3D打印复杂点阵结构的缺陷三维可视化方法

针对3D打印的复杂点阵结构容易出现裂纹、未熔合或孔洞等缺陷,严重影响结构件的功能性能问题,开展了对3D打印的一种复杂点阵结构件的缺陷三维可视化检测方法研究。基于CT图像中结构件内部缺陷的灰度值差异特征,采用集合灰度值法自动识别一类缺陷并分割提取,由光线投射法对分割得到的缺陷序列图像进行三维重构。实验结果表明:所提方法有效获得了点阵结构件内部一种典型缺陷的三维可视图,从三维角度可对缺陷的形状、大小等形貌细节信息进行描述,为进一步分析缺陷对结构性能的影响提供了有力的依据。     

3D打印金属零件后处理研究现状

3D打印技术具有不需模具和制造成本对设计的复杂性不敏感的特点,适合制造结构-功能一体化、仿生学设计、轻量化点阵结构、薄壁等复杂结构产品。但因其内部和表面存在一些不可避免的缺陷,需结合适当的后处理来改善金属零件的显微组织和缺陷。分别从显微组织、内部缺陷和表面缺陷3个方面归纳了国内外学者对3D打印零件进行不同后处理的研究进展,分析了未来3D打印后处理研究的主流方向,为3D打印技术生产更合格的零件提供参考。     

3D打印技术及其在医疗领域的应用

3D打印技术是一种快速兴起的新型数字化制造技术,因具有设计自由、大规模定制以及快速原型制造等优点,在医学、航天、汽车、食品等领域应用前景广阔.随着精准化、个性化医疗需求的增长,3D打印技术逐渐被应用到医疗领域,如植入物制造、诊断平台和药物输送系统等,并成为目前较为前沿的研究领域之一,其个性化定制的特点使得3D打印技术能够根据患者的病情制备相应的医疗产品以帮助患者康复.因此,本文概述了3D打印技术的发展,分类介绍了可用于3D打印的医用材料,以及3D打印技术在医疗领域的应用.但是3D打印的植入物是静态的,无生命的,不能随着内环境的变化进行适应性调整,4D打印可以制造出具有"活性"且结构更为复杂的、与天然组织结构非常相似的工程化组织结构,其继承了3D打印技术优点的同时,弥补了现有3D打印的一些缺陷,未来在医学领域会有更广阔的应用前景.     

3D打印聚合物纳米复合材料的研究进展

相对于传统制造方法如挤出成型、模压成型等,3D打印技术不仅能够快速成型结构复杂且精细的产品,而且还可以根据不同功能、性能需求选择不同材料进行快速制造.凭借这一优势,3D打印越来越受到人们的重视,越来越多的3D打印产品被应用到人们的生活、学习和工作中.在众多3D打印材料中,聚合物材料(如热固性和热塑性聚合物等)的占比大、应用广,大到房屋内饰、小到微/纳米电子设备都可以通过3D打印聚合物材料来实现.然而,相比于传统方法制造的聚合物材料,3D打印聚合物材料强度低、打印层之间界面结合差,所以目前3D打印聚合物材料主要用于模型和非结构材料.为提高3D打印聚合物材料的强度,纳米材料(如纤维素纳米晶)常被用作增强体与聚合物材料混合打印,以此制备高强、多功能的3D打印纳米复合材料.纤维素纳米晶来源广泛、价格低廉、可再生、强度高,是一种十分理想的天然纳米增强材料.因此,近年来纤维素纳米晶在3D打印聚合物纳米复合材料中的应用受到广泛关注.除研究纳米材料对3D打印聚合物材料性能的影响外,研究者们还从纳米材料改性和新型纳米材料的研发等方面不断进行尝试,在提高3D打印聚合物纳米复合材料强度的同时赋予其更多的功能性,并取得了丰硕的成果.此外,借助光固化3D打印和聚合物熔融沉积成型两项基本原理相近、成型机理不同的3D打印技术,研究者们从打印纳米复合材料的结构、性能及功能出发,分别研究不同打印技术实现材料"结构-性能-功能"的可能性和可行性,为3D打印聚合物纳米复合材料的拓展应用提供了可靠依据.本文在简述3D打印技术的基础上,重点阐述常用于热固性和热塑性聚合物3D打印技术的基本原理和特点;着重分析两项不同3D打印技术在聚合物纳米复合材料领域的应用情况,总结3D打印聚合物纳米复合材料的性能特征和应用范围,以期为3D打印纳米复合材料的广泛应用奠定基础.     

