金属3D打印实时纠错—机器视觉结合人工智能的新方法
有内容 有深度 有态度 欢迎关注
在大多数工业市场，都是在零件生产完成后通过三坐标测量仪来检查制造精度，以及通过X射线来检查内部缺陷，CT扫描来寻找深层次的缺陷。然而，对于粉末床3D打印工艺来说，零件在构建的过程中有50多种因素会对零件的质量发生影响，等生产出来再发现缺陷无疑对于生产商来说太迟了。
粉末床金属熔融3D打印过程中，粉末飞溅和微裂纹等缺陷是航空部件等高安全要求条件所不可接受的。上期3D打印技术参考介绍了雷尼绍实时监控功能，相对于该功能，卡梅隆大学将机器视觉和人工智能结合用于金属打印，更为前言，走的更远。
金属3D打印实时纠错
卡内基梅隆大学工程学院（CMU）的两位研究人员将3D打印和机器学习结合起来创建了一种机器学习算法，该算法对激光粉末床熔融技术进行实时过程监控，并对打印过程中的异常情况自动纠错。
机器视觉与人工智能的结合
目前，很多研究人员正在使用包括声学、光谱学和温度监测等方法来了解激光熔融过程中每一层发生了什么。但是，这些有限的监测方法并不具备自动分析的能力，只能提供供操作员解读的数据。而上面提到的技术跟其他方法不同，它应用的是计算机视觉算法。
人工智能对层进行分析
在打印过程中摄像头会拍摄粉末床图像并提取特征，这些特征自动进行分组并在不同层次的分析中进行比较，直到完成创建图像所需要的所有信息，研究人员称之为指纹。人工智能可以通过计算机内置的数百个预标记的训练图像识别不同的缺陷，通过比较接收到的新图像指纹和已知指纹来识别打印层是否存在异常。
六种粉末床异常训练图像
研究人员在题为“使用训练过的计算机视觉算法用于激光粉末床增材制造过程中的异常检测和分类”的论文中演示了智能检测算法如何识别打印缺陷并对缺陷进行分类和确定位置。实时控制系统包含了原位监测和粉末床图像分析部分，使用计算机视觉算法来自动检测和分类在粉末熔化阶段发生的异常，自动校正功能可以在检测到异常时向操作员发送警报从而及时的人为解决问题，也可以进行自动化的简单修复，允许机器识别关键缺陷并做出相应反应，只是后一种功能要复杂很多。
从数千个图像分析中对零件进行三维重建
自动修复的最高级别功能是可以识别复杂缺陷，例如翘曲、变形和造成零件大部分损坏之前作出反馈，当然这非常困难，但这项工作将使金属3D打印在成为工业生产中具有高可靠性的工艺的发展道路上向前迈出一大步。
金属3D打印的目标是融入到世界的主流制造过程中，如航空航天部件、生物医学植入物以及高性能汽车，在此方面，研究如何控制金属内部结构与金属3D打印的质量息息相关。针对粉末床金属熔融3D打印技术，卡内基梅隆大学正在从粉末筛选、过程控制、检测等多个方面发力，以推动金属3D打印融入到世界的主流制造应用过程。
除了过程控制，在粉末筛选方面卡内基梅隆大学工程学院的研究人员在2017年就开发了机器视觉技术，可以自动识别和分类不同种类的3D打印金属粉末，准确度达95％以上。据称该技术在五年内会获得广泛推广。
关于机器视觉
机器视觉是人工智能快速发展的一个分支，简单说来，机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品(即图像摄取装置，分CMOS和CCD两种)将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。
在没有手动监督的情况下通过计算机视觉来识别和分类粉末，计算机可以看出，金属粉末是否具有零件要求的微观结构质量—强度、抗疲劳度、韧性等。如果是这样，一旦进行3D打印，金属粉末就不太可能带来零件裂纹或发生加工故障。
其他
此外，在检测方面，卡内基·梅隆大学材料科学与工程系还在通过巨大的同步X射线辐射机，足以看到百万分之一米的金属内部细节。X射线扫描金属3D打印的数据被送回匹兹堡来分析金属打印结果与打印参数之间的关系。
在卡耐基-梅隆大学的Next Manufacturing中心，作为全球领先的增材制造研究中心之一，该中心将大量的数据用于分析，以获得更好的理解增材制造过程以及质量控制的能力。
卡耐基-梅隆大学的Next Manufacturing中心正在实现他们设定的目标，包括：像设计零件的几何形状一样设计加工过程；监督和控制增材制造过程；在同一个零件的不同位置体现不同的材料，不同的微观结构和机械性能；用广泛范围内的金属粉末；内部孔隙度的消除或设计。（本文部分内容来自3D科学谷，笔者进行一定编辑使技术内容通俗易通）
欢迎转发
延伸阅读：
长按添加订阅
Share the World's 3D Printing Technology
点赞！
原文始发于微信公众号（3D打印技术参考）：金属3D打印实时纠错—机器视觉结合人工智能的新方法