買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉江陰勰力機(jī)械科技有限公司申請(qǐng)的專利一種基于實(shí)時(shí)反饋的3D打印過程智能控制方法及系統(tǒng)獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119610677B 。

龍圖騰網(wǎng)通過國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-29發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202411948487.6，技術(shù)領(lǐng)域涉及：B29C64/386；該發(fā)明授權(quán)一種基于實(shí)時(shí)反饋的3D打印過程智能控制方法及系統(tǒng)是由胡添鵬設(shè)計(jì)研發(fā)完成，并于2024-12-27向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于實(shí)時(shí)反饋的3D打印過程智能控制方法及系統(tǒng)在說明書摘要公布了：本發(fā)明公開了一種基于實(shí)時(shí)反饋的3D打印過程智能控制方法及系統(tǒng)，涉及3D打印技術(shù)領(lǐng)域，通過數(shù)據(jù)采集模塊實(shí)時(shí)收集打印層表面圖像和打印數(shù)據(jù)，構(gòu)建圖像數(shù)據(jù)集合和打印數(shù)據(jù)集合，并在預(yù)處理模塊中對(duì)數(shù)據(jù)進(jìn)行清洗和標(biāo)準(zhǔn)化處理，圖像分析模塊利用卷積神經(jīng)網(wǎng)絡(luò)分析打印層表面缺陷，生成缺陷評(píng)分D并與預(yù)設(shè)缺陷評(píng)分閾值Dl對(duì)比，評(píng)估打印層狀態(tài)并觸發(fā)預(yù)警，綜合評(píng)估模塊結(jié)合打印數(shù)據(jù)和缺陷評(píng)分，計(jì)算裂紋生成概率Z，智能控制模塊則通過將裂紋生成概率Z與預(yù)設(shè)的裂紋生成概率閾值Zl進(jìn)行對(duì)比，評(píng)估打印狀態(tài)，根據(jù)結(jié)果反饋并控制打印參數(shù)，有效預(yù)防和降低打印過程中的裂紋和結(jié)構(gòu)缺陷，提升了打印精度和成品質(zhì)量。

本發(fā)明授權(quán)一種基于實(shí)時(shí)反饋的3D打印過程智能控制方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種基于實(shí)時(shí)反饋的3D打印過程智能控制系統(tǒng)，其特征在于：包括數(shù)據(jù)采集模塊、預(yù)處理模塊、圖像分析模塊、綜合評(píng)估模塊以及智能控制模塊； 所述數(shù)據(jù)采集模塊用于采集3D打印過程中的打印層表面高清圖像和打印數(shù)據(jù)，并依據(jù)收集到的打印層表面高清圖像和打印數(shù)據(jù)，構(gòu)建圖像數(shù)據(jù)集合和打印數(shù)據(jù)集合； 所述預(yù)處理模塊用于對(duì)圖像數(shù)據(jù)集合和打印數(shù)據(jù)集合中的打印層表面高清圖像和打印數(shù)據(jù)進(jìn)行預(yù)處理； 所述圖像分析模塊用于依據(jù)卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建缺陷分析模型，將預(yù)處理后的打印層表面高清圖像輸入缺陷分析模型，獲取打印層缺陷評(píng)分D，并預(yù)設(shè)缺陷評(píng)分閾值Dl，將預(yù)設(shè)的缺陷評(píng)分閾值Dl與打印層缺陷評(píng)分D進(jìn)行對(duì)比分析，評(píng)估打印層狀態(tài)，并觸發(fā)預(yù)警機(jī)制，控制打印層； 所述綜合評(píng)估模塊用于依據(jù)預(yù)處理后的打印數(shù)據(jù)集合和打印層缺陷評(píng)分D，獲取裂紋生成概率Z； 所述智能控制模塊用于預(yù)設(shè)裂紋生成概率閾值Zl，并將預(yù)設(shè)的裂紋生成概率閾值Zl和裂紋生成概率Z進(jìn)行對(duì)比分析，評(píng)估3D打印狀態(tài)，并依據(jù)評(píng)估出的3D打印狀態(tài)，反饋數(shù)據(jù)給3D打印數(shù)據(jù)中心，控制3D打印進(jìn)程； 