計(jì)算機(jī)視覺算法在監(jiān)測(cè)金屬3D打印過程中產(chǎn)生的缺陷

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(shí)，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(xiǎn)應(yīng)用時(shí)，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(jī)器學(xué)習(xí)結(jié)合起來進(jìn)行實(shí)時(shí)過程監(jiān)控，這種做法可以檢測(cè)出零件在3D打印過程中的異常情況。

CMU機(jī)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(jī)器學(xué)習(xí)算法，該算法對(duì)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(cuò)。

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(cè)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(chǎng)上有一些有限的監(jiān)測(cè)類型，但它們通常不具備自動(dòng)分析的能力，只能提供機(jī)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(jì)算機(jī)視覺算法。

Scime說：“制作一個(gè)看起來不錯(cuò)的部件并將其放在飛機(jī)上的最大障礙之一是確保你制造的部件沒有缺陷。計(jì)算機(jī)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(jī)已經(jīng)學(xué)會(huì)了如何識(shí)別不同的缺陷，因?yàn)檠芯咳藛T提供了數(shù)百個(gè)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(cè)粉末中的毫米級(jí)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(xiàng)工作提出了一種原位監(jiān)測(cè)和分析粉末床圖像的方法，可能成為L(zhǎng)PBF機(jī)器中實(shí)時(shí)控制系統(tǒng)的一個(gè)組成部分。具體而言，使用計(jì)算機(jī)視覺算法來自動(dòng)檢測(cè)和分類在該過程的粉末擴(kuò)散階段發(fā)生的異常。使用無監(jiān)督機(jī)器學(xué)習(xí)算法實(shí)施異常檢測(cè)和分類，在適當(dāng)大小的圖像塊的訓(xùn)練數(shù)據(jù)庫(kù)上進(jìn)行操作。通過幾個(gè)案例研究進(jìn)行演示，對(duì)最終算法的性能進(jìn)行評(píng)估，并將其作為獨(dú)立軟件包的有用性?！?/p>

這項(xiàng)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(shí)時(shí)環(huán)境中部署這個(gè)環(huán)境，你將自動(dòng)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(cè)到它，了解這是一個(gè)問題，然后設(shè)計(jì)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(dòng)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(jī)向操作員發(fā)送警報(bào)，以便早日解決問題。然后，您將繼續(xù)教授3D打印機(jī)，以識(shí)別關(guān)鍵缺陷并自動(dòng)執(zhí)行簡(jiǎn)單修復(fù)?！?/p>

然而，自動(dòng)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(shí)。雖然在達(dá)到這種自動(dòng)化水平之前可能還有一段時(shí)間，但CMU機(jī)器學(xué)習(xí)算法已經(jīng)能夠準(zhǔn)確地識(shí)別出一些異常情況，并準(zhǔn)備在現(xiàn)實(shí)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