[go: up one dir, main page]

CN111325835B - 牙颌模型制备系统及方法、壳状牙齿矫治器制备方法 - Google Patents

牙颌模型制备系统及方法、壳状牙齿矫治器制备方法 Download PDF

Info

Publication number
CN111325835B
CN111325835B CN202010249109.4A CN202010249109A CN111325835B CN 111325835 B CN111325835 B CN 111325835B CN 202010249109 A CN202010249109 A CN 202010249109A CN 111325835 B CN111325835 B CN 111325835B
Authority
CN
China
Prior art keywords
information
dental model
hollowed
character
identification code
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010249109.4A
Other languages
English (en)
Other versions
CN111325835A (zh
Inventor
蒲好学
赵旭
姚峻峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Zhengya Dental Co ltd
Original Assignee
Zhejiang Zhengya Dental Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang Zhengya Dental Co ltd filed Critical Zhejiang Zhengya Dental Co ltd
Priority to CN202010249109.4A priority Critical patent/CN111325835B/zh
Publication of CN111325835A publication Critical patent/CN111325835A/zh
Application granted granted Critical
Publication of CN111325835B publication Critical patent/CN111325835B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61C—DENTISTRY; APPARATUS OR METHODS FOR ORAL OR DENTAL HYGIENE
    • A61C7/00—Orthodontics, i.e. obtaining or maintaining the desired position of teeth, e.g. by straightening, evening, regulating, separating, or by correcting malocclusions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Epidemiology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Dental Tools And Instruments Or Auxiliary Dental Instruments (AREA)

Abstract

本发明提供一种牙颌模型制备系统及方法、壳状牙齿矫治器制备方法。牙颌模型制备系统包括：数据获取模块，用于获取数字化三维牙颌模型数据信息及数字化三维牙颌模型对应的镂空信息识别码的编码信息；复合模块，用于将数字化三维牙颌模型数据信息与所述镂空信息识别码的编码信息复合，生成数字化三维牙颌模型复合数据信息；制备模块，用于根据数字化三维牙颌模型复合数据信息，采用增材制造的方式制备附带有镂空信息识别码的牙颌模型。牙颌模型上镂空信息识别码的镂空设计，本质上增强识别过程中识别码与其他部位的对比度，提高识别稳定性与可靠性，降低批量识别中由于对比度小而导致的无法识别、识别错误等问题，提高了整个生产过程的良率与效率。

