连续纤维增强复合材料3D打印中的实时原位缺陷检测

摘要整理

随着连续纤维增强复合材料（CFRCs）3D打印技术的发展，及时、高效、准确地检测纤维路径缺陷对确保产品质量和性能至关重要。然而，该领域仍存在挑战，包括训练数据覆盖不足和纤维路径结构的复杂性，这些因素阻碍了传统方法准确评估打印产品状态的能力。因此，开发准确且鲁棒的纤维路径缺陷检测技术对CFRCs 3D打印技术的发展至关重要。本文提出了一种基于YOLOv7目标检测模型结合Squeeze-and-Excitation（SE）注意力机制的连续纤维增强复合材料3D打印纤维路径缺陷精准检测方法。通过引入SE注意力机制，增强了YOLOv7模型对关键特征的感知能力，从而提高了纤维路径缺陷检测的准确性。实验结果表明，增强注意力机制的YOLOv7模型在打印过程中识别纤维路径缺陷的平均准确率达到93.9%，相比未采用注意力机制的模型提高了10.7%，且在训练阶段表现出显著增强的学习能力，验证了所提方法的有效性和实用性。

相关论文