本申请涉及三维打印机，特别是涉及一种生物三维打印机针尖校准方法、系统及介质
背景技术：
1、在生物三维打印和点样设备中，针尖的精准校正是确保打印质量的关键环节。传统方法通常依赖人工校准或基于图像处理的自动校准技术，例如通过拍照后手动调整或使用预设模板匹配针尖位置。然而，通过针尖手动校准或频繁校准，会严重影响生物三维打印机针尖校准的运行效率。
2、因此，亟需提供一种高效的生物三维打印机针尖校准方法，以解决上述问题。
技术实现思路
1、本申请实施例提供了一种生物三维打印机针尖校准方法、系统及介质，以至少解决相关技术中传统生物三维打印机针尖校准精效率低的问题。
2、第一方面，本申请实施例提供了一种生物三维打印机针尖校准方法，应用于生物三维打印机，所述方法包括：
3、获取标注有针尖位置的图像数据集；
4、通过预处理后的所述图像数据集训练检测模型，对训练后的所述检测模型进行量化处理和优化处理，获取目标检测模型，其中，所述量化处理包括浮点数模型转换处理，所述优化处理包括替换激活函数；
5、基于所述目标检测模型输出的针尖像素坐标，通过物理坐标系与像素坐标系的映射关系，获取针尖偏移量，基于所述针尖偏移量，校准生物三维打印机针尖。
6、在一实施例中，获取标注有针尖位置的图像数据集，包括；
7、根据所述生物三维打印机中的图像采集模块，获取包括多尺度、多场景的针尖图像数据；
8、通过预先设定的标注工具，在所述针尖图像中标注出针尖位置，并生成二值化标签数据，其中，在所述针尖图像中，针尖中心点标记为前景值，除所述针尖中心点的其他区域标记为背景值；
9、将所述二值化标签数据转换为目标检测模型的标签格式，获取标注有针尖位置的图像数据集。
10、在一实施例中，在获取标注有针尖位置的图像数据集之后，所述方法包括：
11、通过多次随机打乱所述图像数据集生成多组顺序不同的数据集，将所述数据集根据预设比例划分为验证集和训练集；
12、对所述验证集和所述训练集进行预设角度范围旋转，对所述验证集和所述训练集进行预设角度范围剪切；
13、根据预设概率对所述验证集和所述训练集进行翻转处理；
14、将旋转、剪切和翻转处理后的所述验证集和所述训练集，作为预处理后的图像数据集。
15、在一实施例中，在通过预处理后的所述图像数据集训练检测模型之前，所述还方法包括：
16、根据所述生物三维打印机的算力限制，通过对比初始检测模型与实例分割模型的推理速度，选择初始检测模型作为基础架构；
17、根据所述初始检测模型的类别和不同尺寸，对所述初始检测模型进行验证测试，将符合预设标准的初始检测模型作为检测模型。
18、在一实施例中，所述通过预处理后的所述图像数据集训练检测模型，包括：
19、将所述图像数据集中的训练集数据调整为检测模型的标准尺寸，并设定正则化参数；
20、将调整尺寸后的训练集通过预设固定批次进行多线程同步训练；
21、当所述检测模型收敛或达到预设迭代次数时停止检测模型的训练。
22、在一实施例中，所述对训练后的所述检测模型进行量化处理和优化处理，获取目标检测模型，包括：
23、通过模型量化算法将所述检测模型中的浮点数模型转换为整数模型，获取量化处理后的检测模型；
24、将所述检测模型中的非线性激活算子替换为局部线性算子，并采用多线程及线程池机制替代多进程架构，获取优化处理后的检测模型；
25、基于所述量化处理后的检测模型和优化处理后的检测模型，得到目标检测模型。
26、在一实施例中，根据输入浮点数，所述输入浮点数与输出整数的缩放因子和输出整数的零点值，确定所述模型量化算法。
27、在一实施例中，所述基于所述目标检测模型输出的针尖像素坐标，通过物理坐标系与像素坐标系的映射关系，获取针尖偏移量，包括：
28、根据多组针尖的物理坐标与所述目标检测模型输出的针尖像素坐标，通过最小二乘法拟合，获取物理坐标系与像素坐标系的转换矩阵；
