基于深度学习针对水凝胶挤出式打印成型的实时监测技术

目前,水凝胶挤出式打印成型过程中极易出现成型问题,例如打印断丝和打印物体坍塌现象时有发生.所以通常打印时需要实验员长时间守在打印设备附近,观察打印情况.但由于打印时间较长,这样十分浪费时间和人力.针对这一情况,采用计算机视觉技术,利用卷积神经网络技术设计了针对水凝胶挤出式打印成型的实时监测系统.通过对打印过程中出现的情况建立数据集,借用Caffe框架的便利,对神经网络结构进行修改优化,并通过数据集进行训练获得网络模型.然后,对网络模型进行了"正常"、"断丝"、"坍塌"、"阻挡"4种类型状况下检测识别率的实验验证.实验证明该检测模型平均准确度达78％.另外,该实验使用PyQt5软件通过Python语言为该系统设计了人机交互界面,实现了数据可视化.