[发明专利]一种增材制造零件表面缺陷在线检测方法及系统

权利要求书

1.一种增材制造零件表面缺陷在线检测方法，其特征在于，所述方法包括：

S1：在增材制造成形过程中获取当前打印层表面形貌的三维点云数据；

S2：以所述三维点云数据的边界为边界得到包括多个网格的图像网格，将所述三维点云数据投影至所述图像网格，并将每一网格中点的平均高度值作为对应网络的高度值，并将所有网格的高度值转换成像素值，从而得到当前打印层表面的二维形貌图像；

S3：根据缺陷情况对所述二维形貌图像中的像素进行分类并标记，进而获取缺陷类型的特征值以及对应的标签值；

S4：以所述特征值为输入并以所述标签值为输出对分类模型进行训练获得训练完成的分类模型；

S5：获取待识别打印层表面形貌的特征值，将所述特征值输入所述训练完成的分类模型获得当前打印层表面的缺陷类型。

2.根据权利要求1所述的方法，其特征在于，步骤S2中所述将所有网格的高度值转换成像素值具体包括：

S21：计算所述三维点云数据的拟合高度Ha；

S22：计算各网格点内的高度值与所述拟合高度Ha的差值；

S23：将所述差值采用非线性变换函数归一至0～255的像素值区间得到对应的像素值。

3.根据权利要求2所述的方法，其特征在于，采用高度平均值、最小二乘法或随机采样一致法拟合平面中的一种计算所述拟合高度Ha。

4.根据权利要求2所述的方法，其特征在于，所述非线性变换函数为sigmoid函数，采用如下公式将所述网络的高度值H(i，j)转换为像素值I(i，j)：

5.根据权利要求1所述的方法，其特征在于，所述特征值包括：像素值、边界距离值、Laplace锐化值或窗口临近像素的统计特征值中的一种或几种，其中，所述边界距离值通过计算像素点与二维形貌图像的边界的最小距离得到；Laplace锐化值通过二维形貌图像与Laplace核函数卷积得到；所述窗口临近像素的统计特征值通过以某一像素点为中心对其周围网络的像素点的最值、均值、方差和熵进行计算得到。

6.根据权利要求1所述的方法，其特征在于，将K-临近模型、决策树模型、朴树贝叶斯模型、支持向量机模型、人工神经网络模型中分类效果最好的模型作为所述分类模型，采用精确率P和召回率R评估所述分类模型的分类效果：

P＝TP/(TP+FP)

R＝TP/(TP+FN)

其中，TP表示将正类预测为正类；FP表示将负类预测为正类；TN表示将负类预测为负类；FN表示将正类预测为负类。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

S6：将所述缺陷类型进行二值化处理得到对应缺陷的二值图像，其中，缺陷对应的像素值为255，其他对应的像素值为0；

S7：对部分缺陷类型对应的二值图像进行闭运算的形态学处理，对另一部分缺陷类型对应的二值图像进行膨胀形态学处理，而后进行轮廓查找过滤掉轮廓面积小于阈值的无效缺陷；

S8：绘制轮廓包围区域，以及确定缺陷的区域尺寸和位置。

8.根据权利要求1所述的方法，其特征在于，步骤S1还包括对所述三维点云数据进行处理：

获取上一层打印层层高并截取层高以上的点云；

对截取后的点云计算空间点半径范围临近点数量，去除数量小于阈值的无效点；

对点云采用区域生长算法进行聚类，通过分类簇的点云数目大小和平均高度来筛选得到当前层打印区域的点云。

9.根据权利要求1所述的方法，其特征在于，采用非接触的光学形貌传感器获得所述三维点云数据，步骤S1还包括标定所述光学形貌传感器的打印坐标系。

10.一种增材制造零件表面缺陷的在线检测系统，其特征在于，所述系统包括：

三维点云获取模块：用于在增材制造成形过程中获取当前打印层表面形貌的三维点云数据；

二维形貌获取模块：用于以所述三维点云数据的边界为边界得到包括多个网格的图像网格，将所述三维点云数据投影至所述图像网格，并将每一网格中点的平均高度值作为对应网络的高度值，并将所有网格的高度值转换成像素值，从而得到当前打印层表面的二维形貌图像；

分类与标记模块：用于根据缺陷情况对所述二维形貌图像中的像素进行分类并标记，进而获取缺陷类型的特征值以及对应的标签值；

训练模块：用于以所述特征值为输入并以所述标签值为输出对分类模型进行训练获得训练完成的分类模型；

结果获取模块：用于获取待识别打印层表面形貌的特征值，将所述特征值输入所述训练完成的分类模型获得当前打印层表面的缺陷类型。