3D打印过程中液体可控输送的研究进展及展望

随着信息技术的快速发展,3D打印实现了由数字化模型到三维实物的快速转化。目前,3D打印已广泛用于复杂精细三维结构和定制化结构的制备,尤其是在仿生学研究中极大促进了仿生微流体的发展。从界面材料物理化学的角度看,3D打印实质是打印材料输送与固-液相变过程。然而,沉积、固化、黏附等界面科学问题限制着其效率的提高。解决这些界面问题将大幅缩短打印时间,提高打印分辨率、材料利用率和打印件质量。针对目前在3D打印中所遇到的界面科学问题,文中系统概述了多种3D打印技术的基本原理及相应界面问题,并展望其解决方法,最后简要介绍了3D打印在仿生液体输送领域的最新发展和应用。     

金属3D打印技术及其专用粉末特征与应用

3D打印技术提供了一种先进的制造方法,实现了从3D计算机模型出发直接制造复杂形状的工件。其中,金属3D打印技术在生物医疗、航空航天、自动化、汽车零部件、军工等领域的有效应用得到了印证。介绍了金属3D打印技术的基本情况和金属3D打印专用金属粉末特征,简述了金属粉末的分类及应用,并对金属3D打印技术存在的问题和面临的挑战与机遇进行了分析。     

基于机器视觉的多轴3D打印缺陷检测技术研究

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.     

基于打印参数影响的3D打印混凝土力学性能试验研究

本工作制备了具有良好工作性能的3D打印混凝土，研究了喷头尺寸、打印路径两类打印参数对试件抗压强度、抗弯强度、微观和细观结构的影响，重点分析了其受力开裂的破坏机理，并且基于孔隙结构参数提出了抗压强度预测模型。结果表明：随着喷头尺寸由20 mm增大至40 mm, 3D打印混凝土的可建造性增强，打印试件的力学强度提升7.5%～31.6%,孔隙率和缺陷数量下降；正交路径B的打印试件孔隙率与平行路径A的相近，但其力学强度提升10.8%～46.7%。3D打印混凝土最薄弱界面是打印层间界面；打印试件开裂破坏时有三类破坏形态出现；建立的3D打印混凝土抗压强度预测模型可为评估不同打印参数下3D打印混凝土的抗压强度提供理论参考。     

人体植入医用材料的3D打印技术研究进展

3D打印技术是一种与传统制备方式完全不同的新兴技术,是基于三维数学模型,通过逐层增加材料来实现成型的技术。3D打印技术在个性化设计以及复杂结构产品制备方面具有独特的优势,在人体植入物的结构设计和制造领域具有巨大潜力和研究价值,吸引了国内外工业界、医学界和社会媒体的广泛关注。目前制约该技术发展的主要因素是可打印材料种类有限。综述了几种人体植入医用材料及其3D打印成型技术,如骨支架、心脏血管支架以及药物定向运输材料的3D打印制备技术,并分析了以上技术各自的特点。最后结合各种3D打印成型技术的特点以及几个应用案例,对3D打印在人体植入物医学领域的发展进行了展望。     

月球表面3D打印技术畅想

3D打印以其施工高效、节约资源等优势,在建筑方面有广阔的发展前景。针对3D打印建设月球基地的问题,介绍了3D打印建筑、月壤材料研究及模拟月壤制备、月球基地建设环境问题和外太空3D打印等4方面内容,总结了月球土壤的基本性能和利用地球资源研制的几种模拟月壤,并梳理了零重力环境下的3D打印实验方案和月球基地的设计蓝图,最后提出了3种月壤混凝土材料的制备方案,并对月球基地的3D打印研究计划进行了展望。     

基于YOLOv3的医药玻璃瓶缺陷检测方法

目的为了准确而快速地自动检测医药玻璃瓶的外观缺陷。方法基于YOLOv3算法,建立深度卷积神经网络学习检测模型,通过将神经网络结构浅层和深层特征向量连接并标准化,提取玻璃瓶多尺度特征信息。采用K-means聚类方式获得锚点框初始大小,提高模型对边界框预测的准确性;利用多尺度训练策略,增强模型对不同尺寸图像的鲁棒性。结果实验结果表明,提出的医药玻璃瓶缺陷检测方法能够准确检测识别玻璃瓶上的管端残损、气线、气泡、划伤、污渍和结石等缺陷种类。与主流的目标检测方法相比,提出的方法在处理速度和准确度上都有提高,缺陷目标检测精确率达到96.23%,召回率为93.82%,平均精度为89.35%。结论该方法已经在国内几家大型医药玻璃包装生产公司成功应用,显著提高了医药玻璃包装产品的质量和合格率,降低了人工成本。     

