新型カメラシステムが3Dプリント部材のリアルタイム検査を実現、速度は人間の10万倍

米ローレンス・リバモア国立研究所の研究者が、レンズベースの検査システムを開発した。このシステムは、3Dプリント部品が形成される過程を1層ごとに監視できる。AIを活用して、部品がプリンターから出る前に欠陥を検出するもので、柔軟性やペースト状の材料をノズルから正確なパターンでフィラメント状に堆積させる增材製造技術であるダイレクトインクライティングに着目している。LLNLの研究者によれば、この手法により、完成したコンポーネントの検査に必要な時間と労力を削減できるほか、従来のX線コンピュータ断層撮影では全体を網羅することが難しい大型で複雑な部品の検査も可能になる。

このシステムは、3Dプリンター上に直接設置されるレンズと、機械学習に基づく画像セグメンテーションおよびコンピュータビジョン技術を組み合わせたものである。これらのツールは、印刷中に撮影された数千枚の画像を詳細な測定結果と堆積材料の空間マップに変換する。本プロジェクトのテクニカルリードであり、LLNLデジタルツインのAI/機械学習エンジニアであるブライアン・ウェストンは、この成果を端的に表現している。同氏は「本システムは現在、目を持つ脳のような機能を備えており、印刷プロセス全体を見渡すことができる」と述べた。

ダイレクトインクライティングは、複雑で柔軟なガスケットを製造できる。その機械的特性は、わずか数分の1ミリメートルの厚さしかないフィラメント状材料に依存している。小さな隙間や破損したフィラメントは、完成した部品の性能に影響を与える可能性がある。従来の検査では、印刷完了後に部品を取り出し、オフラインでテストを行う必要があり、通常は製造が完了した後でしか問題を発見できなかった。

システムのリアルタイム検査能力

一方、LLNLのシステムは各層が堆積される際に画像を撮影する。ソフトウェアは新たにプリントされたフィラメント状材料をリアルタイムで識別し、その径を算出する。これにより、エンジニアは高額な下流テストに先立って予備的な検査を実施できる。研究チームは、数種類の格子形状を網羅する約15,000枚の人手注釈付き画像を用いて画像セグメンテーションモデルを学習させた。その後、コンピュータビジョンアルゴリズムがモデルの出力を利用して、プリントされたフィラメント状材料を追跡し、その径を測定する。55個の部品に対するテストでは、自動測定の結果は通常、手動測定のデータと数マイクロメートルの範囲内で一致した。

大型画像1枚の手動測定には20分から1時間かかるが、自動処理では同じ分析をミリ秒単位で完了し、平均速度はおよそ手動測定の10万倍である。

システムの規模を示すため、研究者らはこれを約25センチメートル×25センチメートル（9.8インチ×9.8インチ）のガスケットに適用した。単一の層から約2,500枚の画像を収集し、測定結果を統合して当該部品内部の空間マップを作成した。このマップは、フィラメント状材料の径がプリントの一方から他方へと徐々に変化していることを明らかにした。このパターンは、プリントプラットフォームのノズルに対するわずかな傾斜に起因していた。このようなハードウェア上の問題は、全体を平均化した測定では見過ごされる可能性がある。

技術の幅広い応用可能性

LLNLデータサイエンス、AIおよび製造担当副プロジェクトディレクターのブライアン・ギラ氏は、この技術の重要性はダイレクトインクライティングに限定されないと述べた。その基盤となる技術は、他の增材製造技術、従来の除去加工、研究所で使用される他のシステムにも適用できるように設計されている。ギラ氏によれば、このような機械内検査は、より高度な製造の自律性に向けた基盤となる能力である。というのも、信頼性の高い測定と検査がなければ、自律システムは稼働できないからである。この能力は、製造関連システムの評価のため、カンザスシティ国家安全保障複合施設に移行することが見込まれている。

長期的には、ウェストン氏は、検査データがデジタルツインの基盤となり得ると述べた。これにより、部品の計測された構造と予測された性能が結び付けられる。最終的にこの連携により、システムの構築中に部品が自ら受け入れや拒否の判断を下せるようになる可能性がある。本研究成果は『npj Advanced Manufacturing』誌に発表された。

自動検査技術の将来的な可能性

新型カメラシステムの実現は、3Dプリント技術、特に検査プロセスの自動化における大きな進歩を示すものである。このシステムは検査効率を高めるだけでなく、印刷中にリアルタイムで問題を検出することで、その後のテスト・コストと時間を削減する。技術が進展するにつれ、この検査能力は他の增材製造技術にも拡張されることが期待され、製造全体の自律性と信頼性をさらに高め、将来のスマート製造と産業オートメーションに深い影響を及ぼすと考えられる。