所述圖像分析模塊包括模型構(gòu)建單元和初步評(píng)估單元； 所述模型構(gòu)建單元用于依據(jù)卷積神經(jīng)網(wǎng)絡(luò)技術(shù)構(gòu)建缺陷分析模型，并結(jié)合3D打印數(shù)據(jù)庫(kù)，獲取歷史打印圖像數(shù)據(jù)，將歷史打印圖像數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)輸入缺陷分析模型的輸入層，使用反向傳播和優(yōu)化算法調(diào)整缺陷分析模型參數(shù)，將實(shí)時(shí)采集的打印圖像數(shù)據(jù)輸入訓(xùn)練后的缺陷分析模型，獲得打印層缺陷評(píng)分D； 其中，所述缺陷分析模型包括輸入層、卷積層、池化層、全連接層和輸出層； 所述輸入層用于將實(shí)時(shí)采集的打印圖像數(shù)據(jù)輸入缺陷分析模型； 所述卷積層用于提取圖像數(shù)據(jù)的局部特征，生成局部特征圖； 所述池化層用于降低卷積層獲取的局部特征圖的維度； 所述全連接層用于將特征映射到打印層缺陷評(píng)分D輸出； 所述輸出層用于輸出打印層缺陷評(píng)分D，所述打印層缺陷評(píng)分D具體獲取方式為： ； 式中，是平均邊緣強(qiáng)度，是紋理均勻度，是顏色均勻分布系數(shù)，、和分別是平均邊緣強(qiáng)度、紋理均勻度和顏色均勻分布系數(shù)的權(quán)重值，c是偏置項(xiàng)； 所述平均邊緣強(qiáng)度獲取方式為： 對(duì)圖像進(jìn)行邊緣檢測(cè)，使用Sobel算子檢測(cè)圖像中所有像素點(diǎn)的邊緣強(qiáng)度，獲取水平梯度邊緣強(qiáng)度和垂直梯度邊緣強(qiáng)度，并依據(jù)水平梯度邊緣強(qiáng)度和垂直梯度邊緣強(qiáng)度獲取每個(gè)像素點(diǎn)的邊緣強(qiáng)度G： ； 依據(jù)每個(gè)像素點(diǎn)的邊緣強(qiáng)度G獲取整體圖像的平均邊緣強(qiáng)度： ； 式中，是圖像中像素點(diǎn)的總數(shù)，k是圖像的像素點(diǎn)索引，是第k個(gè)像素點(diǎn)的邊緣強(qiáng)度； 所述紋理均勻度獲取方式為： 將圖像轉(zhuǎn)化為灰度圖像，獲取灰度共生矩陣，并依據(jù)灰度共生矩陣獲取紋理均勻度： ； 式中，a和b分別代表灰度共生矩陣的兩個(gè)灰度值，是在灰度共生矩陣中，灰度值為a的像素點(diǎn)和相鄰灰度值為b的像素點(diǎn)組合的相對(duì)頻率； 所述顏色均勻分布系數(shù)獲取方式為： 將圖像轉(zhuǎn)換為HSV顏色空間，包括色調(diào)、飽和度和亮度三個(gè)通道，分別計(jì)算每個(gè)通道的標(biāo)準(zhǔn)差，并依據(jù)每個(gè)通道的標(biāo)準(zhǔn)差和均值獲取顏色均勻分布系數(shù)： ； 式中，、和分別是色調(diào)通道、飽和度通道和亮度通道的標(biāo)準(zhǔn)差； 所述初步評(píng)估單元用于預(yù)設(shè)缺陷評(píng)分閾值Dl，并將獲取的打印層缺陷評(píng)分D與缺陷評(píng)分閾值Dl進(jìn)行對(duì)比分析，評(píng)估3D打印質(zhì)量，具體評(píng)估內(nèi)容如下： 若打印層缺陷評(píng)分D小于缺陷評(píng)分閾值Dl，即D＜Dl時(shí)，判定打印處于正常風(fēng)險(xiǎn)狀態(tài)，表明打印層表面質(zhì)量正常，無需進(jìn)行調(diào)整，持續(xù)監(jiān)控打印進(jìn)程； 若打印層缺陷評(píng)分D大于或等于缺陷評(píng)分閾值Dl，即D≥Dl時(shí)，判定打印處于異常風(fēng)險(xiǎn)狀態(tài)，表明打印層表面存在缺陷，觸發(fā)報(bào)警機(jī)制，立刻停止打印并記錄打印數(shù)據(jù)發(fā)送給3D打印控制人員，直到3D打印控制人員響應(yīng)。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人江陰勰力機(jī)械科技有限公司，其通訊地址為：214442 江蘇省無錫市江陰市濱江西路398號(hào)B212；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。