本研究提出了一种基于深度学习的双目模型，用于金属增材制造中的熔池温度监测，处理速度达到750帧每秒，准确率高达0.95。同时，应用U-Net架构的神经网络，实现了熔化轨迹的自动识别与测量，分类准确率超过99%。这些技术显著提高了实时监测效率与缺陷识别能力。

本研究提出了一种基于深度学习的双目模型，用于金属增材制造中的熔池温度监测。该模型以每秒750帧的速度处理数据，温度估计准确率达到0.95 R平方分数，显著提高了监测效率和准确性，减少了对人工数据处理的依赖。