29、根据若干组不共线的针尖物理坐标，以及与所述针尖物理坐标对应的所述针尖像素坐标，基于所述转换矩阵，获取标准拟合矩阵；
30、通过所述目标检测模型获取当前针尖像素坐标，基于所述标准拟合矩阵转换为针尖物理坐标，
31、比较所述针尖物理坐标与校准点物理坐标的距离，获取针尖偏移量。
32、第二方面，本申请实施例提供了一种生物三维打印机针尖校准系统，所述系统包括获取图像数据集模块、目标检测模型模块和校准模块；其中：
33、所述获取图像数据集模块，用于获取标注有针尖位置的图像数据集；
34、所述目标检测模型模块，用于通过预处理后的所述图像数据集训练检测模型，对训练后的所述检测模型进行量化处理和优化处理，获取目标检测模型，其中，所述量化处理包括浮点数模型转换处理，所述优化处理包括替换激活函数；
35、所述校准模块，基于所述目标检测模型获取的针尖像素坐标，通过物理坐标系与像素坐标系的映射关系，获取针尖偏移量，基于所述针尖偏移量，校准生物三维打印机针尖。
36、第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的一种生物三维打印机针尖校准方法。
37、第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的一种生物三维打印机针尖校准方法。
38、本申请实施例提供的一种生物三维打印机针尖校准方法、系统及介质至少具有以下技术效果。
39、首先，获取标注有针尖位置的图像数据集。为检测模型训练提供高质量数据基础，显著提升模型对针尖特征的识别准确率。其次，通过预处理后的图像数据集训练检测模型，对训练后的检测模型进行量化处理和优化处理，获取目标检测模型，其中，量化处理包括浮点数模型转换处理，优化处理包括替换激活函数。有效减小模型体积，并且提升推理速度，适配低算力需求的嵌入式设备。最后，基于目标检测模型输出的针尖像素坐标，通过物理坐标系与像素坐标系的映射关系，获取针尖偏移量，基于针尖偏移量，校准生物三维打印机针尖。实现了生物三维打印机针尖的高效校准，解决相关技术中传统生物三维打印机针尖校准精效率低的问题。
40、本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
1.一种生物三维打印机针尖校准方法，其特征在于，应用于生物三维打印机，所述方法包括：
2.根据权利要求1所述的一种生物三维打印机针尖校准方法，其特征在于，所述对训练后的所述检测模型进行量化处理和优化处理，获取目标检测模型，包括：
3.根据权利要求2所述的一种生物三维打印机针尖校准方法，其特征在于，根据输入浮点数，所述输入浮点数与输出整数的缩放因子和输出整数的零点值，确定所述模型量化算法。
4.根据权利要求1所述的一种生物三维打印机针尖校准方法，其特征在于，所述基于所述目标检测模型输出的针尖像素坐标，通过物理坐标系与像素坐标系的映射关系，获取针尖偏移量，包括：
5.根据权利要求1所述的一种生物三维打印机针尖校准方法，其特征在于，获取标注有针尖位置的图像数据集，包括；
6.根据权利要求1所述的一种生物三维打印机针尖校准方法，其特征在于，在获取标注有针尖位置的图像数据集之后，所述方法还包括：
7.根据权利要求1所述的一种生物三维打印机针尖校准方法，其特征在于，在通过预处理后的所述图像数据集训练检测模型之前，所述方法还包括：
8.根据权利要求1所述的一种生物三维打印机针尖校准方法，其特征在于，所述通过预处理后的所述图像数据集训练检测模型，包括：
9.一种生物三维打印机针尖校准系统，其特征在于，所述系统包括获取图像数据集模块、目标检测模型模块和校准模块；其中：
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至8中任一项所述的一种生物三维打印机针尖校准方法。