3D打印设备的检测方法、系统及相关设备与流程

本技术涉及3d打印，尤其涉及一种3d打印设备的检测方法、系统及相关设备。

背景技术：

1、随着智能制造工程、工业4.0等概念的普及，3d打印技术正在变得越来越普及。3d打印技术最早出现在20世纪90年代中期，实际上是利用光固化和纸层叠等技术术的最新快速成型装置。它与普通打印工作原理基本相同，打印机内装有液体或粉末末等“打印材料”，与电脑连接后，通过电脑控制把“打印材料”一层层叠加起来，最终把计算机上的蓝图变成实物，这打印技术称为3d立体打印技术。

2、相关技术中，3d打印设备通过检测软件或安装在3d打印设备上的npu芯片检测打印过程中是否出现异常情况，3d打印检测软件大多使用第三方app在线检测，数据存储在云端，可能造成用户视频数据泄露等风险，无法有效保护用户的隐私安全；npu芯片的成本较高。

技术实现思路

1、有鉴于此，本技术提供一种基于3d打印设备的检测方法、装置及相关设备，能够准确检测3d打印设备的打印过程中是否出现打印异常情况，并能够降低检测成本，有效保护用户的隐私安全。

2、本技术的第一方面提供一种3d打印设备的检测方法，所述3d打印设备包括中央处理器，所述中央处理器包括用于数据推理的算法模型，所述检测方法包括：获取所述3d打印设备的打印信息，其中，所述打印信息包括当前3d打印设备的视频数据或图像数据；将所述打印信息传输至所述算法模型，以使所述算法模型根据所述打印信息检测所述当前3d打印设备是否存在打印异常情况，并在检测出所述当前3d打印设备存在打印异常情况时，停止3d模型打印；其中，所述算法模型通过对初始算法模型进行模型量化后再进行模型推理重构得到，所述模型量化用于将所述初始算法模型的模型精度转化为能够加速模型数据推理过程的预设模型精度，所述模型推理重构用于降低所述初始算法模型的空间占用大小。

3、与相关技术相比，本技术的实施例至少具有以下优点：

4、通过在中央处理器设置用于数据推理的算法模型，使得在3d打印设备获取到打印信息时，能够直接将打印信息传输至算法模型，以使算法模型根据所述打印信息检测所述当前3d打印设备是否存在打印异常情况，一方面通过算法模型进行检测，准确性较高，且能够在检测到当前3d打印设备存在打印异常情况时，立即停止3d模型打印，提高了3d打印设备的可靠性；另一方面，此种检测方式无需增加额外的第三方设备或软件，降低了检测成本，有效地保护了用户的隐私安全。此外，由于算法模型通过对初始算法模型进行模型量化后再进行模型推理重构得到，模型量化能够加速算法模型的数据推理过程，从而降低中央处理器资源的消耗，模型推理重构能够降低算法模型的空间占用大小，从而确保算法模型能够在中央处理器正常运行。

5、在一些可能的实现方式中，所述初始算法模型通过以下方式训练得到：获取历史打印异常情况数据，其中，所述历史打印异常情况数据包括所述3d打印设备历史进行3d模型打印之前或进行3d模型打印的过程中出现打印异常情况的历史图像数据或历史视频数据；对所述历史打印异常情况数据进行数据预处理，得到目标训练数据；其中，所述数据预处理至少包括数据分析、数据清洗以及数据增强；将所述目标训练数据输入预设算法模型以进行模型训练，将进行所述模型训练后的预设算法模型作为所述初始算法模型，其中，所述预设算法模型为模型大小低于预设值、且模型所需算力低于预设算力的算法模型。

6、通过此种方式，能够提高训练出的初始算法模型的准确率，从而提高后续得到的算法模型的模型精度。

7、在一些可能的实现方式中，所述打印异常情况包括多个类别，所述历史打印异常情况数据包括每个所述类别对应的异常数据；所述对所述历史打印异常情况数据进行数据预处理，包括：对所述历史打印异常情况数据进行可视化统计后再进行均衡化处理，得到初始训练数据；其中，所述初始训练数据中每个所述类别对应的异常数据数量均在预设数量范围内；对所述初始训练数据进行数据清洗以及数据增强，并增加预设百分比的噪声数据，得到所述目标训练数据。

8、通过此种方式，能够提高初始训练数据的数量，且能够使每个类型的异常情况对应的历史打印异常情况数据数量相同，或均在数量范围，从而能够进一步确保后续训练出来的算法模型的准确性。在一些可能的实现方式中，通过以下方式对所述初始算法模型进行模型量化：根据预设的量化校准表，将所述初始算法模型的模型参数转换为定点数表示，其中，所述量化校准表中至少包括量化位数、量化方法以及量化范围；检测模型参数转换为定点数表示的初始算法模型的准确性，在准确性不满足预设要求时，调整所述量化校准表并再次对所述初始算法模型进行模型量化，直至所述模型量化后的初始算法模型的准确性满足所述预设要求。

9、通过对初始算法模型进行模型量化，能够减少模型的存储需求，同时提高在中央处理器嵌入式端侧推理运行速度：模型量化将浮点数模型参数转换为定点数表示，从而减少了初始算法模型在存储介质上所占用的空间、内存带宽和存储器开销；同时量化模型可以利用在中央处理器上整数操作相对于浮点操作具有更高的计算效率特性，实现在嵌入式硬件上进行更高效的计算。

10、在一些可能的实现方式中，所述初始算法模型包括多个层级结构；通过以下方式对模型量化后的初始算法模型进行模型推理重构：根据所述3d打印设备的拍摄数据大小，修改所述模型量化后的初始算法模型的输入值大小；对所述模型量化后的初始算法模型的输出值进行非极大值抑制重构；对所述模型量化后的初始算法模型的最后三个层级结构进行数据维度重塑。

11、通过采用该技术方案，能够确保算法模型的准确性，且能够对输出值重写排序从而进一步降低算法复杂度；通过对模型量化后的初始算法模型的最后三个层级结构进行数据维度重塑，能够在保证初始算法模型的检测性能的同时，降低模型的占用空间大小。

12、在一些可能的实现方式中，所述中央处理器具有多个线程；在所述将所述打印信息传输至所述算法模型之前，所述检测方法还包括：获取当前所述多个线程中的每个线程的资源占用信息；根据所述每个线程的资源占用信息，确定多个所述线程中满足预设数据处理要求的目标线程；所述将所述打印信息传输至所述算法模型，以使所述算法模型根据所述打印信息检测所述当前3d打印设备是否存在打印异常情况，包括：将所述打印信息传输至所述算法模型，以使所述算法模型通过所述目标线程检测所述当前3d打印设备是否存在打印异常情况。

13、通过采用该技术方案，能够进行合理的资源调度，从而提高了中央处理器的资源利用率，确保中央处理器的正常运行。

14、在一些可能的实现方式中，在将所述打印信息传输至所述算法模型之后，还包括：获取与所述打印信息对应的数据推理时间；检测所述数据推理时间是否小于或等于预设数据推理时间，且所述中央处理器当前的资源占用率是否大于预设占用率；所述算法模型通过所述目标线程检测所述当前3d打印设备是否存在打印异常情况，包括：在检测到所述数据推理时间小于或等于所述预设数据推理时间时，所述算法模型通过所述目标线程检测所述当前3d打印设备是否存在打印异常情况；在检测到所述数据推理时间大于所述预设数据推理时间，且所述中央处理器当前的资源占用率大于所述预设占用率时，所述算法模型暂停检测所述当前3d打印设备是否存在打印异常情况，直至检测到所述中央处理器当前的资源占用率小于或等于所述预设占用率时，所述算法模型通过所述目标线程检测所述当前3d打印设备是否存在打印异常情况。

15、通过采用该技术方案，能够进一步减小模型推理所需资源，确保中央处理器的正常运行，从而提高了3d打印设备的稳定性。

16、本技术第二方面公开了一种3d打印设备的检测系统，包括：中央处理器、数据获取模块以及数据传输模块，其中，所述中央处理器包括用于数据推理的算法模型；所述数据获取模块用于获取所述3d打印设备的打印信息，其中，所述打印信息包括当前3d打印设备的视频数据或图像数据；所述数据传输模块用于将所述打印信息传输至所述算法模型；所述算法模型用于所述打印信息检测所述当前3d打印设备是否存在打印异常情况，所述中央处理器还用于在当前3d打印设备存在打印异常情况时，停止3d模型打印；其中，所述算法模型通过对初始算法模型进行模型量化后再进行模型推理重构得到，所述模型量化用于将所述初始算法模型的模型精度转化为能够加速模型数据推理过程的预设模型精度，所述模型推理重构用于降低所述初始算法模型的空间占用大小。

17、本技术第三方面公开了一种电子设备，所述电子设备包括处理器和存储器，所述存储器用于存储指令，所述处理器用于调用所述存储器中的指令，使得所述电子设备执行上述的3d打印设备的检测方法。

18、本技术第四方面公开了一种存储介质，包括计算机指令，当所述计算机指令在电子设备上运行时，使得所述电子设备执行上述的3d打印设备的检测方法。

19、可以理解地，上述提供的第二方面的3d打印设备的检测系统，第三方面的电子设备，第四方面的存储介质均与上述第一方面的方法对应，因此，其所能达到的有益效果可参考上文所提供的对应的方法中的有益效果，此处不再赘述。