一種針對激光選區熔化成形缺陷的在線檢測與優化系統技術方案

本發明專利技術屬于增材制造技術領域，并公開了一種針對激光選區熔化成形缺陷的在線檢測與優化系統，包括激光選區熔化制造平臺、圖像采集模塊和工藝處理模塊，所述激光選區熔化制造平臺包括支撐底板、成形裝置和激光掃描裝置；所述圖像采集模塊包括三軸移動平臺和CCD相機；所述工藝處理模塊包括圖像處理模塊和工藝參數自動調整模塊，所述圖像處理模塊包括圖像預處理模塊、圖像閾值分割模塊、神經網絡識別統計模塊和工藝參數自動調整模塊。本發明專利技術通過機器視覺技術和數字圖像處理技術可以在線、快速的檢測激光選區熔化制造過程中零件每層表面缺陷情況，不受人眼檢測的限制，保證每次缺陷檢測的準確性。

An online inspection and optimization system for laser selective melting defects

The invention belongs to the technical field of increasing material manufacturing, and discloses a method for online detection and optimization system of selective laser melting forming defects, including selective laser melting manufacturing platform, image acquisition module and a processing module, the selective laser melting manufacturing platform comprises a support plate, forming device and laser scanning device of the image; the acquisition module includes three axis mobile platform and CCD camera; the processing module includes image processing module and parameter automatic adjustment module, the image processing module includes image preprocessing module, threshold image segmentation module, neural network recognition module and statistical parameters for automatic adjustment module. The invention can detect parts by selective laser melting rapid online, in the manufacturing process of surface defects of each layer by machine vision technology and digital image processing technology, the eye detection limit, to ensure the accuracy of each defect detection.

