选区激光熔化技术是一种极具发展前景的增材制造技术,具有成形速度快、周期短,能够制造复杂零件的特点。该技术的成形过程受加工材料和加工环境的影响成形质量较难控制,加工过程中出现的各种缺陷已经成为限制选区激光熔化技术发展的最大瓶颈之一,其中铺粉缺陷对成形质量的影响至关重要。在铺粉过程中还存在人为手动设置铺粉系数,导致对于不同的加工零件存在供粉不足、供粉过量、溢粉等问题,造成不必要的粉末污染,提高了加工成本。为了解决这些问题,将机器视觉技术、图像处理技术、深度学习技术引入选区激光熔化技术当中,开展选区激光熔化设备智能铺粉技术研究,建立一套智能铺粉监控系统。主要研究内容如下:（1）搭建铺粉缺陷图像采集硬件系统。为了避免加工仓体温度对工业相机采集图像的影响,需要将工业相机隔离在加工仓体之外,故需建立一套工业相机采集图像的硬件系统,完成相机标定和图像透视变换矫正,以保障在加工过程中连续不断地采集铺粉图像。（2）基于零件加工截面特征的铺粉系统智能控制技术。开展基于典型样件不同尺寸截面特征加工时供粉量实验研究,建立零件不同加工截面特征与供粉量的映射关系模型;根据映射关系模型及零件模型截面特征智能规划该批次零件整个加工过程每层需粉量以及总的供粉量,在满足零件加工需求的情况下使供粉量最少,从而实现溢粉量最少,达到节约粉量的目的。（3）基于深度学习的铺粉质量监控技术。针对图像采集系统倾斜安装造成的图像失真问题,研究基于特征的图像校准技术。针对铺粉过程存在常见的凹形直线型缺陷、凸形直线型缺陷、供粉不足、杂质、翘曲等问题,通过图像采集系统采集每次铺粉图像,基于深度学习技术判断铺粉缺陷的类型、位置和大小,并将判断结果反馈给上位机,使其做出相应的智能控制,如重复铺粉、重复烧结、停机等。经过实验得出该深度学习算法检测一张缺陷图像的平均时间为0.24 s,检测的准确率为97.5%。（4）建立一套良好的人机交互的软件系统。该软件主要采用My Sql数据库对其数据进行存储和检索。构建在线和离线两种模式,在线模式是指在加工过程中能够实时监测,以图表的形式实时显示加工数据;离线模式是指通过数据库存储以前的加工数据,并且按照加工项目的名称能够快速方便的检索到以前的加工数据。