摘要
本申请公开了一种针对金属3D打印的缺陷检测模型构建方法,包括:获取铺粉前和铺粉后的有关粉床表面的原始点云数据;对原始点云数据进行预处理以获取有效的预处理后点云数据;对预处理后点云数据进行包括粉床铺粉缺陷和/或打印缺陷的缺陷标注,获取缺陷检测模型点云数据训练集;利用缺陷检测模型点云数据训练集对PointNet网络进行训练,构建能够检测粉床铺粉缺陷和/或打印缺陷的缺陷检测模型。本申请将基于点云数据的三维检测技术与深度学习方法相结合并应用到了针对金属3D打印的铺粉缺陷检测和/或打印缺陷检测的特定技术领域,实现了粉床铺粉和打印过程中多种缺陷类型的实时自动化检测,减少了人工检测的延迟,提升了缺陷类型检测的精确性。
技术关键词
检测模型构建方法
打印缺陷
缺陷检测方法
点云
床铺
认证设备
数据
特征值
多层感知机
三维检测技术
协方差矩阵
处理单元
训练集
深度学习方法
存储单元
网络
邻居
滤波
电子设备
邻域
系统为您推荐了相关专利信息
车道偏离检测
道路图像数据
道路环境信息
行驶状态信息
预警方法
图像缺陷检测方法
视觉特征
文本特征向量
交叉注意力机制
鲁棒视觉
融合激光雷达
实时监测方法
煤仓
相机
激光雷达数据采集
位姿识别方法
RANSAC算法
深度相机
视角
深度图数据