这个问题陈述是这个问题的延伸问:Detecting the presence of a black areas in a grayscale image
我提供了手头的整个问题,因此考虑将其包含在一个单独的帖子中。
机器现在能够3D打印金属部件。它们分层执行 - 在添加每个图层后,以灰度进行扫描。以下图像分别在第2层和第75层拍摄。这些图像正是他们应该看的样子。
但是,如果让我们说第75层的扫描中有裂缝,则扫描显示为暗线/曲线(不是黑色,但绝对比周围的灰色区域暗)
目标是在每一层检测这种裂缝,以便可以立即停止进一步的印刷。
可以使用神经网络完成吗?由于开发通用代码更为可取 - 相同的代码可用于扫描其他部分。
我并不是真的要求整个代码,只是解决方案的最佳方法。
是的,神经网络是三维打印部件裂纹检测的可能解决方案。在打印每一层之后,将部分打印的部分的图像传递到神经网络。神经网络将图像分类为“无裂缝”或“裂缝存在”。
训练神经网络需要样本数据。你有任何带有裂缝的3D打印部件的图像吗?希望不是!如果您知道裂缝通常是什么样的,您可以创建合成数据的数据集并使用它来训练神经网络。下面是我使用Python / OpenCV生成的一个破解示例:这是我用来生成破解的代码:
import cv2, numpy as np, random
# Read source image
img = cv2.imread('/home/stephen/Desktop/lco7q.jpg')
# Create dx and dy arrays (this defines the crack
crack_length = 41
dy = np.random.normal(0,1,crack_length)+1
dx = np.random.normal(0,1,crack_length)+1
# Start the crack at 'a'
a = 0,123
# Iterate through each point in the crack
for i in range(crack_length-1):
# Calculate which way the crack is going
b = a[0] + dx[i] *i, a[1] + dy[i] *i
# Draw a line
cv2.line(img, tuple(np.array(a, int)), tuple(np.array(b, int)), 0, 4)
# Go onto the next point
a = b
# Show the image
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()