基于OCT成像的淡水无核珍珠内部缺陷自动检测方法

光学相干层析技术(OCT)作为一种高分辨率的无损光学检测手段,已被用于珍珠的内部质量检测。针对淡水无核珍珠质层内部缺陷检测的需求,提出一种通过光学相干层析图像实现淡水无核珍珠内部缺陷自动检测的方法。根据珠层灰度变化的特点,识别图像中缺陷区域的梯度特征和缺陷位置变化特征,并利用缺陷特征建立反向传播神经网络模型。实验中采集了内部无缺陷和内部有多种类型缺陷淡水无核珍珠的光学相干层析图像各20幅,对图像进行预处理并提取特征,利用K-means算法检测样本类型与所提取特征的匹配度,用特征与类型相匹配的样本特征训练反向传播神经网络模型,使用反向传播网络模型对淡水无核珍珠内部缺陷层进行分类识别。实验结果表明该方法提取特征的匹配度为92.5%,分类准确率达到100%,验证了该方法的可行性和有效性,提出的方法能够作为淡水无核珍珠内部缺陷识别和自动分类的有效手段。     

基于改进YOLOv5的试剂卡印刷缺陷检测算法

目的 针对试剂卡生产企业采用人工分选印刷缺陷的试剂卡存在效率低、成本高、易漏检的问题，提出一种基于深度神经网络YOLOv5s的改进试剂卡印刷缺陷检测算法YOLOv5s-EF。方法 通过图像预处理算法获得高质量的缺陷图像数据集，在YOLOv5s的主干特征提取网络中添加高效通道注意力（Efficient Channel Attention, ECA）机制，增强特征图中重要特征的表示能力；引入焦点损失函数（Focal Loss）来缓解正负样本不均衡的影响；结合印刷区域的定位结果，二次精确定位并构建方位特征向量，提出一种特征向量相似度匹配方法。结果 实验结果表明，本文提出的试剂卡印刷缺陷检测算法在测试集上的检测平均准确度可以达到97.3%，速度为22.6帧/s。结论 相较于其他网络模型，本文提出的方法可以实现对多种印刷缺陷的识别与定位，模型具有较好的检测速度和鲁棒性，有利于提高企业生产的智能化水平。     

基于改进YOLOv5的新材料地板表面缺陷检测研究

目的 提升质检过程中新材料地板的表面缺陷检测精度。方法 通过翻转、水平迁移和垂直迁移对采集到的缺陷图像进行扩充,构建新材料地板缺陷数据集。基于YOLOv5算法,增加一个预测头,使算法对微小缺陷更加敏感;其次在网络的特征融合层应用Swin Transformer模块,形成注意力机制预测头,提高网络特征提取效率;然后在网络主干末端加入SE模块,使网络提取有用的信息特征,提高模型精度。结果 实验结果表明,提出的新材料地板表面缺陷检测方法能够准确判别地板好坏,并能够识别出白色杂质、黑斑、边损、气泡胶等4类表面缺陷,各缺陷类型的平均精确均值为82.30%,比YOLOv5 Baseline提高了6.58%,相比其他典型目标检测算法也能够更准确和快速地识别地板表面缺陷。结论 通过改进的YOLOv5算法可以更准确地对地板表面缺陷进行分类与定位,从而大大提高工业质检效率。     

基于轻量化YOLOv4的黏稠食品灌装成品缺陷检测

针对黏稠流质食品的自动化灌装中,传统灌装成品缺陷检测方法难以同时对多目标高速检测的难题,提出一种基于YOLOv4目标检测算法的轻量级灌装成品缺陷检测方法.MobileNetV3主干特征提取网络能对输入样本进行轻量级特征提取;增强特征提取网络采用深度可分离卷积策略,以降低参数计算量,然后通过设计的全面路径聚合网络(FPANet)和引入的通道注意力机制(ECA)提升增强特征提取网络对于目标特征的靶向表达.将设计的轻量化网络进行模型训练和精度测试,并在同一数据集下与其它目标检测算法进行对比,以分析本文方法的优劣.实验结果表明,本文方法能够在保持精度的前提下提升检测速度,实现了黏稠食品灌装成品缺陷的多目标高速检测.     