【技術實現步驟摘要】
一種針對激光選區熔化成形缺陷的在線檢測與優化系統
本專利技術屬于增材制造
，更具體地，涉及一種針對激光選區熔化成形缺陷的在線檢測與優化系統。
技術介紹
激光選區熔化技術(Selectivelasermelting,SLM)是一種新型激光快速成形制造工藝，該技術利用高能激光束熔化金屬粉末，逐層堆積，直接制造高性能復雜金屬零部件。SLM技術突破了傳統制造工藝的變形成形和去除成形的常規思路，有效解決了傳統加工工藝無法完成的加工問題，尤其適合傳統工藝如鍛造、鑄造、焊接等工藝無法制造的內部有異形復雜結構的零件制造，無需任何工裝夾具和模具，大大縮短生產周期，在航空航天、汽車、生物醫療等領域展現了良好的應用前景。在SLM過程中，由于SLM成形工藝參數(如激光功率密度、掃描速度、掃描間距等)的影響，會導致零部件在成形過程出現許多缺陷(如裂紋、孔洞及球化等)。例如激光功率密度過高，使得溫度梯度太大，導致SLM成形件裂紋的產生，掃描速度太快時，許多粉末來不及熔化，最終得到的SLM成形件會有許多孔洞。正是由于這些缺陷的存在，使得SLM制造的復雜零部件的質量往往不滿足實際使用要求，然而通過在SLM成形過程中對成形缺陷進行在線檢測，并及時優化工藝參數，可以減少甚至消除缺陷，達到提高零件質量和性能的目的。因此，如何在線檢測SLM成形缺陷，在成形過程中提高零件的質量是增材制造技術面臨的重大問題。現有的零件缺陷無損檢測技術主要包括：射線檢測、渦流檢測、磁粉檢測。目前，已有人員將渦流檢測應用到SLM零件缺陷檢測。上述三種檢測方法存在的缺點是通過人眼識別零件缺陷，辨別誤差太大，而且無法滿足工業上在線檢測要求。
技術實現思路
針對現有技術的以上缺陷或改進需求，本專利技術提供了一種針對激光選區熔化成形缺陷的在線檢測與優化方法，該方法能在線檢測SLM成形過程零件每層表面的缺陷，并判斷識別缺陷類型，獲得缺陷檢測信息，并將缺陷檢測信息與實驗要求的缺陷檢測信息進行比較，進而通過軟件自動調整、優化SLM工藝參數，減少零件缺陷，提高零件質量。為實現上述目的，按照本專利技術，提供了一種針對激光選區熔化成形缺陷的在線檢測與優化系統，其特征在于，包括激光選區熔化制造平臺、圖像采集模塊和工藝處理模塊，其中，所述激光選區熔化制造平臺包括支撐底板、成形裝置和激光掃描裝置，所述成形裝置安裝在所述支撐底板上，以用于成形零件，所述成形裝置上每鋪一層金屬粉末，激光掃描裝置根據零件的截面形狀對該層掃描一次；所述圖像采集模塊包括三軸移動平臺和CCD相機，所述三軸移動平臺安裝在所述支撐底板的頂端，所述CCD相機安裝在所述三軸移動平臺上，以用于在線采集激光選區熔化制造過程零件每層的表面圖像；所述工藝處理模塊包括圖像處理模塊和工藝參數自動調整模塊，所述圖像處理模塊包括圖像預處理模塊、圖像閾值分割模塊、神經網絡識別統計模塊和工藝參數自動調整模塊，所述圖像預處理模塊用于對CCD相機采集到的圖像進行去噪和邊緣強化處理，所述圖像閾值分割模塊用于對圖像進行閾值分割，以獲取不同閾值對應區域的缺陷特征，所述神經網絡識別統計模塊通過神經網絡識別算法對閾值分割后的缺陷特征進行識別，判斷缺陷特征屬于何種類型缺陷，并統計分析得到缺陷檢測信息；所述工藝參數自動調整模塊用于判斷統計分析得到的缺陷檢測信息相對于實際要求的缺陷檢測信息是否符合要求，若符合，就不調整SLM工藝參數，若不符合，工藝參數自動調整模塊就自動調整SLM工藝參數。優選地，所述CCD相機的曝光時間和采集時間由上位機控制。總體而言，通過本專利技術所構思的以上技術方案與現有技術相比，能夠取得下列有益效果：1、通過機器視覺技術和數字圖像處理技術可以在線、快速的檢測激光選區熔化制造過程中零件每層表面缺陷情況，不受人眼檢測的限制，保證每次缺陷檢測的準確性；2、當獲取的缺陷檢測信息不符合要求時，自動調整、優化SLM工藝參數，保證形成高表面質量和高力學性能的零件。附圖說明圖1是本專利技術的結構示意圖。圖2是本專利技術的工作流程圖。具體實施方式為了使本專利技術的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本專利技術進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本專利技術，并不用于限定本專利技術。此外，下面所描述的本專利技術各個實施方式中所涉及到的技術特征只要彼此之間未構成沖突就可以相互組合。參照圖1、圖2，一種針對激光選區熔化成形缺陷的在線檢測與優化系統，其特征在于，包括激光選區熔化制造平臺、圖像采集模塊和工藝處理模塊，其中，所述激光選區熔化制造平臺包括支撐底板、成形裝置和激光掃描裝置14，所述成形裝置安裝在所述支撐底板上，以用于成形零件，所述成形裝置上每鋪一層金屬粉末，激光掃描裝置14根據零件的截面形狀對該層掃描一次；所述圖像采集模塊包括三軸移動平臺和CCD相機12所述三軸移動平臺安裝在所述支撐底板的頂端，所述CCD相機12安裝在所述三軸移動平臺上，以用于在線采集激光選區熔化制造過程零件每層的表面圖像；優選地，所述CCD相機12的曝光時間和采集時間由上位機控制；所述工藝處理模塊包括圖像處理模塊1和工藝參數自動調整模塊，所述圖像處理模塊1包括圖像預處理模塊、圖像閾值分割模塊、神經網絡識別統計模塊和工藝參數自動調整模塊，所述圖像預處理模塊用于對CCD相機12采集到的圖像進行去噪和邊緣強化處理，所述圖像閾值分割模塊用于對圖像進行閾值分割，以獲取不同閾值對應區域的缺陷特征，所述神經網絡識別統計模塊通過神經網絡識別算法對閾值分割后的缺陷特征進行識別，判斷缺陷特征屬于何種類型缺陷，并統計分析得到缺陷檢測信息；所述工藝參數自動調整模塊用于判斷統計分析得到的缺陷檢測信息相對于實際要求的缺陷檢測信息是否符合要求，若符合，就不調整SLM工藝參數，若不符合，工藝參數自動調整模塊就自動調整SLM工藝參數。激光選區熔化制造平臺的成形裝置包括鋪粉裝置6、送粉缸5、成形缸9和升降裝置，激光掃描裝置9由第一數控裝置2控制，鋪粉裝置6也由第一數控裝置2控制，送粉缸5和成形缸9能夠完成升降直線運動，升降裝置包括第一升降機構4和第二升降機構3，第一升降機構4和第二升降機構3也由第二數據裝置2控制，第一升降機構4控制送粉缸5的升降，第二升降機構3控制成形缸9的升降。圖像采集模塊的三軸移動平臺包括升降支架8和XY軸移動平臺，XY軸移動平臺包括第一直線運動機構10和第二直線運動機構11，升降支架8可完成升降直線運動。升降支架8、第一直線運動機構10和第二直線運動機構11均由第二數控裝置13控制。本系統的工作過程如下：①、將圖像采集模塊的升降支架8安裝在激光選區熔化制造平臺上，接著再將CCD相機12固定在第一直線運動機構11上，然后將第一直線運動機構11和第二直線運動機構10安裝在升降支架8上。第二數控裝置13控制第一直線運動機構10和第二直線運動機構11水平直線運動，使得CCD相機12處于最佳的拍攝位置，進而保證采集到高質量的圖像。②、第一數控裝置2通過控制鋪粉裝置6和激光掃描裝置14，使送粉缸5中的金屬粉末平鋪到成形缸9的基板上，并對金屬粉末進行激光選區熔化制造。③、當激光選區熔化完一層金屬粉末后，CCD相機開始對該層表面進行拍攝，然后將拍攝的圖像傳輸給圖像處理模塊1，圖像處理模塊1中的圖像預本文檔來自技高網...

