Методи та засоби адаптивного керування параметрами 3D принтера на основі аналізу процесу друку.

Abstract

Кваліфікаційна робота магістра присвячена дослідженню методів і засобів адаптивного керування параметрами 3D-принтера на основі аналізу процесу друку за даними комп'ютерного зору. Актуальність теми зумовлена потребою підвищення стабільності FDM-друку та зменшення частки браку шляхом оперативного виявлення візуальних відхилень без втручання у конструкцію принтера. У роботі виконано огляд підходів до контролю якості 3D-друку та обґрунтовано доцільність використання нейромережевої детекції для автоматизованого аналізу кадрів з камери. Для реалізації підходу підготовлено набір розмічених зображень, зібраний з відкритих джерел та приведений до узгоджених умов зйомки (ракурс, відстань, освітлення). Налаштовано процес навчання моделі детекції та проведено експериментальну оцінку якості за показниками precision, recall та mAP. Отримані результати підтверджують можливість виявлення візуальних відхилень у процесі FDM-друку та придатність запропонованого підходу для практичного застосування у вигляді програмного модуля моніторингу, що може працювати з потоковим відео або послідовністю кадрів і формувати обґрунтовані рекомендації щодо налаштувань, які впливають на якість виробу.

The master’s comprehensive thesis is devoted to the study of methods and tools for adaptive control of 3D printer parameters based on computer-vision analysis of the printing process. The relevance of the topic is determined by the need to improve FDM printing stability and reduce the reject rate through timely detection of visual deviations without interfering with the printer design. The thesis reviews approaches to 3D printing quality control and substantiates the feasibility of using neural-network-based object detection for automated analysis of camera frames. To implement the proposed approach, a labeled image dataset was prepared from open sources and brought to consistent acquisition conditions (camera angle, distance, and lighting). The training process for the detection model was configured, and an experimental evaluation was carried out using precision, recall, and mAP metrics. The obtained results confirm the feasibility of detecting visual deviations in the FDM printing process and the suitability of the proposed approach for practical application as a software monitoring module that can operate on a video stream or a sequence of frames and provide substantiated recommendations regarding settings that affect the final print quality.