缺陷检测人工智能可以实现工业规模的3D打印

许多行业已经依靠这一工艺来快速制造零部件。火箭发动机喷嘴;高性能汽车的活塞，以及定制的骨科植入物都是使用增材制造制造的，这一过程包括使用3D打印机逐层制造零件。

然而，在建筑过程中形成的结构缺陷是这种方法没有得到更广泛采用的原因之一。

现在，由Argonne和弗吉尼亚大学(UVA)领导的研究团队开发了各种成像和机器学习技术，以近乎完美的精度实时检测和预测3d打印金属中孔隙的形成。

研究中使用的金属样品是使用一种称为激光粉末床融合的工艺制造的，在这种工艺中，金属粉末被激光加热，然后熔化成适当的形状。这种方法通常会导致气孔的形成，从而影响零件的性能。

许多增材制造机器都有热成像传感器来监控构建过程，但这些传感器可能会错过孔隙的形成，因为它们只对正在构建的部件的表面进行成像。直接检测致密金属部件内部孔隙的唯一方法是使用强x射线束。

阿贡的助理物理学家塞缪尔·克拉克(Samuel Clark)说:“我们的x射线束非常强烈，我们每秒可以成像100多万帧。”这些图像使研究人员能够实时看到孔隙的生成。

通过将x射线和热成像相关联，科学家们发现样品中形成的孔隙在表面引起了热成像相机可以探测到的独特的热特征。

然后，研究人员训练了一个机器学习模型，仅使用热图像来预测3D金属中孔隙的形成。

他们使用来自x射线图像的数据验证了模型，他们知道x射线图像准确地反映了孔隙的生成。然后，他们测试了该模型检测热信号和预测未标记样品中孔隙生成的能力。

市场上许多增材制造机器已经有传感器，但它们远不如研究人员发现的方法准确。

阿贡的物理学家Kamel Fezzaa说:“我们的方法可以很容易地在商业系统中实现。”“只要有一个热成像摄像机，机器就能检测到在打印过程中何时何地产生孔隙，并相应地调整其参数。”

例如，如果机器在制造过程的早期检测到重大缺陷，机器可以自动停止制造零件。即使制造过程没有停止，这种新方法也可以提供零件中可能存在孔隙缺陷的位置信息，从而节省用户检查的时间。

“如果您有一个日志文件，告诉您这四个位置可能有缺陷，那么您将只检查这四个位置，而不是查看整个部分，”弗吉尼亚大学的Tao Sun说。

最终目标是创建一个系统，不仅可以检测缺陷，而且可以在制造过程中修复它们。接下来，研究人员将研究可以检测增材制造过程中发生的其他类型缺陷的传感器。

“最后，我们希望开发一个全面的系统，不仅可以告诉你哪里可能有缺陷，还可以告诉你缺陷到底是什么，以及如何修复，”孙说。