一种电流体喷印液滴体积预测模型的构建方法及液滴体积预测方法

本发明属于电流体喷印领域，更具体地，涉及一种电流体喷印液滴体积预测模型的构建方法及液滴体积预测方法。

背景技术：

1、电流体喷墨打印技术是喷墨打印技术的一个分支，其电场所产生的驱动力远大于膨胀产生的挤压力，能够实现更大粘度范围(1～10000cps)的溶液喷印，同时由于液滴在泰勒锥尖端形成，生成的液滴直径远小于喷嘴直径，能够实现微米级乃至是纳米级的超高分辨率结构打印。在微透镜阵列、仿生复眼制备，显示器件修复等超高分辨率器件制备方面引起学者的广泛研究。

2、电喷印成型机理比较复杂，而且影响因素较多，喷射液滴体积主要由工艺参数(电压、入口流量)、打印材料特性(表面张力、粘度、密度等)、结构参数(喷嘴内径、喷嘴到基板高度)等诸多因素共同影响，这些影响大多是非线性的，从理论方面推导出液滴体积同工艺参数的影响较为困难。常规的喷印形式可以由高速相机捕捉空中飞行液滴，获得体积大小，但电流体喷射液滴速度快(5m/s)、体积小(fl级)、空间窄(微米级)，相机拍摄较为困难，相位多普勒粒径测速技术等高昂设备又难以投入实际应用，如何准确的获得液滴体积成为电流体喷印的最大挑战。

3、检索发现，现有技术中预测液滴体积，多靠人工观测填充像素坑铺展状态，推测已打印的液滴体积，或者采用工艺参数到液滴体积端到端的数据驱动方式，常规预测模型面对电流体复杂的工况问题，预测精度偏低，无法做到在线预测。如何兼顾在线预测的需求，又能保证较高的预测精度，成为本领域的最大挑战。

技术实现思路

1、针对现有技术的缺陷和改进需求，本发明提供了一种电流体喷印液滴体积预测模型的构建方法及液滴体积预测方法，其目的在于提出一种兼顾高精度和实时性的电流体喷印液滴体积预测方法。

2、为实现上述目的，按照本发明的一个方面，提供了一种电流体喷印液滴体积预测模型的构建方法，包括：

3、构建训练样本集，其中，每个训练样本包括：工艺参数特征及其对应的图像特征和液滴体积，工艺参数特征和图像特征的维度相同；

4、采用所述训练样本集，迭代训练神经网络，得到电流体喷印液滴体积预测模型；其中，所述神经网络的输入为多源特征、输出为液滴体积；在每次迭代训练时，首先根据经训练优化所得的当前的工艺参数特征及其对应的图像特征之间的特征数量比，对每个训练样本中的工艺参数特征及其对应的图像特征分别在保持维度不变的条件下进行特征数量的压缩或扩充，将压缩或扩充后的两种特征进行拼接融合，将所述拼接融合后所得到的特征作为所述多源特征，所述特征数量比在每次迭代训练后优化更新。

5、进一步，所述工艺参数特征的构建方式为：对由各种喷印工艺参数取值所构成的工艺参数数据集进行归一化、标准化处理，得到一维数据向量，作为所述工艺参数特征；

6、归一化处理：

7、

8、式中，x为原始数据，xmin为工艺参数数据集中的样本数据最小值，xmax为工艺参数数据集中的样本数据最大值；

9、标准化处理：

10、

11、式中，xnor为归一化处理数据，μ为数据的均值，σ为数据的标准差。

12、所述图像特征的构建方式为：采集泰勒锥图像，对所述泰勒锥图像进行特征提取，得到泰勒锥图像特征，将该泰勒锥图像特征转化为一个一维向量，作为所述图像特征。

13、进一步，所述各种喷印工艺参数包括：供液压力，供电波形，以及运动参数，分别采用以下方法获得：

14、(a)采用高精密气压泵系统，实时记录打印过程中针尖末端供液压力，从中获得喷射瞬间的供液压力值p；

15、(b)采用精密电压传感器系统，实时记录打印过程中针尖末端的供电波形，从中获得喷射瞬间的供电波形，其中，所述供电波形包括偏置电压vb、幅值电压va、频率vf和占空比vd；

