在基于粉末的3D打印过程中，可能会因为粉末或粘合剂的不均匀分布、飞溅、热量不足和孔隙率等问题，导致每层表面产生缺陷，对最终形成的打印部件产生负面影响。尽管现在的常规检测技术足够精确，但是却无法检测到这些打印问题。美国ORNL（橡树岭国家实验室）的研究人员借助AI人工智能技术，开发了能够实时监控金属3D打印过程的软件，可在生产过程中评估零件质量。
研究人员使用AI软件监视和分析3D打印组件
根据ORNL团队的说法，以前实时监视3D打印的尝试还没有实现足够的自动化，因此无法在工厂中广泛使用。以前的方法只是专注于将完成的零件与其3D模型进行比较，因此只能识别打印对象中的“一般缺陷”。
研究小组使用它们的AI算法观察到许多异常情况
为了克服以前方法的局限性，ORNL团队开发了一种全新的卷积神经网络（CNN）体系结构，依靠定制设计的算法来仔细检查打印过程中拍摄的图像像素值。当打印过程中检测到异常时，该软件能够警告机器操作员需要进行调整。并且软件还可以以人脑为模型，分析和共享多个3D打印机上表面可见缺陷的图像，让一个系统能够从另一个系统中遇到的打印错误进行学习。
ORNL已使用该算法来优化3D打印反应堆生产
另外，为了测试该软件的深度学习算法，研究人员为其提供了一个评估数据集。通过八台不同的激光粉末床和粘合剂喷射机对对象进行3D打印。每个摄像机，每个层和每个系统都捕捉两个8位图像，其中一个在粉末融合或粘合剂沉寂后立即捕获，另一个在粉末散布后捕获。
从结果来看，该团队虽然证明了两个系统之间拥有共享信息的能力，但是对于标记为异常的内容仍然存在很大歧义。总体而言，该算法实现了每层0.5-2.4秒的分段时间，使其对于串行制造中的应用足够快。在未来的研究中，该团队将探索不同的成像波长、照明条件和空间影射的传感器模式。
本文属于原创文章，如若转载，请注明来源：ORNL开发AI软件以实时监控金属3D打印//3dp.zol.com.cn/750/7508693.html
