在大多數(shù)工業(yè)市場(chǎng)，都是在零件生產(chǎn)完成后通過坐標(biāo)測(cè)量機(jī)（三坐標(biāo)測(cè)量機(jī)）來檢查機(jī)械特征，以及通過X射線來檢查內(nèi)部缺陷，CT掃描來尋找深層次的缺陷。然而，對(duì)于粉末床3D打印工藝來說，零件在構(gòu)建的過程中有50多種因素會(huì)對(duì)零件的質(zhì)量發(fā)生影響，等生產(chǎn)出來再發(fā)現(xiàn)缺陷無疑對(duì)于生產(chǎn)商來說太遲了。

尤其是粉末床金屬熔融3D打印過程中，粉末飛濺和微裂紋等缺陷 – 是航空部件等高安全要求條件所不可接受的。

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)件在3D打印過程中的異常情況，他們研究的目標(biāo)是開發(fā)自我糾錯(cuò)的3D打印機(jī)。

卡內(nèi)基梅隆大學(xué)機(jī)械工程系（MechE）校友Luke Scime與卡內(nèi)基梅隆大學(xué)Next Manufacturing中心的主管Jack Beuth合作創(chuàng)建了一種機(jī)器學(xué)習(xí)算法，該算法對(duì)激光粉末床熔融技術(shù)進(jìn)行過程監(jiān)控糾錯(cuò)。

圖：人工智能對(duì)層進(jìn)行分析

目前，很多研究人員正在使用包括聲學(xué)技術(shù)、光譜學(xué)和溫度監(jiān)測(cè)等方法來了解激光熔融過程中每一層發(fā)生了什么。但是，這些有限的監(jiān)測(cè)方法并不具備自動(dòng)分析的能力，只能提供供操作員解讀的數(shù)據(jù)。而Scime和Beuth所用的方法跟當(dāng)前的方法不同的是，他們應(yīng)用的是計(jì)算機(jī)視覺算法。

Scime通過創(chuàng)新算法拍攝粉末床的圖像并提取特征，根據(jù)3D科學(xué)谷的了解，他們將這些特征進(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。人工智能已經(jīng)學(xué)會(huì)了如何識(shí)別不同的缺陷，這是因?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。

在Scime和Beuth在《增材制造》雜志上發(fā)表題為“使用訓(xùn)練過的計(jì)算機(jī)視覺算法用于激光粉末床增材制造過程中的異常檢測(cè)和分類”的論文中，他們演示了算法如何能夠檢測(cè)粉末中的瑕疵，而通過該算法還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（3D打印的一致性控制能力）。

論文中提到通過一種原位監(jiān)測(cè)和分析粉末床圖像的方法，可能成為粉末床金屬熔融實(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。這項(xiàng)工作將使金屬3D打印成為工業(yè)生產(chǎn)中具有高可靠性的工藝的發(fā)展道路上向前邁出一大步。

（a）重涂層跳躍，（b）重涂器劃痕，（c）碎片，（d）超高程，（e）部件失效，（f）不完整蔓延

根據(jù)Scime，自動(dòng)糾正錯(cuò)誤最終可能以幾種不同的方式工作，其中最基本的方式是一旦發(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。當(dāng)然，你可以繼續(xù)教導(dǎo)一臺(tái)3D打印機(jī)識(shí)別關(guān)鍵缺陷并自動(dòng)執(zhí)行簡單的修復(fù)。

–—- 3D科學(xué)谷Review

金屬3D打印的目標(biāo)是融入到世界的主流制造應(yīng)用過程中，如航空航天部件，生物醫(yī)學(xué)植入物，和高性能的汽車。研究如何控制金屬內(nèi)部的結(jié)構(gòu)與金屬的3D打印的質(zhì)量息息相關(guān)。在3D科學(xué)谷看來，針對(duì)粉末床金屬熔融3D打印技術(shù)，卡內(nèi)基梅隆大學(xué)正在從粉末篩選、過程控制、檢測(cè)等多個(gè)方面發(fā)力，以推動(dòng)金屬3D打印融入到世界的主流制造應(yīng)用過程。

除了正文提到的過程控制，在粉末篩選方面，根據(jù)3D科學(xué)谷的了解，2017年卡內(nèi)基梅隆大學(xué)工程學(xué)院的研究人員就開發(fā)了機(jī)器視覺技術(shù)，可以自動(dòng)識(shí)別和分類不同種類的3D打印金屬粉末，準(zhǔn)確度達(dá)95％以上。根據(jù)卡內(nèi)基梅隆大學(xué)，該技術(shù)在五年內(nèi)可能會(huì)獲得廣泛推廣。

機(jī)器視覺是人工智能正在快速發(fā)展的一個(gè)分支。簡單說來，機(jī)器視覺就是用機(jī)器代替人眼來做測(cè)量和判斷。機(jī)器視覺系統(tǒng)是通過機(jī)器視覺產(chǎn)品(即圖像攝取裝置，分CMOS和CCD兩種)將被攝取目標(biāo)轉(zhuǎn)換成圖像信號(hào)，傳送給專用的圖像處理系統(tǒng)，得到被攝目標(biāo)的形態(tài)信息，根據(jù)像素分布和亮度、顏色等信息，轉(zhuǎn)變成數(shù)字化信號(hào);圖像系統(tǒng)對(duì)這些信號(hào)進(jìn)行各種運(yùn)算來抽取目標(biāo)的特征，進(jìn)而根據(jù)判別的結(jié)果來控制現(xiàn)場(chǎng)的設(shè)備動(dòng)作。

在沒有手動(dòng)監(jiān)督的情況下通過計(jì)算機(jī)視覺來識(shí)別和分類粉末，計(jì)算機(jī)可以看出，金屬粉末是否具有零件要求的微觀結(jié)構(gòu)質(zhì)量 – 強(qiáng)度、抗疲勞度、韌性等。如果是這樣，一旦進(jìn)行3D打印，金屬粉末就不太可能帶來零件裂紋或發(fā)生加工故障。

此外，在檢測(cè)方面，卡內(nèi)基·梅隆大學(xué)材料科學(xué)與工程系還在通過巨大的同步X射線輻射機(jī)，足以看到百萬分之一米的金屬內(nèi)部細(xì)節(jié)。X射線掃描金屬3D打印的數(shù)據(jù)被送回匹茲堡來分析金屬打印結(jié)果與打印參數(shù)之間的關(guān)系。

在卡耐基-梅隆大學(xué)的Next Manufacturing中心，作為全球領(lǐng)先的增材制造研究中心之一，該中心將大量的數(shù)據(jù)用于分析，以獲得更好的理解增材制造過程以及質(zhì)量控制的能力。

卡耐基-梅隆大學(xué)的Next Manufacturing中心正在實(shí)現(xiàn)他們?cè)O(shè)定的目標(biāo)，包括：像設(shè)計(jì)零件的幾何形狀一樣設(shè)計(jì)加工過程；監(jiān)督和控制增材制造過程；在同一個(gè)零件的不同位置體現(xiàn)不同的材料，不同的微觀結(jié)構(gòu)和機(jī)械性能；用廣泛范圍內(nèi)的金屬粉末；內(nèi)部孔隙度的消除或設(shè)計(jì)。