：
[0019]分析所述截面与所述产品三角网格模型表面上的三角面片的交点，得到交点集合；
[0020]根据所述交点集合以及所述预设规则对所述截面图像对应的像素点进行赋值，得到所述截面信息。
[0021]优选的，所述分析所述截面与所述产品三角网格模型表面上的三角面片的交点，得到交点集合，包括：
[0022]以第二间距的直线对所述截面的平面进行划分，根据每一所述直线与所述三角面片的交点构成所述交点集合，其中，所述直线垂直于X轴。
[0023]优选的，所述根据所述交点集合以及所述预设规则对所述截面图像对应的像素点进行赋值，包括：
[0024]将每一所述直线对应的所述交点集合按照Y值的大小进行排序，将所述交点处于奇数与偶数间所对应的像素点赋值为255，其余像素点赋值为0。
[0025]为实现上述目的，本专利技术还提供一种基于3D打印的产品缺陷检测装置，所述装置包括：
[0026]采集数据单元，用于获取产品扫描数据，得到对应的产品三角网格模型；
[0027]获取截面单元，用于对所述产品三角网格模型进行预处理，以及获取所述产品三角网格模型的截面图像以及截面信息；
[0028]模型训练单元，用于根据所述截面信息确定所述截面图像中的缺陷类型进行标注后作为训练数据图像，将所述训练数据图像输入基于YOLO网络所构建的模型进行训练，得到缺陷检测模型；
[0029]缺陷检测单元，用于获取待检测产品的目标截面图像输入至所述缺陷检测模型中进行检测，得到缺陷检测结果。
[0030]为了实现上述目的，本专利技术还提出一种基于3D打印的产品缺陷检测设备，包括处理器、存储器以及存储在所述存储器内的计算机程序，所述计算机程序被所述处理器执行以实现如上述实施例所述的一种基于3D打印的产品缺陷检测方法的步骤。
[0031]为了实现上述目的，本专利技术还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现如上述实施例所述的一种基于3D打印的产品缺陷检测方法的步骤。
[0032]有益效果：
[0033]以上方案，通过基于产品的三角网格模型以获取截面图像并对其进行缺陷分析进行标注后作为深度学习模型的训练数据进行训练，通过得到的模型对待检测产品的缺陷进行识别检测，不仅提高了产品内部缺陷的识别效率，还提高了产品良率。
[0034]以上方案，通过对产品三角网格模型进行去除噪点，能够减少噪点的干扰，提高后续检测精度；以及对坐标系的平移操作能够便于后续确定分析截面信息，简化处理过程。
附图说明
[0035]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术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专利技术的一些实施例，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。
[0036]图1为本专利技术一实施例提供的一种基于3D打印的产品缺陷检测方法的流程示意图。
[0037]图2为本专利技术一实施例提供的鞋底三角网格模型示意图。
[0038]图3为本专利技术一实施例提供的Z向等间距a取截面示意图。
[0039]图4为本专利技术一实施例提供的X向等间距b、Y向等间距c取像素点示意图。
[0040]图5为本专利技术一实施例提供的X、Y方向不同取点密度生成的截面图像示意图。
[0041]图6为本专利技术一实施例提供的垂直于X方向的直线与模型的交点示意图。
[0042]图7为本专利技术一实施例提供的三角形与截面平面相交的情况示意图。
[0043]图8为本专利技术一实施例提供的同一行上的交点按照x大小组成的集合示意图。
[0044]图9为本专利技术一实施例提供的同一行上的点按照y值大小填充奇数与偶数件的像素示意图。
[0045]图10为本专利技术一实施例提供的截面本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于3D打印的产品缺陷检测方法，其特征在于，所述方法包括：获取产品扫描数据，得到对应的产品三角网格模型；对所述产品三角网格模型进行预处理，以及获取所述产品三角网格模型的截面图像以及截面信息；根据所述截面信息确定所述截面图像中的缺陷类型进行标注后作为训练数据图像，将所述训练数据图像输入基于YOLO网络所构建的模型进行训练，得到缺陷检测模型；获取待检测产品的目标截面图像输入至所述缺陷检测模型中进行检测，得到缺陷检测结果。2.根据权利要求1所述的一种基于3D打印的产品缺陷检测方法，其特征在于，所述对所述产品三角网格模型进行预处理，包括：对所述产品三角网格模型进行去除噪点，以及将所述产品三角网格模型的原坐标系进行平移，得到第一坐标系。3.根据权利要求2所述的一种基于3D打印的产品缺陷检测方法，其特征在于，所述将所述产品三角网格模型的原坐标系进行平移，得到第一坐标系，包括：求取所述产品三角网格模型的最小包围盒，将所述最小包围盒的最小点作为所述第一坐标系的原点，并将所述原坐标系的原点平移至所述第一坐标系的原点；其中，所述原坐标系的原点为所述产品三角网格模型的中心；根据所述原坐标系的原点以及所述第一坐标系的原点确定平移矩阵，将所述产品三角网格模型上的所有点减去所述平移矩阵，得到所述第一坐标系。4.根据权利要求2所述的一种基于3D打印的产品缺陷检测方法，其特征在于，所述获取所述产品三角网格模型的截面图像以及截面信息，包括：基于所述第一坐标系在Z轴方向上以第一间距对所述产品三角网格模型进行平面截取，得到多个截面；将每一所述截面作为一张所述截面图像，根据预设规则确定所述截面图像的截面信息。5.根据权利要求4所述的一种基于3D打印的产品缺陷检测方法，其特征在于，所述根据预设规则确定所述截面图像的截面信息，包括：分析所述截面与所述产品三角网格模型表面上的三角面片的交点，得...

【专利技术属性】
技术研发人员：陈宇，何俊霖，
申请(专利权)人：厦门微图软件科技有限公司，
类型：发明
国别省市：