(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211170763.1 (22)申请日 2022.09.23 (71)申请人 西安交通大 学 地址 710049 陕西省西安市碑林区咸宁西 路28号 (72)发明人 田小永　吴玲玲　池欣芸　刘腾飞　 李涤尘　 (74)专利代理 机构 西安智大知识产权代理事务 所 61215 专利代理师 贺建斌 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) (54)发明名称 基于人工智能图像识别的连续纤维3D打印 过程监测方法 (57)摘要 一种基于人工智能图像识别的连续纤维3D 打印过程检测方法， 选择基于计算机视觉与模式 识别的过程监测技术对连续纤维增强复合材料 打印过程进行监测， 通过相机采集连续纤维打印 件图像， 结合神经网络分类模型实现图像识别分 类功能， 进而实现对打印过程打印缺陷的自动检 测； 本发明一方面可以实现连续纤维3D打印过程 中自动监测缺陷， 另一方面可以为后续的实时打 印控制或修复奠定基础， 进而实现打印质量的智 能可控， 提高连续纤维3D打印产品的合格率， 减 少材料浪费， 缩短制造时间。 权利要求书1页 说明书4页 附图3页 CN 115457476 A 2022.12.09 CN 115457476 A 1.一种基于人工智能图像识别的连续纤维3D打印过程检测方法， 其特征在于： 选择基 于计算机视觉与模式识别的过程监测技术对连续纤维增强复合材料打印过程进行监测， 通 过相机采集连续纤维打印件图像， 结合神经网络分类模型实现图像识别分类功能， 进而实 现对打印过程打印缺陷的自动检测。 2.根据权利要求1所述的方法， 其特征在于： 所述连续纤维增强复合材料包括作为增强 材料的连续纤维和作为基底材料的树脂， 连续纤维包含碳纤维、 玻璃纤维、 芳纶纤维、 亚麻 纤维； 树脂包括聚乳酸(PLA)、 TPU、 ABS、 PE EK、 PPS。 3.根据权利要求1所述的方法， 其特征在于： 所述计算机视觉与模式识别使用双相机随 动采集喷头处水平、 竖直方向的连续纤维增强3D打印过程实时画面， 将采集到的图像数据 输入前期完成训练的人工智能算法， 实现实时的人工智能图像识别， 即对打印过程中出现 的缺陷做出判断； 神经网络分类 器实现输出针对连续纤维3D打印过程中的缺陷监测。 4.根据权利要求3所述的方法， 其特征在于： 所述人工智能算法包括二分类神经网络模 型、 多分类卷积神经网络、 K值临近算法。 5.根据权利要求1 ‑4所述的方法， 其特 征在于， 包括以下步骤： 1)根据连续纤维打印平台结构和目标打印过程中期望监测到的缺陷， 确定用于采集数 据集的打印件结构和期望判断打印缺陷对应的图像采集方式； 2)设计及搭建双相机随动的FDM连续纤维3D 打印平台， 实现水平、 竖直两个方向打印过 程中图像数据的采集； 3)将步骤1)用于采集数据集的打印件结构的三维模型文件导入3D打印机， 重复打印过 程以采集图像数据； 4)通过前期采集喷头附近图像， 针对缺陷发生的具体情况， 对图像数据进行分类， 构造 数据集； 5)使用步骤4)中的图像数据集对初始神经网络模型进行训练以提高精度， 实现针对打 印缺陷的自动诊断； 6)由训练完成的神经网络模型输出针对连续纤维3D打印过程中缺陷的监测结果。权　利　要　求　书 1/1 页 2 CN 115457476 A 2基于人工智能图像识别的连续纤维3D打印过 程监测方法 技术领域 [0001]本发明属于复合材料3D打印技术领域， 具体涉及一种基于人工智能图像识别的连 续纤维3D打印过程检测方法。 背景技术 [0002]3D打印技术最早称为快速成型技术， 又名 “增材制造技术 ”， 采用材料逐层堆积的 方法自下而上制造实体的制造工艺， 不同于传统切削加工等 “减材制造”工艺， 对生产模具 的需求和设计复杂度的 限制均有明显减少； 采用纤维増强的复合材料结构的力学性能存在 明显改善， 具有高强度、 高模量、 比重小、 耐腐蚀、 热稳定性好等优点， 在多个领域得以广泛 应用。 随着连续纤维增强3D打印技术的发展， 伴随的质量问题也越来越突出， 尤其是在康复 医疗和航天航空等领域， 对复合材 料3D打印产品的可靠性与稳定性都存在着较高的要求。 [0003]连续纤维增强3D打印过程中纤维和基体 的结合粘结对打印件的质量和性能有着 较为关键的影响， 连续纤维3D打印过程中易 发生纤维路径偏移、 纤维断裂、 纤维拔出及基体 断裂等一系列打印缺陷 问题， 从而造成复合材料3D打印件的质量及性能下降。 因此， 为提高 打印精度并保障打印件的综合 性能， 针对复合材 料3D打印的过程 监测技术显得尤为重要。 [0004]已有研究中检测的打印缺陷多为材料挤出量相关(Zeqing  Jin,Autonomous  in‑ situ correction  of fused deposition  modeling  printers  using computer  vision  and deep learning,Manufacturing  Letters,Volume  22,2019.)； 国际上暂无连续纤维3D 打印过程中特殊的纤维 ‑基体粘结缺陷的检测研究， 且暂无多相 机随动的增材制 造过程监 测研究， 已有研究监测的对象多为3D打印过程中每一层的画面， (贺可太.3D打印过程故 障 诊断方法和装置： CN109968671B.2020 ‑07‑10； 王迪.一种基于相机实时拍摄的3D打印过程 监控方法及装置： CN10692 5784A.2017 ‑07‑07.)； 普通单相机随动的打印过程检测(William   Jordan Wright,In ‑situ optimization  of thermoset  composite  additive   manufacturing  via deep learning  and computer  vision,Additive  Manufacturing, Volume 58,2022.)， 喷头附近画面信息采集 不完整。 [0005]综上， 目前缺乏针对连续纤维3D打印技术的过程监测及缺陷识别方法， 导致复合 材料打印件 往往面临着纤维偏移等质量问题， 限制了复合材 料制件在工业界的广泛应用。 发明内容 [0006]为了克服上述现有技术的缺点， 本发明的目的在于提供了一种基于人工智能图像 识别的连续纤维3D打印过程检测方法， 一方面可以实现连续纤维3D打印过程中自动监测缺 陷， 另一方面可以为后续的实时打印控制或修复奠定基础， 进而实现打印质量的智能可控， 提高连续纤维3D打印产品的合格率， 减少材 料浪费， 缩短制造时间。 [0007]为了实现上述目的， 本发明采取的技 术方案为： [0008]一种基于人工智能图像识别的连续纤维3D打印过程检测方法， 选择基于计算机视 觉与模式识别的过程监测技术对连续纤维增强复合材料打印过程进行监测， 通过相机采集说　明　书 1/4 页 3 CN 115457476 A 3