基于二阶段级联模型的3D打印铺粉缺陷检测方法及系统与流程

本发明涉及增材制造，更具体的，涉及一种基于二阶段级联模型的3d打印铺粉缺陷检测方法及系统。

背景技术：

1、3d打印（增材制造）技术通过逐层堆积材料的方式构建三维实体零件，已在航空航天、医疗器械、汽车制造等领域得到广泛应用。在粉末床熔融（pbf）类3d打印工艺中，铺粉质量是影响打印件性能的关键因素之一。每一层粉末的铺设均匀性直接决定了层间结合强度、致密度和表面粗糙度等关键指标。

2、在铺粉过程中，由于铺粉刮刀磨损、粉末流动性变化、铺粉速度不当等原因，铺粉表面可能出现多种缺陷。其中，波浪纹（也称纹路、波纹缺陷）是铺粉缺陷的典型表现和金标准特征。波浪纹表现为铺粉表面出现周期性的条纹状纹理，其成因在于铺粉机构在运动过程中粉末受力不均匀，导致粉末层厚度出现周期性波动。

3、现有技术中，铺粉缺陷检测主要采用以下方案：

4、1.人工目视检测。由操作人员通过监控摄像头或现场观察铺粉表面，人工判断是否存在缺陷。该方法依赖人员经验，检测标准不统一，且无法满足实时在线检测需求，效率低下。

5、2.基于单一分类模型的自动检测。采用深度学习分类模型（如vgg、resnet等）对铺粉图像进行二分类（合格/不合格）。该方法虽然能够实现自动化检测，但存在以下技术局限：

6、（1）过检率高：由于铺粉图像中波浪纹特征微弱（与背景的灰度差通常仅为3-10个灰度级），分类模型在处理边界样本时容易产生过度敏感，将正常图像误判为ng（不合格），导致过检率偏高。过检会引发不必要的打印中断或层重铺，严重影响打印效率。

7、（2）缺乏定位能力：分类模型仅输出整图级别的判定结果，无法提供缺陷区域的位置信息，不利于后续缺陷分析和工艺优化。

8、（3）特征利用不充分：单一分类模型未针对波浪纹的特定纹理特征进行专门处理，难以区分真实波浪纹与正常表面纹理波动之间的细微差异。

9、3.直接使用目标检测模型。直接对全部铺粉图像运行目标检测模型进行波浪纹区域定位。该方法虽然可以提供缺陷位置信息，但由于波浪纹特征极弱，直接检测的检出率低，且对全部图像进行检测的计算开销大，难以满足实时性要求。

10、综上所述，现有技术急需一种能够在保证检出率的前提下有效降低过检率，同时兼顾检测效率的铺粉缺陷检测方案。

技术实现思路

1、为了解决上述至少一个技术问题，本发明提出了一种基于二阶段级联模型的3d打印铺粉缺陷检测方法及系统。

2、本发明第一方面提供了一种基于二阶段级联模型的3d打印铺粉缺陷检测方法，包括以下步骤：

3、s1，采集3d打印铺粉表面的图像；

4、s2，将所述图像输入第一阶段分类模型进行分类，所述分类模型基于yolo架构，输出明确合格、明确不合格或模糊不合格的判定结果；其中，明确合格和明确不合格的图像直接输出判定结果，模糊不合格的图像进入第二阶段；

5、s3，对模糊不合格的图像执行图像预处理，包括高斯滤波、对比度增强和平滑处理，以放大波浪纹与背景之间的灰度差异；

6、s4，将预处理后的图像输入第二阶段目标检测模型，检测波浪纹区域并输出检测框及置信度；

7、s5，将检测结果进行置信度过滤，当检测置信度大于等于预设的置信度阈值时判定为不合格，否则判定为合格。

8、本发明一个较佳实施例中，所述步骤s2中，第一阶段分类模型的判定逻辑为：所述步骤s2中，第一阶段分类模型的判定逻辑为：

9、当合格概率大于等于第一阈值t1（一般设置为0.5）时，判定为明确合格；当不合格概率大于等于第二阈值t2（一般设置为0.85）时，判定为明确不合格，其中t1、t2由用户自主设定；

10、当不合格概率介于判定区间内时判定为模糊不合格；

11、本发明一个较佳实施例中，所述步骤s3中的图像预处理包括以下子步骤：

12、s31，使用高斯核对模糊不合格图像进行高斯滤波处理，去除高频噪声并保留波浪纹的低频纹理特征，所述高斯核的标准差σ的取值范围为1-3；

13、s32，对高斯滤波后的图像进行全局对比度增强处理，采用直方图均衡化方法提高图像对比度，放大波浪纹边缘处的灰度跳变；

14、s33，对对比度增强后的图像进行平滑处理，采用均值滤波使背景区域灰度均匀化，消除对比度增强可能引入的局部灰度波动。

15、本发明一个较佳实施例中，所述高斯滤波前还包括高斯金字塔下采样步骤：当图像最大边长大于设定阈值时，对图像执行高斯核卷积滤波后进行下采样，并重复执行降采样操作直至图像最大边长满足尺寸要求。

16、本发明一个较佳实施例中，所述步骤s5中的预设的置信度阈值th的取值为0.75，所述阈值高于常规目标检测的置信度阈值，用于抑制因预处理增强导致的噪声放大所产生的过检。

17、本发明一个较佳实施例中，所述波浪纹为铺粉表面出现的周期性条纹纹理，是铺粉缺陷的金标准特征，所述波浪纹与背景的灰度差在预处理前为3-10个灰度级，经预处理后放大至30-60个灰度级。

18、本发明一个较佳实施例中，所述第一阶段分类模型和第二阶段目标检测模型均基于yolo架构，所述分类模型采用分类头输出类别概率，所述目标检测模型采用检测头输出检测框坐标和置信度；所述第二阶段目标检测模型的训练数据经过与推理阶段相同的预处理流程处理，以保证训练与推理的特征分布一致性。

19、本发明第二方面提供一种基于二阶段级联模型的3d打印铺粉缺陷检测系统，应用于一种基于二阶段级联模型的3d打印铺粉缺陷检测方法，包括：

20、图像采集模块，用于采集3d打印铺粉表面图像；

21、第一阶段分类模块，部署基于yolo架构的分类模型，对输入图像进行快速分类，输出明确合格、明确不合格或模糊不合格的判定结果；

22、图像预处理模块，对模糊不合格图像执行高斯滤波、对比度增强和平滑处理，放大波浪纹特征；

23、第二阶段检测模块，部署yolo的目标检测模型，对增强后图像进行波浪纹区域定位检测，输出检测框及置信度；

24、置信度过滤模块，根据预设的置信度阈值对检测结果进行过滤判定；

25、结果输出模块，将检测结果反馈至3d打印机控制系统。

26、所述图像预处理模块中，高斯滤波的高斯核标准差σ为1，核大小为5×5，依次进行直方图均衡化和5×5均值滤波。

27、本发明的上述技术方案相比现有技术具有以下优点：

28、第一阶段分类模型快速过滤大部分明确样本，仅将模糊ng图像送入第二阶段，兼顾检测精度与实时性。

29、通过金字塔下采样加对比度增强加平滑的组合预处理策略，将原本不可见的微弱特征放大至可检测范围。

30、第二阶段检测中设置较高的置信度阈值，有效排除因预处理放大噪声导致的假阳性，实现过检率的显著降低。

31、第二阶段目标检测模型输出缺陷区域的位置和范围，为后续工艺参数调整和缺陷溯源提供数据支撑。