[发明专利]一种基于机器视觉的3D打印喷嘴检测方法

摘要

本发明涉及一种基于及其视觉的3D打印喷嘴检测方法，其将深度学习技术引入到3D打印喷嘴测量，通过深度神经网络学习喷嘴的特征，避免了传统方法需要人工提取特征的缺陷，有效地提升了检测精度；而且本发明针对喷嘴的颜色信息，提出了一种改进的白平衡颜色增强算法，有效地提升了目标与背景的区分度，为后续的训练及学习创造了良好的条件，有效提升了检测精度。

主权项

1.一种基于机器视觉的3D打印喷嘴检测方法，其特征在于：所述检测方法具体包括以下步骤：步骤1、打印装置设置；对3D打印设备的打印喷嘴喷涂了涂料，使打印喷嘴与整个场景相比具有明显的区分度；光源使用条形光源；3D打印暗箱采用吸光的黑色材料进行涂抹，同时将打印托盘喷漆为黑色；步骤2、采集多张暗箱内部打印装置图片，形成训练图片集，然后对训练图片集中的图片进行图像增强以及图像标记处理；步骤3、将处理后的训练图片集送入Faster RCNN网络中进行训练；Faster‑RCNN网络由两大部分组成：PRN网络以及Fast RCNN网络；其中，RPN候选框提取模块是全卷积神经网络，用于提取候选框；Fast RCNN基于RPN提取的候选框进行检测并识别候选框中的目标；RPN网络与Fast RCNN网络共享“卷积&池化”及“特征图”两个部分；Faster RCNN网络的训练具体如下：a.单独训练RPN网络，网络参数由预训练模型载入；b.单独训练Fast‑RCNN网络，将第一步RPN的输出候选区域作为检测网络的输入；c.再次训练RPN网络，此时固定网络公共部分的参数，只更新RPN独有部分的参数；d.根据RPN网络的结果再次微调Fast‑RCNN网络，固定网络公共部分的参数，只更新Fast‑RCNN独有部分的参数；步骤4、获取暗箱内的图片作为待检测图片，对该待检测图片进行图像增强处理，然后将处理后的待检测图片输入训练后的FasterRCNN网络进行打印喷嘴检测，获取打印喷嘴的位置。