Description

牙颌模型制备系统及方法、壳状牙齿矫治器制备方法
技术领域
本发明属于牙齿矫治技术领域，更确切的说涉及壳状牙齿矫治器制造技术，尤其涉及一种牙颌模型的制备系统、制备方法、牙颌模型的编码信息识别方法、及壳状牙齿矫治器制备方法。
背景技术
目前，壳状牙齿矫治器一般采用热压膜成型工艺进行生产，整个生产过程包括制作牙颌模型、压膜、切割、撬模、后处理等工序。在整个生产过程中信息传递的过程一般为：首先对牙颌模型编码处理，后续读取牙颌模型上的编码，根据上述牙颌模型上的编码信息加工制作壳状牙齿矫治器。壳状牙齿矫治器的整个生产过程的信息依赖于制作牙颌模型时的输入信息。因此，牙颌模型上编码信息的准确性及识别的准确性对后续的工序具有极为重要的意义。
牙颌模型上的编码信息一般是采用3D打印，即在牙颌模型的基础面上凸起特定的编码，如二维码等，然后采用扫码器或者相机进行识别。
针对上述的牙颌模型的编码形式，目前常常存在以下问题：
由于是增材制造，凸起的图案材料和底层基础面的材料是相同的，颜色基本相同，使得后续对编码的识别困难很大，例如，需要增加背光或侧面光源，使图案和基础面产生明暗的区别以帮助识别，即使这样，识别的稳定性与可靠性也比较低，应用于批量快速识别中存在较大风险，降低了整个生产线的生产效率。直接3D打印出的牙齿模型上的信息受打印精度和材质较软的影响，易出现字符打印不清晰和不完整的情况，对于此种问题，使用传统的形态学视觉识别准确率较低。
针对牙颌模型目前编码形式所存在的问题，本发明提出相应的解决方案。
发明内容
本发明的主要目的是克服现有技术缺陷，提供“一种牙颌模型的制备系统及方法、牙颌模型的编码信息识别方法、及壳状牙齿矫治器制备方法”，解决了牙颌模型编码识别率低，批量快速识别风险大，生产效率低等问题。
本发明提供的技术方案如下：
本发明提供一种牙颌模型制备系统，包括：
数据获取模块，用于获取数字化三维牙颌模型数据信息及所述数字化三维牙颌模型对应的镂空信息识别码的编码信息；
复合模块，用于将所述数字化三维牙颌模型数据信息与所述镂空信息识别码的编码信息复合，生成数字化三维牙颌模型复合数据信息；
制备模块，用于根据所述数字化三维牙颌模型复合数据信息，采用增材制造的方式制备附带有镂空信息识别码的牙颌模型。
进一步优选地，所述附带有镂空信息识别码的牙颌模型包括牙颌模型本体、所述牙颌模型本体上设置有信息部，所述信息部上设置有所述镂空信息识别码。
进一步优选地，所述镂空信息识别码中包括若干镂空单元，其中相邻的两个镂空单元之间的距离设置为0.2mm-5mm。
进一步优选地，所述信息部包括若干非镂空单元，所述镂空单元与所述非镂空单元的高度差设置为0.2mm-5mm。
进一步优选地，所述镂空单元靠近所述信息部外边缘的边缘轮廓与所述信息部外边缘之间的距离设置为0.5mm-10mm。
进一步优选地，所述镂空单元被设置为在视觉识别图像中所述镂空单元的灰度等级在0-125范围内。
进一步优选地，所述信息部设置有用于对识别所述镂空信息识别码进行引导的识别定位部。
进一步优选地，所述识别定位部还用于对所述牙颌模型本体的正面和反面进行识别。
进一步优选地，所述镂空信息识别码的编码信息包括以下任一种或任几种组合：字母、数字、图形。
进一步优选地，还包括校验模块，所述校验模块用于对所述附带有镂空信息识别码的牙颌模型进行校验。
进一步优选地，所述校验模块包括：视觉识别单元，用于捕获所述牙颌模型上的镂空信息识别码；数据处理单元，用于处理识别所述视觉识别单元所捕获的镂空信息识别码，获得所述牙颌模型上镂空信息识别码的编码信息；校验单元，用于根据所述编码信息对所述附带有镂空信息识别码的牙颌模型进行校验。
进一步优选地，所述数据处理单元，执行具体操作包括：识别牙颌模型上的镂空信息识别码的编码信息所在区域；对所述编码信息所在区域中的各个字符进行分割，并对分割的各个字符进行提取；对提取的各个字符进行识别，获取牙颌模型上的编码信息。
进一步优选地，所述数据处理单元采用MLP神经网络对各个字符进行识别，具体包括步骤：将提取的字符的特征向量输入已训练完成的MLP神经网络；输出所述字符在一字符集中对应每一个字符的置信值，所述字符集为用于表达所述编码信息的字符的集合，所述字符在所述字符集中对应的所有字符的置信值之和为1；选取所述字符在所述字符集中置信值最大的字符值为所述字符的字符值。
进一步优选地，所述校验单元执行具体操作包括：按照预定的校验规则对所述编码信息中的字符进行重组或赋值，获取校验数据信息；采用CRC或奇偶校验对所述校验数据信息进行校验，并根据校验结果判断所述附带有镂空信息识别码的牙颌模型是否合格；或，对所述校验数据信息进行哈希运算，获得校验哈希值；获取所述数字化三维牙颌模型对应的镂空信息识别码的编码信息所对应的基准哈希值；将所述校验哈希值与基准哈希值进行比较，并根据比较结果判断所述附带有镂空信息识别码的牙颌模型是否合格。
本发明还提供一种牙颌模型制备方法，包括步骤：
获取数字化三维牙颌模型的数据信息及所述数字化三维牙颌模型对应的镂空信息识别码的编码信息；
将所述数字化三维牙颌模型的数据信息与所述镂空信息识别码的编码信息复合，并生成数字化三维牙颌模型复合数据信息；
根据所述数字化三维牙颌模型复合数据信息，采用增材制造的方式生成附带有镂空信息识别码的牙颌模型。
本发明还提供一种牙颌模型的编码信息识别方法，包括步骤：
识别牙颌模型上的镂空信息识别码的编码信息所在区域；
对所述编码信息所在区域中的各个字符进行分割，并对分割的各个字符进行提取；
对提取的各个字符进行识别，获取牙颌模型上的编码信息。
进一步优选地，所述识别牙颌模型上的镂空信息识别码的编码信息所在区域，具体包括步骤：获取牙颌模型图像；按照设定的遍历规则在所述牙颌模型图像上遍历查找所述牙颌模型上的识别定位部；获取所述识别定位部在所述牙颌模型图像中的位置信息；根据所述识别定位部与所述镂空信息识别码之间的相对位置关系，计算所述编码信息所在区域。
进一步优选地，所述对所述编码信息所在区域中的各个字符进行分割，具体包括步骤：识别一标定点，所述标定点为根据所述编码信息中各个字符的固定排序预先设置的点、且所述标定点相对各个字符分别预先设置有分割特征信息；基于字符与标定点之间的所述分割特征信息对各个字符进行分割。
进一步优选地，所述对分割的字符进行提取，具体包括步骤：对各个字符区域进行二值化处理，获取各个字符区域的二值化信息码区域；通过掩膜膨胀对所述二值化信息码区域进行修复；使用种子填充算法对修复的二值化信息码区域进行填充；对填充后的二值化信息码区域进行连通区域提取；根据连通区域的面积大小对提取的连通区域进行过滤，过滤后的连通区域为相应字符的图像特征。
进一步优选地，基于MLP神经网络对各个字符进行识别。
进一步优选地，所述MLP神经网络对各个字符进行识别，具体包括步骤：将提取的字符的特征向量输入已训练完成的MLP神经网络；输出所述字符在一字符集中对应每一个字符的置信值，所述字符集为用于表达所述编码信息的字符的集合，所述字符在所述字符集中对应的所有字符的置信值之和为1；选取所述字符在所述字符集中置信值最大的字符值为所述字符的字符值。
进一步优选地，所述已训练完成的MLP神经网络的具体训练步骤包括：设置所述MLP神经网络输入字符的特征向量、所述字符所对应的期望输出值、所述MLP神经网络的输出值与所述期望输出值之间的期望误差；将所述字符的特征向量输入所述MLP神经网络进行计算获取所述MLP神经网络的输出值；计算所述输出值与所述期望输出值之间的误差；判断所述误差是否大于所述期望误差，若是，采用反向传播算法迭代更新所述MLP神经网络中由输出层至输入层的各层神经元的参数；基于更新的MLP神经网络循环训练，直至所述误差小于所述期望误差，所述MLP神经网络训练完成。
进一步优选地，还包括对识别的所述编码信息进行校验的步骤。
进一步优选地，所述对识别的所述编码信息进行校验，具体包括步骤：按照预定的校验规则对所述编码信息中的字符进行重组或赋值，获取校验数据信息；采用CRC或奇偶校验对所述校识别结果进行校验；或，对所述校验数据信息进行哈希运算，获得校验哈希值；获取所述数字化三维牙颌模型对应的镂空信息识别码的编码信息所对应的基准哈希值；将所述校验哈希值与基准哈希值进行比较，并根据比较结果对所述校识别结果进行校验。
本发明还提供一种壳状牙齿矫治器制备方法，包括步骤：
制作牙颌模型：采用上述的牙颌模型制备系统或上述的牙颌模型制备方法制备附带有镂空信息识别码的牙颌模型；
根据所述牙颌模型制作壳状牙齿矫治器：对所述牙颌模型的镂空信息识别码进行识别，获取用于制备壳状牙齿矫治器的生产数据信息，根据所述生产数据信息制备壳状牙齿矫治器。
进一步优选地，所述基于所述生产数据信息制备壳状牙齿矫治器，具体包括：根据所述生产数据信息选取用于制备所述壳状牙齿矫治器的膜片；获取热压工艺参数信息，所述热压工艺参数信息包括温度参数和压力参数；根据所述温度参数对所述膜片进行加热，并根据所述压力参数将加热后的膜片压制于所述牙颌模型上，形成一待切割壳状牙齿矫治器；获取切割工艺参数信息，调取切割路径，依据所述切割路径对所述待切割壳状牙齿矫治器进行切割，形成壳状牙齿矫治器。
进一步优选地，还包括：根据所述生产数据信息，对所述壳状牙齿矫治器进行打标。
通过本发明提供的牙颌模型制备系统及制备方法、牙颌模型识别方法、及壳状牙齿矫治器制备方法，能够带来以下至少一种有益效果：
