PrintDefectMonitor：基于YOLOv10的3D打印质量监控系统

一、项目背景与研究价值

在增材制造（Additive Manufacturing，AM）领域，3D打印技术的广泛应用带来了生产效率的提升和成本的降低。然而，3D打印过程中常常会出现各种结构异常，如层移（Layer Shifting）、翘曲（Warping）、拉丝（Stringing）、裂纹（Cracking）等，这些缺陷不仅影响产品质量，还可能导致材料浪费和设备损坏。

传统的质量控制方法依赖于人工检查或后处理检测，效率低下且无法实现实时监控。随着深度学习和计算机视觉技术的发展，基于视觉的实时质量监控系统成为可能。本文将介绍如何使用YOLOv10模型结合PyQt5界面，构建一个3D打印质量监控系统，实现对打印过程中结构异常的实时检测和报警。

---

二、数据集准备

为了训练和评估3D打印质量监控模型，需要准备包含各种打印缺陷的图像数据集，并标注其位置。以下是一些公开可用的数据集：

2.1 推荐数据集来源

1）3D Printing Defect Detection Dataset - Roboflow</