排序方式: 共有1条查询结果,搜索用时 15 毫秒
1
1.
牙模3D打印过程中出现的质量缺陷影响着牙模的外观和使用性能,严重时导致废品率高,造成时间、材料的浪费。为了减少牙模3D打印的废品率,提出了一种基于YOLOv5的牙模3D打印实时缺陷检测方案:首先获取多维度牙模缺陷图片,采用切图分割与数据增强处理等方式制作数据集,然后通过构建YOLOv5深度学习网络模型对牙模3D打印图像进行迭代训练,最后通过YOLOv5程序调用摄像头并使用训练后最佳权重值进行实时在线缺陷检测。通过实验对比,YOLOv5深度学习网络模型的检测准确率要高于Faster R-CNN、YOLOv3、SSD这3种模型,其检测平均准确度高达94.78%,平均检测时间为21 ms。结果表明该方法能够检测牙模3D打印过程中的质量缺陷问题。 相似文献
1