1、牙颌模型上镂空信息识别码的镂空设计，可以从本质上增强识别过程中识别码与其他部位的对比度，提高识别的稳定性与可靠性，降低批量识别中由于对比度差异小而导致的无法识别、识别错误等问题，从而提高了整个生产过程的良率与效率。
2、牙颌模型上镂空信息识别码的镂空设计，从本质上增强识别过程中识别码与其他部位的对比度，无需采用传统生产过程中的背景光源，节省设备的同时，节省了能源能耗。
3、牙颌模型上镂空信息识别码的镂空结构设计与识别方法的配合使用，可以通过识别反面的镜像图案，达到相同的识别目标，在物料的转移输送中不需要特定一个可识别面朝向特定的位置或特定的方向即可获取到编码信息，同时也可根据上述的图案判定物料的正、反状况，读码时无需物料的翻转工艺，也为下一工序判断了放置位置信息，很大程度上节省工位的同时，提高了整个制造流程的效率。
4、由于编码是镂空结构，镂空部分所占的比例可以较大，降低打印的粘连，提高识别的准确度的同时节省原物料的使用，降低生产成本。
5、针对附带有镂空信息识别码的牙颌模型的识别，本发明基于MLP神经网络的信息码视觉识别方法，该方法将可能出现不清晰和不完整的信息码提前在神经网络中训练，同时可对各种异常的信息码进行在线学习训练，以此来达到提高在实际生产中信息码的识别率和正确性。
附图说明
下面将以明确易懂的方式，结合附图说明优选实施方式，对上述特性、技术特征、优点及其实现方式予以进一步说明。
图1为本发明提供的牙颌模型制备系统示意图；
图2为本发明提供的另一牙颌模型制备系统示意图；
图3为本发明提供的牙颌模型制备方法流程图；
图4为本发明提供的另一牙颌模型制备方法流程图；
图5为本发明提供的牙颌模型结构示意图；
图6为本发明提供的另一牙颌模型结构示意图；
图7为本发明提供的牙颌模型编码信息识别方法流程图；
图8为本发明提供的MLP神经网络训练流程图；
图9为本发明提供的一种校验流程图；
图10为本发明提供的壳状牙齿矫治器制备方法流程图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。
本发明提供一种具有镂空信息识别码的牙颌模型，牙颌模型的编码信息采用镂空形式设计，提高牙颌模型的信息码的识别率，进而提高壳状牙齿矫治器制备的成功率。具体的技术方案如下述实施例所示。
实施例一：
本实施例提供一种牙颌模型制备系统，其示意图如图1所示，包括数据获取模块110、复合模块120和制备模块130。
数据获取模块110用于获取数字化三维牙颌模型数据信息及数字化三维牙颌模型对应的镂空信息识别码的编码信息。其中，数字化三维牙颌模型数据信息是指对原始牙颌模型经过矫治处理后获得的适用于目标矫治的三维牙颌模型数据信息，镂空信息识别码的编码信息是指对牙颌模型对应的编码信息(例如，现有采用二维码表示的编码信息)进行三维处理后的三维数据信息。
复合模块120用于将数字化三维牙颌模型数据信息与镂空信息识别码的编码信息复合，生成数字化三维牙颌模型复合数据信息。具体的，复合模块120是将数字化三维牙颌模型数据信息与三维的镂空信息识别码的编码信息复合成统一数据格式下的三维模型格式，例如，STL格式，即将数字化三维牙颌模型数据信息与三维的镂空信息识别码的编码信息合并成统一数据格式下的复合3D数据集。
制备模块130用于根据数字化三维牙颌模型复合数据信息，采用增材制造的方式制备附带有镂空信息识别码的牙颌模型。其中，增材制造(Additive Manufacturing，AM)俗称3D打印，融合了计算机辅助设计、材料加工与成型技术、以数字模型文件为基础，通过软件与数控系统将专用的金属材料、非金属材料以及医用生物材料，按照挤压、烧结、熔融、光固化、喷射等方式逐层堆积，制造出实体物品的制造技术。故本实施例中的制备模块130具体为3D打印机。
制备的附带有镂空信息识别码的牙颌模型包括牙颌模型本体、与牙颌模型本体一体成型的信息部，信息部上设置有镂空信息识别码。
优选的，镂空信息识别码包括若干镂空单元，其中，每一个镂空单元代表一个镂空信息识别码的编码信息，为了避免若干镂空单元过度密集分布，以影响编码信息的识别精度，进一步，相邻的两个镂空单元之间的距离设置为0.2mm-5mm。该距离仅是一个优选的距离，本领域技术人员通过优化图像识别的方法，进一步对该距离进行变换，例如，相比较该距离，本领域技术人员可以减小相邻的两个镂空单元之间的距离，也可以增大相邻的两个镂空单元之间的距离。
信息部除了镂空信息识别码所在区域之外的区域为非镂空区域，进一步，该非镂空区域被若干个镂空单元对应地分割成若干个非镂空单元，例如，两个镂空单元之间的区域为一个非镂空单元。为了增加镂空单元的识别度，进一步，镂空单元与非镂空单元的高度差设置为0.2mm-5mm，例如，镂空单元是镂空结构，该区域由非镂空单元围合而构成，非镂空单元的高度从其所在平面向上凸起0.2mm，或者1mm，或者2.5mm，或者5mm。其高度的设置，主要以能够形成结构稳定、与镂空单元对比清晰为目标，并且可以在此目标下，适当减小高度，以降低3D打印的成本。再例如，非镂空单元与镂空单元接触的边缘相对于非镂空单元所在的水平面凸出0.2mm或凸出1mm或凸出5mm，再例如，非镂空单元与镂空单元接触的边缘也可以相对于非镂空单元所在的水平面凹陷0.2mm，镂空单元与非镂空单元的高度差可根据实际情况具体选择。
在其他实施例中，镂空单元靠近信息部外边缘的边缘轮廓与信息部外边缘之间的距离设置为0.5mm-10mm，例如，可以是0.5mm，可以是2mm，还可以根据镂空单元的大小进行特别的调整，针对镂空单元面积较大的区域或者镂空单元结构较为精细的区域，上述距离可以设置为5mm、8mm或者10mm等。对这种设计结构，可以保证镂空信息识别码在信息部上的完整呈现，进而保证拍摄的镂空信息识别码的图像的清晰度，避免对镂空信息识别码误读或误判，提高对镂空信息识别码的编码信息的识别精度。
在图像识别中，图像的灰度等级直接影响该图像的识别准确率和识别速率，为此，在本实施例中，该镂空单元进一步被设置为在视觉识别图像中该镂空单元的灰度等级在0-125范围内，基于该灰度等级范围，能够快速准确地识别镂空信息识别码。
下面对镂空信息识别码的设计进行描述，关于附带有镂空信息识别码的牙颌模型的具体结构请详见下述实施例三的描述，本实施例不作赘述。
镂空信息识别码的编码信息包括字母、数字、图形中的任一种或任几种组合。例如，镂空信息识别码的编码信息可以是字母与数字相结合，也可以是字母大小写相结合，还可以是特定的字母、数字相结合、还可以仅是图形。
优选地，镂空信息识别码的编码信息采用大写字母、数字相结合，为了便于镂空信息识别码的识别，在本实施例中，对镂空信息识别码的编码信息的数据格式定义以下规则：
为了相对稳定读取，优选为采用8个字符表示编码信息，具体的，为了排除误读的可能性，使用7位有效位+1位校验码的形式。
进一步，为了提高相似性的数字与字母的识别率，本实施例提供以下字符集，则镂空信息识别码的编码信息的字符通过该字符集中选取。该字符集的选取规则如下，考虑到极端情况，数字和大写字母混合使用时，针对相似性的数字和字母，优先保留数字，去除字母，具体的：
通过上述选取规则，该字符集有23个字符组成，该字符集的集合包括[0，1，2，3，4，5，6，7，8，9，A，E，H，K，M，N，P，T，U，V，W，X，Y]。
关于制备的附带有镂空信息识别码的牙颌模型的具体结构会在后续实施例中详细描述，本实施例不作赘述。
制备的附带有镂空信息识别码的牙颌模型是用于制备壳状牙齿矫治器，该制备的牙颌模型的质量直接关系到制备的壳状牙齿矫治器的质量，例如，若制备的牙颌模型不合格，则根据其制备的壳状牙齿矫治器也不合格，因此，需要对制备的牙颌模型是否合格作进一步的校验，若检验到制备的牙颌模型不合格，则需要放弃已制备的牙颌模型，并重新制备牙颌模型。
具体到本实施例制备的附带有镂空信息识别码的牙颌模型，其中，该牙颌模型中的镂空信息识别码制备失败(例如，镂空信息识别码错误)，也代表该牙颌模型不合格，因此，在本实施例中，优选为对牙颌模型中的镂空信息识别码的正确性进行校验，若校验到牙颌模型中的镂空信息识别码错误，则仍需要重新制备该牙颌模型。
具体的，本实施例还包括校验模块140，校验模块140用于对附带有镂空信息识别码的牙颌模型进行校验。
如图2所示，校验模块140包括视觉识别单元141、数据处理单元142和校验单元143。
视觉识别单元141用于捕获牙颌模型上的镂空信息识别码，例如，视觉识别单元141为摄像机，通过拍摄牙颌模型图像，识别并获取牙颌模型上的镂空信息识别码。
数据处理单元142用于处理识别该镂空信息识别码，获得牙颌模型上的编码信息，具体的，数据处理单元142执行以下操作获取牙颌模型上的编码信息。
识别牙颌模型上的镂空信息识别码的编码信息所在区域；对编码信息所在区域中的各个字符进行分割，并对分割的各个字符进行提取；对提取的各个字符进行识别，获取牙颌模型上的编码信息。
优选的，数据处理单元采用MLP神经网络对各个字符进行识别，具体包括步骤：
1)将提取的字符的特征向量输入已训练完成的MLP神经网络。
MLP神经网络包括输入层、隐藏层和输出层三层结构，将分割提取后的字符连通区域每个像素的灰度值归一化后作为特征向量，将该特征向量传递至隐藏层。隐藏层通过权重和激励函数(该激励函数为双切线函数)计算出结果，并将该结果送入输出层。
2)输出字符在一字符集中对应每一个字符的置信值。
字符集为用于表达编码信息的字符的集合，字符在字符集中对应的所有字符的置信值之和为1。
