Обнаружение дефектов и замкнутая обратная связь с использованием машинного обучения для Fused Filament Fabrication

Целью данного исследования было разработать замкнутую систему для коммерческого принтера Fused Filament Fabrication на основе визуальной инспекции распространённых дефектов с помощью машинного обучения. Для определения уровней распространённых дефектов — стрингинга, переэкструзии и недоэкструзии, а также слабого заполнения — была использована сверточная нейронная сеть. Для адаптации предобученной модели к данной задаче применяли перенос обучения (transfer learning), последовательно донастраивая параметры модели на новых данных. Наблюдательная модель продемонстрировала точность 92.86% на валидационном наборе данных и 90.0% на тестовом наборе. Путём изменения входного G-кода пользовательская программа могла регулировать скорость подачи, температуру сопла, объём экструзии материала и скорость вентилятора для коррекции выявленных дефектов экструзии.