基于FCN-8s与自适应CRF算法的金属3D打印熔池在线监测方法OA

针对金属3D打印过程中熔池形貌监测精度低、抗干扰能力弱及边界识别模糊等问题,本研究提出一种耦合全卷积神经网络(FCN-8s)与自适应条件随机场(CRF)的在线监测方法,其通过构建基于自适应二元势函数的CRF改进模型,动态匹配空间与颜色特征,消除形貌分割中的伪边缘现象。验证结果表明:该方法在OpenPrinting数据集上的识别准确率为99.23%,轮廓误差仅为0.056%,且推理速度达42帧/s。该方案在保证高精度的同时满足了工业级实时性要求,为实现金属3D打印过程质量的调控提供了可靠的技术手段。