输出层使用转换函数进行计算该字符在字符集中对应每一个字符的置信值，输出层最终输出该字符集在字符集中对应每一个字符的置信值，转换函数如下所示：
转换函数：
3)选取字符在字符集中置信值最大的字符值为字符的字符值。
选取字符集中最大置信值为实际所对应的字符值，用此置信值来确认输出的字符值是否可信，如果过低，则可以认为识别错误或者失败。
例如，以识别字符A为例进行说明MLP神经网络的识别过程，将字符A的连通区域中每个像素的灰度值归一化后转换成相应的特征向量，并输入MLP神经网络中，经MLP神经网络计算，输出该特征向量对应于字符集中各个字符的置信值，如下表所示：
0 1 2 3 4 5 6 7 8 9 A E H K M N P T U V W X Y
0 0 0 0 0.02 0 0 0 0 0 0.91 0.02 0.01 0 0.01 0 0.01 0 0 0.02 0 0 0
则选取最大置信值0.91所对应的字符的字符值作为识别字符的字符值，达到识别的结果。
校验单元143用于根据编码信息对附带有镂空信息识别码的牙颌模型进行校验，本实施例提供以下两种校验方式：
一种校验方式是，校验单元执行以下具体操作进行校验：按照预定的校验规则对编码信息中的字符进行重组或赋值，获取校验数据信息；采用CRC或奇偶校验对所述校验数据信息进行校验，并根据校验结果判断所述附带有镂空信息识别码的牙颌模型是否合格。
首先，对字符集中的各个字符按如下数字顺序编号：
0 1 2 3 4 5 6 7 8 9 A E H K M N P T U V W X Y
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
以编码信息为07H8ANPY为例，则该编码信息中有效数据位中各个字符所对应的数字为0，7，12，8，10，15，16，对有效数据位中各个字符对应的数字求和为68，将68除以23的余数22，余数22与校验位Y所对应的数字相等，校验成功，说明镂空信息识别码正确，进一步证明该牙颌模型合格。相反地，如果前七位相加之和除以23的余数和第八位不等说明校验失败，说明镂空信息识别码错误，进一步证明该牙颌模型不合格。
另一种校验方式是，校验单元执行以下具体操作进行校验，可参见图9：
S910：获取校验数据信息：按照预定的校验规则对编码信息中的字符进行重组或赋值，获取校验数据信息；
S920：对校验数据信息进行哈希运算，获得校验哈希值δ1；
S930：获取数字化三维牙颌模型对应的镂空信息识别码的编码信息所对应的基准哈希值δ0；
S940：将校验哈希值与基准哈希值进行比较，并根据比较结果判断附带有镂空信息识别码的牙颌模型是否合格。
S950：识别合格，进入下一流程；
S960：若校验哈希值与基准哈希值不相等，则进行报警提示，再次进入识别循环，或者人工加以干预。此时再次识别后计算其相应的校验哈希值与基准哈希值进行比对，相等则进入下一流程。若不等，则判定该牙颌模型为不合格产品。关于哈希校验的过程，此处详细可参见后续实施例的具体说明，作为一个实施方式合并进入本实施例。
本实施例提供的牙颌模型制备系统具有以下有益效果：
1、牙颌模型上镂空信息识别码的镂空设计，可以从本质上增强识别过程中识别码与其他部位的对比度，提高识别的稳定性与可靠性，降低批量识别中由于对比度差异小而导致的无法识别、识别错误等问题，从而提高了整个生产过程的良率与效率。
2、牙颌模型上镂空信息识别码的镂空设计，从本质上增强识别过程中识别码与其他部位的对比度，无需采用传统生产过程中的背景光源，节省设备的同时，节省了能源能耗。
3、牙颌模型上镂空信息识别码的镂空结构设计与识别方法的配合使用，可以通过识别反面的镜像图案，达到相同的识别目标，在物料的转移输送中不需要特定一个可识别面朝向特定的位置或特定的方向即可获取到编码信息，同时也可根据上述的图案判定物料的正、反状况，读码时无需物料的翻转工艺，也为下一工序判断了放置位置信息，很大程度上节省工位的同时，提高了整个制造流程的效率。
4、由于编码是镂空结构，镂空部分所占的比例可以较大，降低打印的粘连，提高识别的准确度的同时节省原物料的使用，降低生产成本。
5、牙颌模型制备系统制备的牙颌模型上附带有镂空信息识别码，该镂空信息识别码结构在清洗中不会被损伤、损掉。
6、对于镂空信息识别码的编码信息中字符的选取，本实施例提供的数字和大写字母组合的字符集，不仅能满足生产需求，而且去除了数字和大写字母之间相似性的极端情况，进一步提高了牙颌模型信息码的识别率。
7、本发明基于MLP神经网络的信息码视觉识别方法先对牙颌模型的镂空信息识别码进行识别，再根据识别的编码信息对牙颌模型进行校验，MLP神经网络将可能出现不清晰和不完整的信息码提前在神经网络中训练，同时可对各种异常的信息码进行在线学习训练，以此来达到提高在实际生产中信息码的识别率和正确性，进一步提高对牙颌模型校验的准确度。
实施例二：
基于实施例一，本实施例提供一种牙颌模型制备方法，其流程图如图3所示，具体包括以下步骤。
S310：获取数字化三维牙颌模型的数据信息及数字化三维牙颌模型对应的三维编码信息。
其中，数字化三维牙颌模型数据信息是指对原始牙颌模型经过矫治处理后获得的适用于目标矫治的三维牙颌模型数据信息，三维编码信息是指对牙颌模型对应的编码信息(例如，现有采用二维码表示的编码信息)进行三维处理后的三维数据信息。
S320：将数字化三维牙颌模型的数据信息与三维编码信息复合，并生成数字化三维牙颌模型复合数据信息。
具体的，是将数字化三维牙颌模型数据信息与三维编码信息复合成统一数据格式下的三维模型格式，例如，STL格式，即将数字化三维牙颌模型数据信息与三维编码信息合并成统一数据格式下的复合3D数据集。
S330：根据数字化三维牙颌模型复合数据信息，采用增材制造的方式生成附带有镂空信息识别码的牙颌模型。
增材制造(Additive Manufacturing，AM)俗称3D打印，融合了计算机辅助设计、材料加工与成型技术、以数字模型文件为基础，通过软件与数控系统将专用的金属材料、非金属材料以及医用生物材料，按照挤压、烧结、熔融、光固化、喷射等方式逐层堆积，制造出实体物品的制造技术。
具体到本实施例中，根据步骤S320提供的复合3D数据集一层层制备，最终制备成附带有镂空信息识别码的牙颌模型。
制备的附带有镂空信息识别码的牙颌模型包括牙颌模型本体、与牙颌模型本体一体成型的信息部，信息部上设置有镂空信息识别码。镂空信息识别码的编码信息包括字母、数字、图形中的任一种或任几种组合。
例如，镂空信息识别码的编码信息可以是字母与数字相结合，也可以是字母大小写相结合，还可以是特定的字母、数字相结合、还可以仅是图形。
优选地，镂空信息识别码的编码信息采用大写字母、数字相结合，为了便于镂空信息识别码的识别，在本实施例中，对镂空信息识别码的编码信息的数据格式定义以下规则：
为了相对稳定读取，优选为采用8个字符表示编码信息，具体的，为了排除误读的可能性，使用7位有效位+1位校验码的形式。
进一步，为了提高相似性的数字与字母的识别率，本实施例提供以下字符集，则镂空信息识别码的编码信息的字符通过该字符集中选取。该字符集的选取规则如下：
考虑到极端情况，数字和大写字母混合使用时，针对相似性的数字和字母，优先保留数字，去除字母，具体的：
通过上述选取规则，该字符集有23个字符组成，该字符集的集合包括[0，1，2，3，4，5，6，7，8，9，A，E，H，K，M，N，P，T，U，V，W，X，Y]。
关于制备的附带有镂空信息识别码的牙颌模型的具体结构会在后续实施例中详细描述，本实施例不作赘述。
制备的附带有镂空信息识别码的牙颌模型是用于制备壳状牙齿矫治器，该制备的牙颌模型的质量直接关系到制备的壳状牙齿矫治器的质量，例如，若制备的牙颌模型不合格，则根据其制备的壳状牙齿矫治器也不合格，因此，需要对制备的牙颌模型是否合格作进一步的校验，若检验到制备的牙颌模型不合格，则需要放弃已制备的牙颌模型，并重新制备牙颌模型。
具体到本实施例制备的附带有镂空信息识别码的牙颌模型，其中，该牙颌模型中的镂空信息识别码制备失败(例如，镂空信息识别码错误)，也代表该牙颌模型不合格，因此，在本实施例中，优选为对牙颌模型中的镂空信息识别码的正确性进行校验，若校验到牙颌模型中的镂空信息识别码错误，则仍需要重新制备该牙颌模型。
如图4所示，本实施例提供的牙颌模型制备方法，进一步还包括步骤S340。
S340：对附带有镂空信息识别码的牙颌模型进行校验。
步骤S340具体包括以下步骤：
S341：获取牙颌模型上的镂空信息识别码。
例如，通过相机拍摄牙颌模型图像，获取牙颌模型上的镂空信息识别码。
S342：处理识别镂空信息识别码，获得牙颌模型上的编码信息。
具体的，识别牙颌模型上的镂空信息识别码的编码信息所在区域；对编码信息所在区域中的各个字符进行分割，并提取分割的各个字符；对各个字符进行识别，获取编码信息。
其中，对各个字符进行识别，具体包括以下步骤：
1)将提取的字符的特征向量输入已训练完成的MLP神经网络。
MLP神经网络包括输入层、隐藏层和输出层三层结构，将分割提取后的字符连通区域每个像素的灰度值归一化后作为特征向量，将该特征向量传递至隐藏层。隐藏层通过权重和激励函数(该激励函数为双切线函数)计算出结果，并将该结果送入输出层。
2)输出字符在一字符集中对应每一个字符的置信值。
字符集为用于表达编码信息的字符的集合，字符在字符集中对应的所有字符的置信值之和为1。