16、(c)采用激光干涉仪系统，实时记录打印过程中针尖末端的运动参数，从中获得喷射瞬间的运动参数，其中，所述运动参数包括针尖高度h和运动速度v。

17、进一步，所述泰勒锥图像为所捕捉的液滴滴落之前的最后一帧泰勒锥图像，其通过以下方式获取得到：

18、采用高速相机模块对焦泰勒锥针尖，实时观测针尖喷射状态，在高压电源诱导电流体液滴滴落的同时进行高速相机拍摄，拍摄一组电流体液滴滴落照片，使用朴素贝叶斯图像分类算法自动挑选液滴滴落前的最后一帧泰勒锥图像。

19、进一步，采用深度学习vgg16网络对所述泰勒锥图像进行特征提取。

20、进一步，所述特征提取的实现方式为：

21、(a)对所捕捉的液滴滴落之前的最后一帧泰勒锥图像进行灰度处理；

22、(b)将灰度图像输入添加有图像注意力机制的深度学习vgg16网络中，并在最后一个池化层之后提取图像，作为所述泰勒锥图像特征，完成特征提取，其中，所述图像注意力机制使得所述深度学习vgg16网络关注泰勒锥尖端，所述深度学习vgg16网络包含13个卷积层、5个池化层和3个全连接层。

23、进一步，所述拼接融合的方式为直接拼接，其中拼接的权重是通过工艺参数特征和图像特征的扩充比重或压缩比重实现。

24、进一步，所述神经网络为多层感知机神经网络；采用主成分分析法执行所述升降维的操作；

25、

26、式中，m为待升降维的特征中的数据总量，xi为降维前的第i个数据，xapprox为映射到目标维度上的数据，t为预设的保留信息量。

27、本发明还提供一种电流体喷印液滴体积预测方法，包括：

28、根据如上所述的一种电流体喷印液滴体积预测模型的构建方法中的训练样本构建方式，获取当前喷印用的工艺参数特征及其对应的图像特征；

29、根据如上所述的一种电流体喷印液滴体积预测模型的构建方法所得到的最优的特征数量比以及电流体喷印液滴体积预测模型，对所获得的工艺参数特征及其对应的图像特征分别在保持维度不变的条件下进行特征数量的压缩或扩充，将压缩或扩充后的两种特征进行拼接融合；将拼接融合后的多源特征输入所述电流体喷印液滴体积预测模型，预测得到电流体喷印液滴体积。

30、本发明还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序被处理器运行时控制所述存储介质所在设备执行如上所述的一种电流体喷印液滴体积预测模型的构建方法和/或如上所述的一种电流体喷印液滴体积预测方法。

31、总体而言，通过本发明所构思的以上技术方案，能够取得以下有益效果：

32、(1)本发明提出了一种新的电流体喷印液滴体积预测方法，首先构建训练样本，每个训练样本包括工艺参数特征及其对应的图像特征，工艺参数特征和图像特征的维度相同，在训练网络模型时，首先将工艺参数特征和图像特征进行拼接融合，将融合得到的多源特征作为神经网络的输入，以在预测时综合利用工艺参数和墨滴形态两个方面的信息，保证精度。进一步，本实施例将拼接融合时两个特征的特征维度(也就是特征数量比)作为优化更新的量，在迭代训练过程中与神经网络的参数一同训练优化，充分学习两种特征数据对于预测精度的贡献比重，致力于保证预测精度。另外，工艺参数可以直接调取，而图像的采集和特征提取可以做到实时在线。因此，本实施例方法，相较于传统电流体喷印液滴体积预测方法，可以有效提升预测液滴体积的效率和精度，避免人力物力的浪费，兼顾在线预测的需求，又能保证较高的预测精度。进一步需要说明的是，本发明所选特征中包括工艺参数，能在图像预测的基础上，同时保留工艺参数对液滴体积的影响，可为后续液滴体积调控提供窗口，符合实际打印需求，在电流体喷印领域具有较高的应用价值。

33、(2)本发明提出工艺参数特征的构建方式为直接对由各种喷印工艺参数取值所构成的工艺参数数据集进行归一化、标准化处理，处理得到的一维向量即可作为工艺参数特征，用于后续的训练，方便快捷，也能保证精度，同时易于后续液滴体积调控。