【技術保護點】
一種針對激光選區熔化成形缺陷的在線檢測與優化系統，其特征在于，包括激光選區熔化制造平臺、圖像采集模塊和工藝處理模塊，其中，所述激光選區熔化制造平臺包括支撐底板、成形裝置和激光掃描裝置，所述成形裝置安裝在所述支撐底板上，以用于成形零件，所述成形裝置上每鋪一層金屬粉末，激光掃描裝置根據零件的截面形狀對該層掃描一次；所述圖像采集模塊包括三軸移動平臺和CCD相機，所述三軸移動平臺安裝在所述支撐底板的頂端，所述CCD相機安裝在所述三軸移動平臺上，以用于在線采集激光選區熔化制造過程零件每層的表面圖像；所述工藝處理模塊包括圖像處理模塊和工藝參數自動調整模塊，所述圖像處理模塊包括圖像預處理模塊、圖像閾值分割模塊、神經網絡識別統計模塊和工藝參數自動調整模塊，所述圖像預處理模塊用于對CCD相機采集到的圖像進行去噪和邊緣強化處理，所述圖像閾值分割模塊用于對圖像進行閾值分割，以獲取不同閾值對應區域的缺陷特征，所述神經網絡識別統計模塊通過神經網絡識別算法對閾值分割后的缺陷特征進行識別，判斷缺陷特征屬于何種類型缺陷，并統計分析得到缺陷檢測信息；所述工藝參數自動調整模塊用于判斷統計分析得到的缺陷檢測信息相對于實際要求的缺陷檢測信息是否符合要求，若符合，就不調整SLM工藝參數，若不符合，工藝參數自動調整模塊就自動調整SLM工藝參數。...

【技術特征摘要】
1.一種針對激光選區熔化成形缺陷的在線檢測與優化系統，其特征在于，包括激光選區熔化制造平臺、圖像采集模塊和工藝處理模塊，其中，所述激光選區熔化制造平臺包括支撐底板、成形裝置和激光掃描裝置，所述成形裝置安裝在所述支撐底板上，以用于成形零件，所述成形裝置上每鋪一層金屬粉末，激光掃描裝置根據零件的截面形狀對該層掃描一次；所述圖像采集模塊包括三軸移動平臺和CCD相機，所述三軸移動平臺安裝在所述支撐底板的頂端，所述CCD相機安裝在所述三軸移動平臺上，以用于在線采集激光選區熔化制造過程零件每層的表面圖像；所述工藝處理模塊包括圖像處理模塊和工藝參數自動調整模塊，所述圖像處理模塊包括圖像預處理模塊、圖像閾值分割模塊、神經網絡識別統計模塊...

【專利技術屬性】
技術研發人員：文世峰，胡輝，魏青松，季憲泰，周燕，吳雪良，王倩，史玉升，
申請(專利權)人：華中科技大學，
類型：發明
國別省市：湖北,42