输出层使用转换函数进行计算该字符在字符集中对应每一个字符的置信值，输出层最终输出该字符集在字符集中对应每一个字符的置信值，转换函数如下所示：
转换函数：
3)选取字符在字符集中置信值最大的字符值为字符的字符值。
选取字符集中最大置信值为实际所对应的字符值，用此置信值来确认输出的字符值是否可信，如果过低，则可以认为识别错误或者失败。
例如，以识别字符A为例进行说明MLP神经网络的识别过程，将字符A的连通区域中每个像素的灰度值归一化后转换成相应的特征向量，并输入MLP神经网络中，经MLP神经网络计算，输出该特征向量对应于字符集中各个字符的置信值，如下表所示：
0 1 2 3 4 5 6 7 8 9 A E H K M N P T U V W X Y
0 0 0 0 0.02 0 0 0 0 0 0.91 0.02 0.01 0 0.01 0 0.01 0 0 0.02 0 0 0
则选取最大置信值0.91所对应的字符的字符值作为识别字符的字符值，达到识别的结果。
S343：根据识别的编码信息对附带有镂空信息识别码的牙颌模型进行校验。本实施例提供以下两种校验方式：
一种校验方式是：按照预定的校验规则对编码信息中的字符进行重组或赋值，获取校验数据信息；采用CRC或奇偶校验对所述校验数据信息进行校验，并根据校验结果判断所述附带有镂空信息识别码的牙颌模型是否合格。
首先，对字符集中的各个字符按如下数字顺序编号：
0 1 2 3 4 5 6 7 8 9 A E H K H N P T U V W X Y
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
以编码信息为07H8ANPY为例，则该编码信息中有效数据位中各个字符所对应的数字为0，7，12，8，10，15，16，对有效数据位中各个字符对应的数字求和为68，将68除以23的余数22，余数22与校验位Y所对应的数字相等，校验成功，说明镂空信息识别码正确，进一步证明该牙颌模型合格。相反地，如果前七位相加之和除以23的余数和第八位不等说明校验失败，说明镂空信息识别码错误，进一步证明该牙颌模型不合格。
另一种校验方式可参见图9：按照预定的校验规则对编码信息中的字符进行重组或赋值，获取校验数据信息；对校验数据信息进行哈希运算，获得校验哈希值；获取所述数字化三维牙颌模型对应的镂空信息识别码的编码信息所对应的基准哈希值；将校验哈希值与基准哈希值进行比较，并根据比较结果判断附带有镂空信息识别码的牙颌模型是否合格。具体过程可参加上述实施例，此处不再赘述。
本实施例提供的牙颌模型制备方法其所能达到的有益效果可参考上文所提供的对应的方法中的有益效果，此处不再赘述。
实施例三：
基于实施例一和实施例二，本实施例提供一种牙颌模型，该牙颌模型可以采用实施例一提供的牙颌模型制备系统制备而成，也可以采用实施例二提供的牙颌模型制备方法制备而成，与现有的牙颌模型不同的是，本实施例提供的牙颌模型附带有镂空信息识别码。
如图5所示，本实施例的牙颌模型包括牙颌模型本体510、与牙颌模型本体510一体成型的信息部520、信息部520上设置有镂空信息识别码530。本实施例主要从结构上对附带有镂空信息识别码的牙颌模型进行描述，与实施例一相同的部分，本实施例不作赘述，具体请参考实施例一，例如，镂空信息识别码530包括若干镂空单元及信息部520被镂空单元分割的若干非镂空单元，镂空单元及非镂空单元的具体描述。
信息部520可以是凸字形结构，也可以是方形结构(例如正方形结构、长方形结构)，其中，信息部520呈凸字形结构是一种较优方案，这种凸字形结构能够节省3D打印中的摆放空间。
信息部520与牙颌模型本体510一体化结构中，可以是指信息部520与牙颌模型本体510是同一种材料或者不同材料且之间无其他间隔的一体化结构，也可以是指信息部520与牙颌模型本体510是同一种材料或者不同材料且之间需要通过其他连接部连接的一体化结构，信息部520与牙颌模型本体510之间的形成结构根据实际应用而确定，本实施例不作具体限定。
另外，信息部520即可以位于牙颌模型本体510的内部，也可以位于牙颌模型本体510的内部，信息部520在牙颌模型本体510中的位置，根据实际情况而定，本实施例不作限定。
信息部520除了用来设计镂空信息识别码530之外，还可以设计其他功能结构，例如，信息部520上设置有用于对识别镂空信息识别码530进行引导的识别定位部540，具体的，识别定位部540可以通过不规则设计，使识别定位部540不仅具有引导识别的功能，同时还具有对牙颌模型本体510的正面和反面进行识别的功能。
如图5所示，识别定位部540包括识别孔和V形开口，通过设置识别孔和V形开口的位置，例如，以正面为基准面，以V形开口的中心线为基准线，将识别孔设置于V形开口的下方且偏向V形开口中心线的左侧，通过这种设计，当牙颌模型本体510处于正面位置时，识别孔位于V形开口的下方，且位于V形开口中心线的左侧，当牙颌模型本体510上下翻转至反面时，则识别孔位于V形开口的上方，当牙颌模型本体510左右翻转至反面时，则识别孔位于V形开口的下方且位于V形开口中心线的右侧。本发明中所提及的镂空识别码可以实现正、反面识别的功能，进一步的，可以为下一工序提供物件的位姿信息，例如，基于识别孔和V形开口之间的相对位置关系可判断牙颌模型本体510是处于正面还是处于反面，当处于反面是，进一步判断是上下翻转还是左右翻转。
上述的识别定位部540的具体结构仅是一个具体的实施例，本领域技术人员可根据该构思设计其他结构的且具有相同功能的识别定位部540。
再例如，信息部520上还可以设置用于对牙颌模型本体510进行安装的安装部550，如图6所示，安装部550具体可以设计为安装孔，安装部550的形式也可以有多种结构，安装部550与牙颌模型相对应的牙颌模型承载盘的安装定位结构相匹配设置即可，实现牙颌模型在传输过程中、压膜工艺中的固位等。图6中所示即为通过两个定位孔将牙颌模型固定到牙颌模型承载盘上。
镂空信息识别码530是牙颌模型信息码的载体，镂空信息识别码的编码信息可以包括字母、数字、图形的任一种或任几种组合。例如，镂空信息识别码的编码信息可以是字母与数字相结合，也可以是字母大小写相结合，还可以是特定的字母、数字相结合、还可以仅是图形。对镂空信息识别码的编码信息的数据格式定义规则及后续的编码校验方法可参考上文所提供的对应的系统及方法各实施例中的相应部分，此处不再赘述。
镂空信息识别码530所采用的字符通过上述的字符集进行选取获得，所选取的字符在信息部520上可以横向排布、纵向排布、或者其他有序的排布(例如，圆形排布)。
各个字符的字体建议使用字高4mm及以上大小，字体可以使用黑体及其他清晰的字体，字符的高度一致，为满足视觉检测，相邻字符间的间隔大于0.5mm，字体可以选择浮高0.5mm-0.7mm或者镂空字体；信息部520的外边缘相对字符外轮廓的边缘之间的间距需要超出字符0.5mm-10mm，且厚度均匀，以保证信息码的完整性。
进一步，对于信息部520中的编码信息区域，可以对该编码信息区域中的各个区域进行定义，例如，定义每一区域的数字/字母所代表的特定含义，如，矫治器序列号、患者编号、病例类型等，通过计算机调取相对应区域的标记符，可以完成该生产过程中(当日/月/年)相应的医学类统计信息；标记符中还可以具有生产信息标识，如打印机标号、膜片标号、压膜机标号等生产过程中的机械位标号，可以协助完成生产过程中的相应的设备/机械统计信息，进而协助生产人员对设备状态进行跟踪与维护。
另外，也可以对编码信息区域进行相对标记，及每一个区域可以对应是一个字符的区域，也可以是多个字符组成的区域，对此，本实施例不作具体限定。
实施例四：
结合本发明前续实施例中所提供的附带有镂空信息识别码的牙颌模型，本实施例提供一种针对该牙颌模型的编码信息识别方法，其流程图如图7所示，具体包括如下步骤。
S710：识别牙颌模型上的镂空信息识别码的编码信息所在区域。具体包括如下步骤：
S711：获取牙颌模型图像。例如，可以通过相机拍摄牙颌模型图像，以获取牙颌模型。
S712：按照设定的遍历规则在牙颌模型图像上遍历查找牙颌模型上的识别定位部。如图8所示，针对步骤S711获取的牙颌模型图像，在此牙颌模型图像上按照从左上到右下以“弓”字形的方式遍历查找识别定位部。
S713：获取识别定位部在牙颌模型图像中的位置信息。计算每个重叠子图像上的像素值I(x′，y′)和预先保存的定位图像上像素值T(x′，y′)的匹配度R(x，y)，根据匹配度最高得到识别定位部在此牙颌模型图片上的位置。
其中，匹配度的计算公式如下公式(1)所示：
S714：根据识别定位部与镂空信息识别码之间的相对位置关系，计算编码信息所在区域。由于字符区域和识别定位部区域相对位置固定，因此根据遍历得到的识别定位部位置可以直接计算出信息码所在的特征区域。
S720：对编码信息所在区域中的各个字符进行分割，并对分割的各个字符进行提取。其中，对编码信息所在区域中的各个字符进行分割，具体包括如下步骤：
S721：识别一标定点，标定点为根据编码信息中各个字符的固定排序预先设置的点、且标定点相对各个字符分别预先设置有分割特征信息。例如，该分割特征信息可以是各字符距离标定点之间的特定距离。
S722：基于字符与标定点之间的分割特征信息对各个字符进行分割。除了上述分割，还可以采用图像分割法，通过已训练的分割模型对牙颌模型图片中的信息码区域分割。对分割的各个字符进行提取，具体包括以下步骤：
