當(dāng)金屬3D打印被廣泛認(rèn)為是一種可靠的工業(yè)制造方法時，這一天正在慢慢地來臨，但在真正來臨之前我們還需要解決一些問題。大量的研究工作探討了金屬3D打印缺陷的根本原因，這可能導(dǎo)致最終3D打印部件中的飛濺和微裂紋等缺陷-當(dāng)您處理航空部件等高風(fēng)險應(yīng)用時，這是不可接受的。

但卡內(nèi)基梅隆大學(xué)工程學(xué)院（CMU）的兩位研究人員已經(jīng)想出了如何將3D打印和機器學(xué)習(xí)結(jié)合起來進(jìn)行實時過程監(jiān)控，這種做法可以檢測出零件在3D打印過程中的異常情況。

CMU機械工程系（MechE）校友Luke Scime與NextManufacturing Center主管Jack Beuth合作創(chuàng)建了一種機器學(xué)習(xí)算法，該算法對激光粉末床融合技術(shù)進(jìn)行過程監(jiān)控，該技術(shù)很容易因粉末層散布不均而出錯。

其他研究人員正在使用諸如聲學(xué)技術(shù)、光譜學(xué)和溫度監(jiān)測等方法來了解構(gòu)建的結(jié)構(gòu)內(nèi)部發(fā)生了什么。但是，雖然市場上有一些有限的監(jiān)測類型，但它們通常不具備自動分析的能力，只能提供機器操作員必須解讀的數(shù)據(jù)。但是Scime和Beuth的工作有不同的方向：計算機視覺算法。

Scime說：“制作一個看起來不錯的部件并將其放在飛機上的最大障礙之一是確保你制造的部件沒有缺陷。計算機視覺是使用數(shù)據(jù)分析技術(shù)來理解圖像中發(fā)生的事情的術(shù)語。”

Scime的創(chuàng)新算法拍攝粉末床的圖像并提取特征，然后將這些特征進(jìn)行分組并在不同層次的分析中進(jìn)行比較，直到創(chuàng)建圖像的指紋。該機已經(jīng)學(xué)會了如何識別不同的缺陷，因為研究人員提供了數(shù)百個預(yù)標(biāo)記的訓(xùn)練圖像?，F(xiàn)在，它可以比較它接收到的新圖像的指紋和它已知的指紋以隔離各種異常。

據(jù)悉，Scime和Beuth在“添加劑制造”雜志上發(fā)表了一篇論文，標(biāo)題為“Anomaly detection and classification in a laser powder bed additive manufacturing process using a trained computer vision algorithm”，他們演示了算法如何能夠檢測粉末中的毫米級瑕疵。該算法可以確定缺陷是什么以及它發(fā)生在哪里，這可以幫助提高過程穩(wěn)定性（打印能力）。

論文摘要寫道：“這項工作提出了一種原位監(jiān)測和分析粉末床圖像的方法，可能成為LPBF機器中實時控制系統(tǒng)的一個組成部分。具體而言，使用計算機視覺算法來自動檢測和分類在該過程的粉末擴散階段發(fā)生的異常。使用無監(jiān)督機器學(xué)習(xí)算法實施異常檢測和分類，在適當(dāng)大小的圖像塊的訓(xùn)練數(shù)據(jù)庫上進(jìn)行操作。通過幾個案例研究進(jìn)行演示，對最終算法的性能進(jìn)行評估，并將其作為獨立軟件包的有用性。”

這項工作是使金屬3D打印成為工業(yè)生產(chǎn)可靠、安全的方法。

Scime說：“圣杯是在實時環(huán)境中部署這個環(huán)境，你將自動分析數(shù)據(jù)，做一些事情，然后繼續(xù)前進(jìn)。真正的問題是，我們是否可以檢測到它，了解這是一個問題，然后設(shè)計我們所稱的處理參數(shù)，以便做一些不同于我們?yōu)榱藴p少翹曲量而做的事情？”

Scime解釋說，“自動糾正最終可能以幾種不同的方式工作，其中最基本的是一旦發(fā)現(xiàn)異常情況，3D打印機向操作員發(fā)送警報，以便早日解決問題。然后，您將繼續(xù)教授3D打印機，以識別關(guān)鍵缺陷并自動執(zhí)行簡單修復(fù)?！?/p>

然而，自動化自我修正的最高成就是抗擊超高。造成大部分損壞的這種異常情況發(fā)生在部分構(gòu)建開始扭曲或卷曲出粉末時。雖然在達(dá)到這種自動化水平之前可能還有一段時間，但CMU機器學(xué)習(xí)算法已經(jīng)能夠準(zhǔn)確地識別出一些異常情況，并準(zhǔn)備在現(xiàn)實世界中應(yīng)用。但是，Scime希望研究如何將附加傳感器數(shù)據(jù)添加到其分析中，并提高其準(zhǔn)確性。

審核編輯 黃昊宇