基于深度学习的工业自动化包装缺陷检测方法

目的针对目前工业自动化生产中基于人工特征提取的包装缺陷检测方法复杂、专业知识要求高、通用性差、在多目标和复杂背景下难以应用等问题,研究基于深度学习的实时包装缺陷检测方法。方法在样本数据较少的情况下,提出一种基于深度学习的Inception-V3图像分类算法和YOLO-V3目标检测算法相结合的缺陷检测方法,并设计完整的基于计算机视觉的在线包装缺陷检测系统。结果实验结果显示,该方法的识别准确率为99.49%,方差为0.0000506,只使用Inception-V3算法的准确率为97.70%,方差为0.000251。结论相比一般基于人工特征提取的包装缺陷检测方法,避免了复杂的特征提取过程。相比只应用图像分类算法进行包装缺陷检测,该方法在包装缺陷区域占比较小的情况下能较明显地提高包装缺陷检测精度和稳定性,在复杂检测背景和多目标场景中体现优势。该缺陷检测系统和检测方法可以很容易地迁移到其他类似在线检测问题上。     

基于改进YOLOv4算法的轮毂表面缺陷检测

汽车轮毂加工过程中产生的表面缺陷严重影响整车的美观性及服役性能,针对人工检测效率低、漏检率高的问题,提出一种基于改进YOLOv4算法的轮毂表面缺陷检测方法。构建了轮毂缺陷数据集,其包含6种表面缺陷,由2346张4928×3264pixel的图像组成;采用K-means方法进行先验框聚类,并针对YOLOv4算法在纤维、粘铝等小尺度缺陷上检测精度不足问题,在原网络Neck部分引入细化U型网络模块(TUM)和注意力机制,用于增强有效特征并抑制无效特征,强化多尺度特征提取与融合,改善特征处理过程中可能存在的小目标信息丢失问题;基于该数据集,训练并测试不同算法的缺陷检测性能并验证改进模块的有效性。结果表明,该方法大幅提升了粘铝等小尺寸缺陷的检测能力,缺陷检测平均精度达到85.8%,与多种算法相比较检测精度最高。     

基于神经网络的玻璃缺陷声学检测方法

描述了一种通过声学信号检测玻璃制品缺陷的方法。在实现步骤上,首先采集了不同缺陷类型的玻璃瓶敲击声,然后经过频谱变换及小波包变换,将敲击信号映射至不同的变换域中,并在每个变换域中提取信号的特征,从而将样本的缺陷信息对应为统计特征和物理特征,并采用基于互信息量的特征选择算法对特征空间进行降维;降维后的特征子集作为后向传播神经网络的输入参数,再由该神经网络实现对玻璃缺陷的自动化检测。结果表明,在已有实验样本数据下,该缺陷检测算法能准确高效地检测出存在缺陷的样本,识别结果的F-值稳定在95%左右。     

基于改进YOLOv4的焊接件表面缺陷检测算法

目的 针对真实复杂的工业场景下焊接件表面缺陷检测精度低、速度慢和图像噪声大等问题,提出一种基于卷积神经网络的改进YOLOv4焊接件表面缺陷检测算法。方法 该模型基于YOLOv4算法,首先,考虑到存储和计算资源的限制,使用了轻量级网络GhostNet替换YOLOv4的主干特征提取网络(Backbone)CSPDarknet53;其次,在GhostNet网络结构中嵌入改进的通道注意力机制,能够提高模型的学习能力且减少参数量;最后,引入K–means++聚类算法对焊接件表面缺陷数据集中待检测的标注框宽高进行聚类,使网络模型更容易检测到样本中的缺陷。结果 实验结果表明,改进后的YOLOv4算法平均精度(mean Average Precision,mAP)为91.07%,检测速度达到48.11帧/s,模型尺寸为43.2 MB,比原始YOLOv4算法平均精度提升了4.61%,检测速度提高了26.59帧/s,模型尺寸缩减了82.37%。结论 所提模型提高了焊接件表面缺陷检测的精度和速度,在工业表面缺陷检测中具有现实意义。