申请/专利权人：河北科技大学

申请日：2021-12-20

公开（公告）日：2024-06-11

公开（公告）号：CN114216911B

主分类号：G01N21/88

分类号：G01N21/88;G06T7/00;G06T7/80;B22F10/28;B22F10/85;B22F12/90;B33Y50/02;G06T5/70;G06T5/80;G06N3/0464;G06N3/096;G06V10/82;G06V10/762

优先权：

专利状态码：有效-授权

法律状态：2024.06.11#授权;2022.04.08#实质审查的生效;2022.03.22#公开

摘要：本发明适用于增材制造技术领域，提供了一种金属选择性激光熔化成型中铺粉质量监测及控制方法，该方法包括：获取金属选择性激光熔化成型设备的粉末床初始图像；对粉末床图像进行畸变矫正和光照均匀矫正预处理，得到预处理后的粉末床图像；基于训练后的深度学习目标检测网络模型检测粉末床图像，生成检测结果；基于检测结果调整金属选择性激光熔化成型设备的铺粉操作。本发明提供的金属选择性激光熔化成型中铺粉质量监测及控制方法可以及时发现并处理铺粉缺陷，避免因铺粉缺陷引起的零件成型缺陷，提高金属选择性激光熔化成型的效率。

主权项：1.一种金属选择性激光熔化成型中铺粉质量监测及控制方法，其特征在于，包括：获取金属选择性激光熔化成型设备的粉末床初始图像；对所述粉末床初始图像进行畸变矫正和光照均匀矫正预处理，得到预处理后的粉末床图像；基于训练后的深度学习目标检测网络模型检测所述粉末床图像，生成检测结果；基于所述检测结果调整所述金属选择性激光熔化成型设备的铺粉操作；所述基于训练后的深度学习目标检测网络模型检测所述粉末床图像之前，所述方法还包括：获取预存的缺陷数据集；选择Halcon目标检测模型框架，将预训练resnet50卷积神经网络模型作为特征提取网络，选用K-means聚类算法获得锚框参数；采用迁移学习技术对深度学习目标检测网络模型进行训练，设置批次大小、初始学习率、迭代次数和随机种子，利用CUDA进行GPU训练加速，将得到的最优模型作为最终的深度学习目标检测网络模型；其中，在训练过程中，若选择框的交并比为当前图像最大值，则判定目标框为真；所述获取预存的缺陷数据集，包括：通过多次、多参数打印实验获取实际打印工作时的铺粉缺陷图像，并进行数据标注，制作缺陷数据集；所述方法还包括：出现刮刀条纹缺陷时，停止金属选择性激光熔化成型过程，并进行刮刀故障提示；出现熔覆层过高缺陷时，进行记录并继续金属选择性激光熔化成型过程。

全文数据：

权利要求：

百度查询： 河北科技大学 一种金属选择性激光熔化成型中铺粉质量监测及控制方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD