基于3D打印设备的补偿检测方法、装置及相关设备与流程

本技术涉及3d打印，尤其涉及一种基于3d打印设备的补偿检测方法、装置及相关设备。

背景技术：

1、随着智能制造工程等概念的普及，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打印设备的打印质量较低，导致打印出来的3d模型难以满足用户的要求，进而导致用户的使用体验不佳。

技术实现思路

1、有鉴于此，本技术提供一种基于3d打印设备的补偿检测方法、装置及相关设备，能够提高3d打印设备的打印质量，从而提高用户的使用体验。

2、本技术的第一方面提供一种基于3d打印设备的补偿检测方法，所述3d打印设备包括拍摄组件、喷头组件以及打印平台，所述喷头组件用于将打印材料挤出到所述打印平台上，所述方法包括：根据预设挤出参数控制所述喷头组件在所述打印平台上打印初始图案；控制所述拍摄组件拍摄所述初始图案的图像数据，并将所述图像数据输入预设训练模型；其中，用于训练所述预设训练模型的训练数据包括所述3d打印设备打印的历史图案的历史图像数据，所述历史图像数据中包括标注数据，所述标注数据用于表征所述历史图案中的折角位置及折角均匀度，所述预设训练模型通过对所述折角位置及所述折角均匀度进行分类后再回归的模型训练方式得到；根据所述预设训练模型的输出结果确定所述预设挤出参数的补偿值，并根据所述补偿值控制所述喷头组件在所述打印平台上打印最终图案。

3、与相关技术相比，本技术的实施例至少具有以下优点：

4、通过使用历史图像数据训练预设训练模型，由于历史图像数据中包括用于表征历史图案中的折角位置及折角均匀度的标注数据，且预设训练模型的模型训练方式是对折角位置及折角均匀度进行分类后再回归，从而能够提高模型预测的准确性，使得基于预设训练模型的输出结果确定的补偿值能够精准补偿预设挤出参数，进而使得3d打印设备打印的最终图案满足打印质量要求，提高了3d打印设备的打印质量，从而提高用户的使用体验；此外，通过将初始图案的图像数据输入预设训练模型得到补偿值，能够使3d打印设备适用于不同的应用场景，避免“在通过激光雷达获取预设挤出参数的补偿值时，不同材质的打印材料会影响激光雷达的扫描结果，且激光雷达存在扫描盲区，导致补偿值不准确”的情况的发生，确保了3d打印设备在不同场景下的打印质量，进一步提高了用户的使用体验。

5、在一些可能的实现方式中，所述历史图案包括多个折角，所述标注数据至少包括每个所述折角的位置信息和权重值，所述权重值用于表征所述折角对应的折角均匀度，其中，所述权重值越大，表征所述折角对应的折角均匀度越符合预设均匀度要求；所述预设训练模型的头部网络为多分支分类回归网络，所述多分支分类回归网络至少包括第一分支和第二分支，所述预设训练模型通过以下方式训练得到：将所述位置信息输入所述第一分支，得到所述第一分支的第一输出值；将所述权重值输入所述第二分支，得到所述第二分支的第二输出值；对所述第一输出值和所述第二输出值进行回归，以根据回归的结果训练所述预设训练模型；其中，所述第二输出值在进行回归时使用注意力机制。

6、通过采用该技术方案，能够在模型训练过程中提高对图案细节特征的获取能力，从而进一步提高预设训练模型的准确性。

7、在一些可能的实现方式中，在对所述第一分支的输出结果和所述第二分支的输出结果进行回归后，所述预设训练模型输出所述历史图像数据的预测标注数据；所述根据回归的结果训练所述预设训练模型，包括：根据所述标注数据和所述预测标注数据计算所述预设训练模型对应的损失函数的损失值；通过反向传播算法和所述损失函数的损失梯度迭代更新所述预设训练模型的偏置参数，以使所述损失值降低至符合预设精度需求；将最终得到的损失值对应的偏置参数作为所述预设训练模型的最终偏置参数。

8、通过采用该技术方案，能够优化预设训练模型的偏置参数，从而进一步提高预设训练模型的准确性。

9、在一些可能的实现方式中，所述历史图案包括多个折角，在对所述第一输出值和所述第一输出值进行回归后，每个所述折角均对应一个初始预测标注数据；所述预设训练模型通过以下方式输出所述预测标注数据：对多个所述初始预测标注数据拟合高斯函数，将所述高斯函数的极大值对应的初始预测标注数据作为所述预测标注数据。

10、通过采用该技术方案，能够提高预设训练模型的准确性和稳定性。

11、在一些可能的实现方式中，所述标注数据还包括每个所述折角的类别信息，其中，所述类别信息用于表征所述折角对应的打印材料用量；所述多分支分类回归网络还包括第三分支，所述预设训练模型通过以下方式训练得到：将所述类别信息输入所述第三分支，得到所述第三分支的第三输出值；对所述第一输出值、所述第二输出值以及所述第三输出值进行回归，以根据回归的结果训练所述预设训练模型；其中，所述第二输出值在进行回归时使用注意力机制。

12、在一些可能的实现方式中，所述预设训练模型的主干网络为csp结构，所述预设训练模型的中间网络层为sppf结构或pan结构。

13、在一些可能的实现方式中，所述历史图像数据包括多条折线，每条折线至少包括一个折角，每个折角均对应一个所述标注数据。

14、本技术第二方面公开了一种基于3d打印设备的补偿检测装置，所述3d打印设备包括拍摄组件、喷头组件以及打印平台，所述喷头组件用于将打印材料挤出到所述打印平台上，所述装置包括：控制模块和预设训练模型；所述控制模块用于根据预设挤出参数控制所述喷头组件在所述打印平台上打印初始图案，所述控制模块还用于控制所述拍摄组件拍摄所述初始图案的图像数据，并将所述图像数据输入所述预设训练模型；所述预设训练模型用于根据所述图像数据输出所述预设挤出参数的补偿值，其中，用于训练所述预设训练模型的训练数据包括所述3d打印设备打印的历史图案的历史图像数据，所述历史图像数据中包括标注数据，所述标注数据用于表征所述历史图案中的折角位置及折角均匀度，所述预设训练模型通过对所述折角位置及所述折角均匀度进行分类后再回归的模型训练方式得到；所述控制模块还用于根据所述补偿值控制所述喷头组件在所述打印平台上打印最终图案。

15、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基于3d打印设备的补偿检测方法。

16、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基于3d打印设备的补偿检测方法。

17、可以理解地，上述提供的第二方面的基于3d打印设备的补偿检测装置，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。