Počítačové vidění pro sledování 3D tisku

Abstract

Tato práce se zabývá detekcí chyb při 3D tisku pomocí počítačového vidění. Cílem je vytvořit systém schopný v reálném čase rozpoznat chyby, jako je stringování nebo tvorba „špaget“, a upozornit na ně uživatele. Řešení využívá předtrénovaný model YOLOv11s spuštěný na Raspberry Pi 5 pomocí frameworku MNN a je integrováno do OctoPrintu jako zásuvný modul. Testování potvrdilo schopnost detekce na úrovni srovnatelné s existujícími systémy, a to i přes mírně vyšší počet falešných detekcí. Výsledky ukazují, že i s omezeným hardwarem lze efektivně detekovat chyby tisku v reálném čase.

This thesis focuses on error detection in 3D printing using computer vision. The goal is to develop a system capable of recognizing errors such as stringing or spaghetti formation in real time and notifying the user. The solution uses a pre-trained YOLOv11s model running on a Raspberry Pi 5 via the MNN framework, integrated as a plugin in OctoPrint. Testing confirmed detection performance comparable to existing systems, despite a slightly higher number of false positives. Results show that reliable real-time error detection is achievable even with limited computational resources.