基于视觉大模型的激光粉末床熔融铺粉缺陷检测
摘要
激光粉末床熔融增材制造面临质量稳定一致性的挑战，铺粉质量是影响成形件质量的重要因素。近年来，计算机视觉在铺粉缺陷监测中的应用表现突出，但其性能却受到标注数据数量不足的限制。针对这一问题，笔者设计了基于视觉大模型分割一切模型（SAM）的铺粉缺陷分割模型（PSAM）。针对SAM预训练参数的知识迁移问题，引入Adapter模块实现参数微调；针对铺粉分割任务中类别信息的需求，改进了SAM中的掩码解码器；针对工业场景中人工提示难的问题，提出了自动提示生成器，实现了视觉提示的自动生成。在训练样本数量仅为50的情况下，PSAM表现出了良好的分割性能，平均交并比（mIoU）可达到65.02%，相较于Deeplab v3和U-Net分别提升了8.52个百分点和5.31个百分点。本研究展示了视觉大模型在增材过程监控中的应用价值和应用潜力。
引用本文（GB/T 7714）
谭鲲鹏 Tan Kunpeng, 唐甲锋 Tang Jiafeng, 赵志斌 Zhao Zhibin, 等. 基于视觉大模型的激光粉末床熔融铺粉缺陷检测[J]. Chinese Journal of Lasers, 2024.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。