买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安交通大学

摘要：一种基于残差神经网络的熔融沉积成型最优工艺参数预测方法，方法中，图像采集装置连接3D打印机喷嘴以采集3D打印机喷嘴处熔融沉积的RGB图像P1，P2…Pn并标记有当前打印机喷嘴尖端坐标以及打印参数；对所述RGB图像P1，P2…Pn随机旋转、缩放和随机裁剪进行预处理得到预处理后的图像N1，N2…Nn；对所述图像N1，N2…Nn基于残差神经网络处理，对随机下载的模型打印过程中实时采集图像，对实时采集的图像随机旋转、缩放和随机裁剪进行预处理；预处理后的图像输入已经训练好的残差神经网络，输出四种打印参数分类的预测结果。

主权项：1.一种基于残差神经网络的熔融沉积成型最优工艺参数预测方法，其特征在于，包括如下步骤：S1：图像采集装置连接3D打印机喷嘴以采集3D打印机喷嘴处熔融沉积的RGB图像P1，P2…Pn并标记有当前打印机喷嘴尖端坐标以及打印参数；S2：对所述RGB图像P1，P2…Pn随机旋转、缩放和随机裁剪进行预处理得到预处理后的图像N1，N2…Nn；S3：对所述图像N1，N2…Nn基于残差神经网络处理，其中，S3.1：残差神经网络输入所述图像N1，N2…Nn，输出针对图像N1，N2…Nn的喷头流量、喷头横向移速、喷头温度及Z轴偏移量的四种打印参数的分类预测，所述分类预测分为高、正常、低三类，喷头流量、喷头横向移速、喷头温度及Z轴偏移量的四个输出头与共享主干共用特征提取，输入数据通过主干网络，经过多个卷积层和池化层，逐层提取特征，这个过程中的所有特征提取操作在所有输出头之间共享，主干网络提取的特征在最后一层的全连接层生成一个高维的特征表示，所述特征表示包含输入数据的所有信息，共享特征然后被并行地传递给每个输出头，共享主干的权重在训练的反向传播过程中通过每个单独输出头的损失总和来更新，S3.2：将打印中与基板接触的第一层的完整材料沉积图像输入残差神经网络中，得到训练结果，S3.3：将材料打印过程中全部的图像采集数据输入残差神经网络中，得到训练结果，S3.4：将数据集包含的81种参数分类组合中每个组合都平衡为相同的数量，得到新的数据集输入残差神经网络中，得到训练结果；S3.5：训练过程分为了三个阶段：第一阶段，网络在一个只包含第一层打印图像且填充率为100％的子数据集上进行训练，使得各参数的特征更加明显且易于学习；第二阶段，利用迁移学习方法，将第一阶段表现最佳的模型在包含所有3D几何图像的完整数据集上重新训练，允许网络利用从简单数据集中学习到的特征应用于更复杂的完整数据集中，这个过程重复了三次；第三阶段，再次使用迁移学习，但只重新训练了每个输出头的全连接层，使用的是一个平衡的子数据，其包含了每个可能的81种参数组合的等量样本，特征提取的网络主干的权重被冻结，以保持已学习的通用特征，当验证损失在若干个epoch中没有显著下降，认为模型已经收敛；S4：在待优化的打印过程中实时采集图像，对实时采集的图像随机旋转、缩放和随机裁剪进行预处理；S5：预处理后的图像输入已经训练好的残差神经网络，输出四种打印参数分类的预测结果。

全文数据：

权利要求：

百度查询： 西安交通大学 基于残差神经网络的熔融沉积成型最优工艺参数预测方法