S723：对各个字符区域进行二值化处理，获取各个字符区域的二值化信息码区域。具体的，根据阈值参数T来二值化字符区域，如果字符区域像素值f(x，y)大于T，则像素值为最大值255，否则为最小值0，最终计算得到二值化区域g(x，y)见公式(2)(此步的目的是为了去除不必要的干扰和噪声)。使用不同阈值的参数可以得到区域大小不同的二值化信息码区域。
S724：通过掩膜膨胀对二值化信息码区域进行修复。例如，使用与信息码宽度相同的掩膜m*m元素，遍历二值化后的每个像素，用掩膜与二值图像进行“或”运算，通过掩膜膨胀后对之前断裂的部分进行修复。
S725：使用种子填充算法对修复的二值化信息码区域进行填充。例如，使用种子填充法，从指定的种子开始，向各个方向搜索，逐个像素进行比较，来提取出图像中每一个连通区域。
S726：对填充后的二值化信息码区域进行连通区域提取。
S727：根据连通区域的面积大小对提取的连通区域进行过滤，过滤后的连通区域为相应字符的图像特征。根据连通区域像素的多少(即面积大小)再过滤得到每个字符区域，过滤后的连通区域能准确的反映出每个字符的图像特征。
S730：对提取的各个字符进行识别，获取牙颌模型上的编码信息。本实施例采用MLP神经网络对各个字符进行识别，MLP神经网络对各个字符进行识别具体包括步骤：
S731：将提取的字符的特征向量输入已训练完成的MLP神经网络。MLP神经网络包括输入层、隐藏层和输出层三层结构，将分割提取后的字符连通区域每个像素的灰度值归一化后作为特征向量，将该特征向量传递至隐藏层。隐藏层通过权重和激励函数(该激励函数为双切线函数)计算出结果，并将该结果送入输出层。
S732：输出字符在一字符集中对应每一个字符的置信值。该字符集为用于表达编码信息的字符的集合，字符在字符集中对应的所有字符的置信值之和为1。输出层使用转换函数进行计算该字符在字符集中对应每一个字符的置信值，输出层最终输出该字符集在字符集中对应每一个字符的置信值，转换函数如公式(3)所示：
S733：选取字符在字符集中置信值最大的字符值为该字符的字符值。
选取字符集中最大置信值为实际所对应的字符值，用此置信值来确认输出的字符值是否可信，如果过低，则可以认为识别错误或者失败。
例如，以识别字符A为例进行说明MLP神经网络的识别过程，将字符A的连通区域中每个像素的灰度值归一化后转换成相应的特征向量，并输入MLP神经网络中，经MLP神经网络计算，输出该特征向量对应于字符集中各个字符的置信值，如下表所示：
0 1 2 3 4 5 6 7 8 9 A E H K M N P T U V W X Y
0 0 0 0 0.02 0 0 0 0 0 0.91 0.02 0.01 0 0.01 0 0.01 0 0 0.02 0 0 0
则选取最大置信值0.91所对应字符的字符值作为识别字符的字符值，达到识别的结果。
需要说明的是，上述的MLP神经网络是提前已训练完成的神经网络，进一步，本实施例还提供一种对该MLP神经网络进行训练的步骤，具体包括以下步骤，其流程图如图8所示：
S810：设置MLP神经网络输入字符的特征向量、字符所对应的期望输出值、MLP神经网络的输出值与期望输出值之间的期望误差。
S820：将字符的特征向量输入MLP神经网络进行计算获取MLP神经网络的输出值。
S830：计算输出值与期望输出值之间的误差。
S840：判断误差是否大于期望误差，若是，执行步骤S850，若否执行步骤S860。
S850：采用反向传播算法迭代更新MLP神经网络中由输出层至输入层的各层神经元的参数，并转至步骤S820。
S860：MLP神经网络训练完成。
进一步，为了判断通过上述步骤识别的编码信息是否正确，本实施还包括对识别的编码信息进行校验的步骤。本实施例提供以下两种校验方式：
一种校验方式是：
按照预定的校验规则对编码信息中的字符进行重组或赋值，获取校验数据信息；采用CRC或奇偶校验对所述校验数据信息进行校验，并根据校验结果判断所述附带有镂空信息识别码的牙颌模型是否合格。
首先，对字符集中的各个字符按如下数字顺序编号：
0 1 2 3 4 5 6 7 8 9 A E H K M N P T U V W X Y
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
以编码信息为07H8ANPY为例，则该编码信息中有效数据位中各个字符所对应的数字为0，7，12，8，10，15，16，对有效数据位中各个字符对应的数字求和为68，将68除以23的余数22，余数22与校验位Y所对应的数字相等，校验成功，说明识别的编码信息正确。相反地，如果前七位相加之和除以23的余数和第八位不等说明校验失败，识别的编码信息错误。
另一种校验方式，参见图9：
S910：获取校验数据信息：预先设定一标记符，校验时，先读取标记符，根据该标记符读取编码信息中的字符，按照预定的校验规则对编码信息中的字符进行重组或赋值，获取校验数据信息；
S920：对校验数据信息进行哈希运算，获得校验哈希值δ1；根据校验数据信息得到一数学表达式，将该数学表达式带入哈希函数进行计算，获得数值δ1，
S930：获取数字化三维牙颌模型对应的镂空信息识别码的编码信息所对应的基准哈希值δ0：各实施例可以根据实际生产状况，选择在前端数据库(如上位机或者ERP系统或者MES系统等)进行基准哈希值的计算或者在校验模块进行基准哈希值的计算，当在前端数据库进行基准哈希值的计算时，本步骤只需调取该基准哈希值即可，不需要计算过程，而当在校验过程中计算基准哈希值时，则需要先调取数字化三维牙颌模型对应的镂空信息识别码的编码信息，然后对该编码信息进行哈希计算，获取基准哈希值。具体采用何种方式获取基准哈希值，本发明不作具体限定。
S940：将校验哈希值与基准哈希值进行比较，并根据比较结果判断附带有镂空信息识别码的牙颌模型是否合格。
S950：识别合格，进入下一流程；
S960：若校验哈希值与基准哈希值不相等，则进行报警提示，再次进入识别循环，或者人工加以干预。此时再次识别后计算其相应的校验哈希值与原始哈希值进行比对，相等则进入下一流程。若不等，则判定该牙颌模型为不合格产品。
再例如，进一步的还可以设置多组标记符，进行校验与纠错，具体的，以设置两组标记符为例进行说明。先读取第一组标记符，根据该第一组标记符读取编码信息中的字符，按照一定的规则进行字符重组或字符赋值，得到第一数学表达式，将该第一数学表达式带入哈希函数进行计算，获得数值δ1，将该数值δ1与基准值δ0进行比较，若两者不相等，再读取第二组标记符，根据该第二组标记符读取编码信息中的字符，按照一定的规则进行字符重组或字符赋值，得到第二数学表达式，将该第二数学表达式带入哈希函数进行计算，获得数值δ2，将该数值δ2与基准值δ0进行比较，若两者相等，校验成功，说明识别的编码信息正确。相反地，若两者不相等说明校验失败，识别的编码信息错误。
本实施例提供的编码信息识别方法，能够将可能出现不清晰和不完整的信息码提前在神经网络中训练，同时可对各种异常的信息码进行在线学习训练，以此来达到提高在实际生产中信息码的识别率和正确性。
实施例五：
基于实施例一至实施例四，本实施例提供一种壳状牙齿矫治器制备方法，其流程图如图10所示，具体包括以下步骤。
S1010：制作牙颌模型。
该牙颌模型可以采用实施例一提供的牙颌模型制备系统制备成而，也可以采用实施例二提供的牙颌模型制备方法制备而，不论采用哪一种方法制备，最终制备的是附带有镂空信息识别码的牙颌模型。
关于附带有镂空信息识别码的牙颌模型的具体结构设计请参考实施例三提供的牙颌模型，本实施例不作赘述。
S1020：根据牙颌模型制作壳状牙齿矫治器。
具体的，对牙颌模型的镂空信息识别码进行识别，获取用于制备壳状牙齿矫治器的生产数据信息，基于生产数据信息制备壳状牙齿矫治器。
其中，对牙颌模型上的镂空信息识别码进行识别，具体包括步骤：
识别牙颌模型上的镂空信息识别码的编码信息所在区域；
对编码信息所在区域中的各个字符进行分割，并对分割的各个字符进行提取；
基于MLP神经网络对提取的各个字符进行识别，获取牙颌模型上的编码信息。
上述步骤仅描述了基本的识别过程，关于识别的具体过程请参考实施例四提供的编码信息识别方法，本实施例不作赘述。
基于牙颌模型中编码信息的识别结果，具体可以采用如下的热压膜成型工艺制备壳状牙齿矫治器：
1)根据生产数据信息选取用于制备壳状牙齿矫治器的膜片，该生产数据信息包括矫治器序列号、患者信息、病例信息、打印机标号、膜片标号、压膜机标号等信息；
2)获取热压工艺参数信息，该热压工艺参数信息包括温度参数和压力参数；
3)根据温度参数对膜片进行加热，并根据压力参数将加热后的膜片压制于上述制备的牙颌模型上，形成一待切割壳状牙齿矫治器；
4)获取切割工艺参数信息，调取切割路径，依据切割路径对待切割壳状牙齿矫治器进行切割，形成壳状牙齿矫治器。
待壳状牙齿矫治器制备完成后，进一步，还包括根据该生产数据信息对壳状牙齿矫治器进行打标，例如，根据矫治器序列号对壳状牙齿矫治器进行打标。
本申请提供的壳状牙齿矫治器的制备方法，由于在整个生产过程中信息传递的方式是基于牙颌模型上的镂空信息识别码，镂空信息识别码自身具有粘连度低、在清洗中不会被损伤等特点，镂空信息识别码的这些自身特点提高了牙颌模型的编码信息的准确度，进而提高了制备壳状牙齿矫治器的整个生产过程中信息传递的准确度，提高了壳状牙齿矫治器的制备成功率。
应当说明的是，上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (27)

