随着3D打印技术风靡全球,一些国家结合互联网大潮,甚至推出了 App定制类珠宝、工艺品的3D打印服务。3D打印产品的生产速率正在变得越来越快,越来越多的人也有意愿在重要的节日为自己家人朋友送上自己设计的3D打印礼品。3D打印技术使用最多和最广泛的当属光固化技术(SLA),其材料一般为光敏树脂。针对目前人工识别率差、稳定性差、精确度差等缺点,和国内外没有3D打印技术工艺品表面的质量标准问题,本课题提出了针对光敏树脂工艺品的表面质量检测。本文旨在针对SLA技术所生产的工艺品进行质量检测研究,从生产工艺的角度总结出缺陷产生的原因,在没有国家和国际标准的情况下,对工艺品表面情况作了合理假设。以Omron 一体化照相机为图像提取设备,对图像进行了去噪、增强、感兴趣区域提取等预处理过程。以局部二值模式方差表示为基础,改进了三种基于LBPV的算法,分别为:“LBPV+”算法”、“融合Hue的LBPV算法”以及“融合Hue的LBPV+算法”。“LBPV+”算法”主要采用了去中心像素的LBP编码方式;“融合Hue的LBPV算法”主要在LBPV的基础上融合了量化的色调(Hue)特征;“融合Hue的LBPV+算法”综合了前两者的优势。本文运用三种改进算法分别提取表面缺陷特征,形成特征向量,并进行了保存。采用BP神经网络对样本库进行训练、预测,建立了工艺品缺陷分类模型,在matlab上实现了工艺品表面的缺陷分类。针对工艺品表面质量无国内外标准的问题,采用问卷调查法进行调研,得出了缺陷面积和圆形轮廓因子的最大容忍值,制定了质量检测标准,使用Matlab进行实验仿真,最终实现了向外输出缺陷类型、缺陷面积、缺陷面积占比、圆形轮廓因子值以及质量是否合格的结论。实验结果表明,“融合Hue的LBPV+”算法在样本特征数据的相关度、缺识别的精准度上均最优。本文制定的质量检测标准有效,最后,在文末提出了光敏树脂工艺品表面质量检测模型,为无质量标准的工艺品提供了参考。