Детальная информация

Предметом исследования данной выпускной квалификационной магистерской работы является настройка 3D-печати с использованием нейронных сетей. Основная цель работы заключается в изучении и применении нейронных сетей для автоматической настройки печатных параметров в процессе 3D-печати. В данной работе на тему «Нейронная сеть для настройки параметров 3D-печати» изложена основная информация, помогающая осуществить автоматизированный удаленный контроль и настройку качества печати на основе использования таких технологий, как Arduino, Python, TensorFlow, OpenCV, JavaScript и API. Даны общие понятия и составляющие систем удаленного автоматизированного управления и настройки такого типа. В ходе исследования были изучены основные принципы работы нейронных сетей и их применение в задачах компьютерного зрения. Были проведены эксперименты по обучению моделей нейронных сетей на собранном наборе данных изображений печатных деталей, а также были изучены алгоритмы и методики для обнаружения и классификации дефектов на печатных изделиях с использованием обученных нейронных сетей. Практическая значимость. Полученные результаты данной выпускной квалификационной работы представляют собой ценный вклад в совершенствование и разработку более передовых систем. Выводы. Внедрение системы настройки 3D-печати с использованием нейронных сетей имеет положительное воздействие на производственный процесс. Она способствует снижению эксплуатационных затрат, улучшению производительности аддитивной установки и повышению скорости наладки процесса печати. Кроме того, она помогает сократить затраты на материалы, включая филамент, и уменьшить процент брака. Также внедрение данной системы снижает время простоя аддитивной установки в случае ее выхода из строя.

The subject of this masters thesis is the calibration of 3D-printing using neural networks. The main objective of the work is to study and apply neural networks for the automatic adjustment of printing parameters in the 3D-printing process. This thesis titled "Neural Network for 3D-Printing Parameter Calibration" presents the fundamental information that facilitates automated remote control and calibration of print quality using technologies such as Arduino, Python, TensorFlow, OpenCV, JavaScript, and APIs. General concepts and components of remote automated control and calibration systems of this type are provided. During the research, the fundamental principles of neural networks and their application in computer vision tasks were explored. Experiments were conducted to train neural network models on a collected dataset of print detail images, and algorithms and methodologies for defect detection and classification on printed objects using trained neural networks were also studied. Practical significance. The obtained results of this masters thesis represent a valuable contribution to the improvement and development of more advanced systems. Conclusions. The implementation of a 3D-printing calibration system using neural networks has a positive impact on the manufacturing process. It contributes to reducing operational costs, improving the performance of additive installations, and increasing the speed of process calibration. Additionally, it helps reduce material costs, including filament, and decrease the percentage of defects. Furthermore, the implementation of this system reduces downtime of the additive installation in case of malfunctions.