1.一种牙颌模型制备系统，其特征在于，包括：
数据获取模块，用于获取数字化三维牙颌模型数据信息及所述数字化三维牙颌模型对应的镂空信息识别码的编码信息，镂空信息识别码的编码信息是指对牙颌模型对应的编码信息进行三维处理后的三维数据信息，所述镂空信息识别码包括若干镂空单元，每一个镂空单元代表一个镂空信息识别码的编码信息；
复合模块，用于将所述数字化三维牙颌模型数据信息与所述镂空信息识别码的编码信息复合，生成数字化三维牙颌模型复合数据信息；
制备模块，用于根据所述数字化三维牙颌模型复合数据信息，采用增材制造的方式制备附带有镂空信息识别码的牙颌模型。
2.根据权利要求1所述的牙颌模型制备系统，其特征在于，所述附带有镂空信息识别码的牙颌模型包括牙颌模型本体、所述牙颌模型本体上设置有信息部，所述信息部上设置有所述镂空信息识别码。
3.根据权利要求2所述的牙颌模型制备系统，其特征在于，所述镂空信息识别码中包括若干镂空单元，其中相邻的两个镂空单元之间的距离设置为0.2mm-5mm。
4.根据权利要求3所述的牙颌模型制备系统，其特征在于，所述信息部包括若干非镂空单元，所述镂空单元与所述非镂空单元的高度差设置为0.2mm-5mm。
5.根据权利要求3所述的牙颌模型制备系统，其特征在于，所述镂空单元靠近所述信息部外边缘的边缘轮廓与所述信息部外边缘之间的距离设置为0.5mm-10mm。
6.根据权利要求4或5所述的牙颌模型制备系统，其特征在于，所述镂空单元被设置为在视觉识别图像中所述镂空单元的灰度等级在0-125范围内。
7.根据权利要求2所述的牙颌模型制备系统，其特征在于，所述信息部设置有用于对识别所述镂空信息识别码进行引导的识别定位部。
8.根据权利要求7所述的牙颌模型制备系统，其特征在于，所述识别定位部还用于对所述牙颌模型本体的正面和反面进行识别。
9.根据权利要求2所述的牙颌模型制备系统，其特征在于，所述镂空信息识别码的编码信息包括以下任一种或任几种组合：字母、数字、图形。
10.根据权利要求9所述的牙颌模型制备系统，其特征在于，还包括校验模块，所述校验模块用于对所述附带有镂空信息识别码的牙颌模型进行校验。
11.根据权利要求10所述的牙颌模型制备系统，其特征在于，所述校验模块包括：
视觉识别单元，用于捕获所述牙颌模型上的镂空信息识别码；
数据处理单元，用于处理识别所述视觉识别单元所捕获的镂空信息识别码，获得所述牙颌模型上镂空信息识别码的编码信息；
校验单元，用于根据所述编码信息对所述附带有镂空信息识别码的牙颌模型进行校验。
12.根据权利要求11所述的牙颌模型制备系统，其特征在于，所述数据处理单元，执行具体操作包括：
识别牙颌模型上的镂空信息识别码的编码信息所在区域；
对所述编码信息所在区域中的各个字符进行分割，并对分割的各个字符进行提取；
对提取的各个字符进行识别，获取牙颌模型上的编码信息。
13.根据权利要求12所述的牙颌模型制备系统，其特征在于，所述数据处理单元采用MLP神经网络对各个字符进行识别，具体包括步骤：
将提取的字符的特征向量输入已训练完成的MLP神经网络；
输出所述字符在一字符集中对应每一个字符的置信值，所述字符集为用于表达所述编码信息的字符的集合，所述字符在所述字符集中对应的所有字符的置信值之和为1；
选取所述字符在所述字符集中置信值最大的字符值为所述字符的字符值。
14.根据权利要求11所述的牙颌模型制备系统，其特征在于，所述校验单元执行具体操作包括：
按照预定的校验规则对所述编码信息中的字符进行重组或赋值，获取校验数据信息；
采用CRC或奇偶校验对所述校验数据信息进行校验，并根据校验结果判断所述附带有镂空信息识别码的牙颌模型是否合格；
或，
对所述校验数据信息进行哈希运算，获得校验哈希值；
获取所述数字化三维牙颌模型对应的镂空信息识别码的编码信息所对应的基准哈希值；
将所述校验哈希值与基准哈希值进行比较，并根据比较结果判断所述附带有镂空信息识别码的牙颌模型是否合格。
15.一种采用如权利要求1-14任一项所述牙颌模型制备系统制作牙颌模型的方法，其特征在于，包括步骤：
获取数字化三维牙颌模型的数据信息及所述数字化三维牙颌模型对应的镂空信息识别码的编码信息；
将所述数字化三维牙颌模型的数据信息与所述镂空信息识别码的编码信息复合，并生成数字化三维牙颌模型复合数据信息；
根据所述数字化三维牙颌模型复合数据信息，采用增材制造的方式生成附带有镂空信息识别码的牙颌模型。
16.一种用于识别采用权利要求1-14任一项所述牙颌模型制备系统制备的牙颌模型的编码信息识别方法，其特征在于，包括步骤：
识别牙颌模型上的镂空信息识别码的编码信息所在区域；
对所述编码信息所在区域中的各个字符进行分割，并对分割的各个字符进行提取；
对提取的各个字符进行识别，获取牙颌模型上的编码信息。
17.根据权利要求16所述的编码信息识别方法，其特征在于，所述识别牙颌模型上的镂空信息识别码的编码信息所在区域，具体包括步骤：
获取牙颌模型图像；
按照设定的遍历规则在所述牙颌模型图像上遍历查找所述牙颌模型上的识别定位部；
获取所述识别定位部在所述牙颌模型图像中的位置信息；
根据所述识别定位部与所述镂空信息识别码之间的相对位置关系，计算所述编码信息所在区域。
18.根据权利要求17所述的编码信息识别方法，其特征在于，所述对所述编码信息所在区域中的各个字符进行分割，具体包括步骤：
识别一标定点，所述标定点为根据所述编码信息中各个字符的固定排序预先设置的点、且所述标定点相对各个字符分别预先设置有分割特征信息；
基于字符与标定点之间的所述分割特征信息对各个字符进行分割。
19.根据权利要求18所述的编码信息识别方法，其特征在于，所述对分割的字符进行提取，具体包括步骤：
对各个字符区域进行二值化处理，获取各个字符区域的二值化信息码区域；
通过掩膜膨胀对所述二值化信息码区域进行修复；
使用种子填充算法对修复的二值化信息码区域进行填充；
对填充后的二值化信息码区域进行连通区域提取；
根据连通区域的面积大小对提取的连通区域进行过滤，过滤后的连通区域为相应字符的图像特征。
20.根据权利要求16所述的编码信息识别方法，其特征在于，基于MLP神经网络对各个字符进行识别。
21.根据权利要求20所述的编码信息识别方法，其特征在于，所述MLP神经网络对各个字符进行识别，具体包括步骤：
将提取的字符的特征向量输入已训练完成的MLP神经网络；
输出所述字符在一字符集中对应每一个字符的置信值，所述字符集为用于表达所述编码信息的字符的集合，所述字符在所述字符集中对应的所有字符的置信值之和为1；
选取所述字符在所述字符集中置信值最大的字符值为所述字符的字符值。
22.根据权利要求21所述的编码信息识别方法，其特征在于，所述已训练完成的MLP神经网络的具体训练步骤包括：
设置所述MLP神经网络输入字符的特征向量、所述字符所对应的期望输出值、所述MLP神经网络的输出值与所述期望输出值之间的期望误差；
将所述字符的特征向量输入所述MLP神经网络进行计算获取所述MLP神经网络的输出值；
计算所述输出值与所述期望输出值之间的误差；
判断所述误差是否大于所述期望误差，若是，采用反向传播算法迭代更新所述MLP神经网络中由输出层至输入层的各层神经元的参数；
基于更新的MLP神经网络循环训练，直至所述误差小于所述期望误差，所述MLP神经网络训练完成。
23.根据权利要求16所述的编码信息识别方法，其特征在于，还包括对识别的所述编码信息进行校验的步骤。
24.根据权利要求23所述的编码信息识别方法，其特征在于，所述对识别的编码信息进行校验，具体包括步骤：
按照预定的校验规则对所述编码信息中的字符进行重组或赋值，获取校验数据信息；
采用CRC或奇偶校验对所述校识别结果进行校验；
或，
对所述校验数据信息进行哈希运算，获得校验哈希值；
获取所述数字化三维牙颌模型对应的镂空信息识别码的编码信息所对应的基准哈希值；将所述校验哈希值与基准哈希值进行比较，并根据比较结果对所述校识别结果进行校验。
25.一种壳状牙齿矫治器制备方法，其特征在于，包括步骤：
制作牙颌模型：采用权利要求1-14任一项所述的牙颌模型制备系统或权利要求15所述的牙颌模型制备方法制备附带有镂空信息识别码的牙颌模型；
根据所述牙颌模型制作壳状牙齿矫治器：对所述牙颌模型的镂空信息识别码进行识别，获取用于制备壳状牙齿矫治器的生产数据信息，基于所述生产数据信息制备壳状牙齿矫治器。
26.根据权利要求25所述的壳状牙齿矫治器制备方法，其特征，所述基于所述生产数据信息制备壳状牙齿矫治器，具体包括：
根据所述生产数据信息选取用于制备所述壳状牙齿矫治器的膜片；
获取热压工艺参数信息，所述热压工艺参数信息包括温度参数和压力参数；
根据所述温度参数对所述膜片进行加热，并根据所述压力参数将加热后的膜片压制于所述牙颌模型上，形成一待切割壳状牙齿矫治器；
获取切割工艺参数信息，调取切割路径，依据所述切割路径对所述待切割壳状牙齿矫治器进行切割，形成壳状牙齿矫治器。
27.根据权利要求25所述的壳状牙齿矫治器制备方法，其特征在于，还包括：根据所述生产数据信息，对所述壳状牙齿矫治器进行打标。
CN202010249109.4A 2020-03-31 2020-03-31 牙颌模型制备系统及方法、壳状牙齿矫治器制备方法 Active CN111325835B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010249109.4A CN111325835B (zh) 2020-03-31 2020-03-31 牙颌模型制备系统及方法、壳状牙齿矫治器制备方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010249109.4A CN111325835B (zh) 2020-03-31 2020-03-31 牙颌模型制备系统及方法、壳状牙齿矫治器制备方法

