基于深度学习的牙模3D打印缺陷检测方法研究 |
| |
引用本文: | 马莹,宋江,李建兴,刘振宇,叶国棋,张仲鑫.基于深度学习的牙模3D打印缺陷检测方法研究[J].南昌大学学报(工科版),2023(2):195-204. |
| |
作者姓名: | 马莹 宋江 李建兴 刘振宇 叶国棋 张仲鑫 |
| |
作者单位: | 1. 福建工程学院电子电气与物理学院;2. 福建省增材制造创新中心装备智能化研究应用中心 |
| |
基金项目: | 福建省自然科学基金项目(2020J01876); |
| |
摘 要: | 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。
|
关 键 词: | 3D打印 牙模 YOLOv5 缺陷检测 |
|
|