3D打印技术是一种较为成熟的加工技术,在实际生产中,需要添加外支撑来确保加工过程的顺利进行。树状支撑是一种新型的外支撑方法,结合人工智能中的实例分割技术,可以更好地解决3D打印过程中的塌陷、变形以及精度缺失等问题,并提高生产效率。本文针对树状支撑在生产加工中的塌陷及精度缺失等现状展开研究,具体内容如下:（1）针对于打印模型中的特征丢失问题,采用新型实例分割算法,包括加深特征提取架构,使用非线性激活函数Mish,在目标检测的回归损失函数中使用CIoU损失,以及利用Ranger优化器训练,对物体模型局部特征识别的准确率提升了 13.2%,并进行特征区域的实例分割。（2）针对实例分割之后的特征重建,本文对经典消隐法的进行优化改进,包括空间范围消隐法Z-buffer算法与平面范围消隐法的区域扫描线算法,利用坐标细化与Z-buffer算法相结合实现了三维物体模型投影映射变换,利用AdaBoost集成学习与逆向消隐法相结合实现了特征的三维重建。（3）针对于多特征的三维物体模型,基于伞形搜索算法,完成了多类型树状支撑的改进与生成工作,包括从模型本身的树状支撑,不同生长角度的树状支撑,不同生长比例的树状支撑以及不同枝干直径的树状支撑,细化了树状支撑的生成标准。（4）基于改进的实例分割与三维重建算法,通过正交试验对不同树状支撑的加工零件进行性能分析,针对在3D打印过程中的模型局部特征识别、支撑点选择以及多类型树状支撑改进与生成等问题展开综合实验研究。实验表明,采用新型树状支撑生成算法可以节省10%以上的生产时间,可以提升7%左右的模型表面光洁度,提高10%左右的材料利用率。