Publications (2)

Publication Number Publication Date
CN111325835A CN111325835A (zh) 2020-06-23
CN111325835B true CN111325835B (zh) 2025-02-18

Family

ID=71173319

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010249109.4A Active CN111325835B (zh) 2020-03-31 2020-03-31 牙颌模型制备系统及方法、壳状牙齿矫治器制备方法

Country Status (1)

Country Link
CN (1) CN111325835B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111743642B (zh) * 2020-06-29 2023-07-25 浙江正雅齿科股份有限公司 壳状牙科器械切割方法、制备方法及电子设备
CN114533312B (zh) * 2020-11-24 2023-10-20 正雅齿科科技(上海)有限公司 确定膜片与牙颌模型位置的方法、膜片及选取方法与系统
EP4113227A1 (de) * 2021-07-01 2023-01-04 Ivoclar Vivadent AG Bearbeitungsgerät zum bearbeiten einer dentalen indikation
CN115294284B (zh) * 2022-10-09 2022-12-20 南京纯白矩阵科技有限公司 一种保障生成模型唯一性的高分辨率三维模型生成方法
CN117292372B (zh) * 2023-09-12 2024-06-04 安徽美立刻医疗器械有限公司 一种适用3d打印产品的识别方法、系统、电子设备及介质
CN118411318B (zh) * 2024-06-27 2024-08-23 汉斯夫(杭州)医学科技有限公司 一种三维牙齿模型的自动邻间修复方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101370441A (zh) * 2005-10-24 2009-02-18 拜奥美特3i公司 制造牙科植入物元件的方法
CN107247985A (zh) * 2017-05-27 2017-10-13 浙江隐齿丽医学技术有限公司 新型二维码的编码、定位及识别方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8075306B2 (en) * 2007-06-08 2011-12-13 Align Technology, Inc. System and method for detecting deviations during the course of an orthodontic treatment to gradually reposition teeth
CN108320325A (zh) * 2018-01-04 2018-07-24 华夏天宇（北京）科技发展有限公司 牙列模型的生成方法及装置
US11049606B2 (en) * 2018-04-25 2021-06-29 Sota Precision Optics, Inc. Dental imaging system utilizing artificial intelligence
CN110717686B (zh) * 2019-10-15 2023-06-23 浙江正雅齿科股份有限公司 一种壳状牙科矫治器生产系统及方法
CN110522526A (zh) * 2019-10-15 2019-12-03 浙江隐齿丽医学技术有限公司 一种壳状牙齿矫治器生产方法及系统、终端设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101370441A (zh) * 2005-10-24 2009-02-18 拜奥美特3i公司 制造牙科植入物元件的方法
CN107247985A (zh) * 2017-05-27 2017-10-13 浙江隐齿丽医学技术有限公司 新型二维码的编码、定位及识别方法

Also Published As

Publication number Publication date
CN111325835A (zh) 2020-06-23

Similar Documents

Publication Publication Date Title
CN111325835B (zh) 牙颌模型制备系统及方法、壳状牙齿矫治器制备方法
CN113077453B (zh) 一种基于深度学习的电路板元器件缺陷检测方法
CN107633192B (zh) 一种基于机器视觉的复杂背景下条形码分割与识读方法
CN109598762B (zh) 一种高精度双目相机标定方法
CN100384220C (zh) 摄像机标定数据的采集方法及其标定板
US10346971B2 (en) Optimized method for analyzing the conformity of the surface of a tire
CN114549447A (zh) 用于跨越多个组装单元自动生成公共测量的方法
CN110400278B (zh) 一种图像颜色和几何畸变的全自动校正方法、装置及设备
CN111292379A (zh) 深度相机校正装置及其方法
CN111680688A (zh) 字符识别方法及装置、电子设备、存储介质
US9769454B2 (en) Method for generating a depth map, related system and computer program product
US11843395B2 (en) Coding pattern, coding and reading methods for same, calibration board, and calibration method
CN110782521A (zh) 移动端三维重建与模型修复方法及系统
CN113129384B (zh) 基于一维编码靶标的双目视觉系统灵活标定方法
CN106600649A (zh) 一种基于二维标记码的相机自标定方法
CN105138726A (zh) 可编码工件的制造方法及其识别方法
CN111368573A (zh) 一种基于几何特征约束的定位方法
CN115194323A (zh) 一种激光焊接机的定位焊接方法
CN114998445A (zh) 一种图像稀疏点立体匹配方法
CN111815725B (zh) 一种qr码区域定位方法
CN111461230B (zh) 一种基于牙科stl模型和二维图像配准的牙模分类识别方法
CN117830566A (zh) 一种基于机器视觉的曲面枕个性化定制方法
CN115945743A (zh) 一种对非标零件试加工的方法及系统
CN109784121B (zh) Dot-peen DPM码的识别方法及装置
CN114862816A (zh) 毛刺检测方法、系统和计算机可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 314006 Building 2, 3556 Linggongtang Road, Daqiao Town, Nanhu District, Jiaxing City, Zhejiang Province

Applicant after: Zhejiang Zhengya Dental Co.,Ltd.

Address before: 314006 4th floor, North District, building 1, 239, Asia Pacific Road, Daqiao Town, Nanhu District, Jiaxing City, Zhejiang Province

Applicant before: ZHEJIANG YINCHILI MEDICAL TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant