- 新型相机系统能逐层监控3D打印零件形成过程。
- 该系统实时识别新打印的丝状材料并计算直径。
- 自动流程的分析速度是手动测量的100,000倍。
- 技术可适应其他增材技术及实验室系统，提升制造自主性。
美国劳伦斯利物浦国家实验室的研究人员开发了一套基于镜头的检查系统，该系统能够逐层监控 3D 打印零件的形成过程。此系统利用人工智能在零件离开打印机之前捕捉缺陷，专注于直接墨水写入技术，这是一种增材制造技术，通过喷嘴以精确排列的丝状材料沉积柔性或膏状材料。根据 LLNL 研究人员的说法，这种方法可以减少检查完成组件所需的时间和劳动力，并且提供了一种检查大型复杂零件的方式，传统的 X 射线计算机断层扫描难以全面覆盖。
该系统将直接安装在 3D 打印机上的镜头与基于机器学习的图像分割和计算机视觉工具相结合。这些工具能够将打印过程中捕获的数千幅图像转换为详细的测量结果和沉积材料的空间地图。该项目的技术负责人、LLNL 数字孪生的人工智能/机器学习工程师布莱恩·韦斯顿简单地描述了这一成果。该系统现在的功能类似于一个配备了一双眼睛的大脑，能够看到打印过程中的一切。
直接墨水写入技术可以生产复杂且灵活的垫片，其机械性能依赖于可能只有几分之一毫米厚的丝状材料。小的间隙或破损的丝状材料可能会影响完成零件的性能。传统的检查要求在完成打印后，将其取出并进行离线测试，通常只有在制造完成后才能发现问题。
系统的实时检查能力
相比之下，LLNL 系统在每层沉积时捕获图像。软件实时识别新打印的丝状材料，并计算其直径，为工程师提供了在昂贵的下游测试之前的初步检查。该团队使用近 15,000 幅人为标注的图像训练其图像分割模型，涵盖了几种格子几何形状。计算机视觉算法随后利用模型的输出来追踪打印的丝状材料并测量其直径。在对 55 个零件的测试中，自动测量的结果通常与手动测量的数据相差几微米。
手动测量一幅大型图像可能需要 20 分钟到一小时，而自动流程则在毫秒内完成相同的分析，平均速度大约是手动测量的 100,000 倍。
为了展示系统的规模，研究人员将其应用于一个约 25 厘米乘 25 厘米（9.8 英寸乘 9.8 英寸）的垫片。他们从单层中收集了约 2,500 幅图像，将测量结果合并成该零件内部的空间地图。该地图揭示了丝状材料的直径从打印的某一侧逐渐变化到另一侧。这一模式追溯到打印平台相对于喷嘴的轻微倾斜。这一硬件问题可能会被整体平均测量所掩盖。
技术的广泛应用潜力
LLNL 数据科学、人工智能和制造的副项目主任布莱恩·吉拉表示，该技术的重要性不仅限于直接墨水写入。其底层的技术旨在适应其他增材技术、传统的减材制造及实验室中使用的其他系统。吉拉表示，这样的机器内检查代表了更高制造自主性的基础能力，因为一个自主系统无法在没有可靠测量和检查的情况下运作。该能力预计将转移到堪萨斯城国家安全综合体进行生产相关系统的评估。
从长远来看，韦斯顿表示，检查数据可以为数字孪生提供支持，将零件的测量结构与其预测性能相连接。该连接最终可以让系统在零件构建过程中自行做出接受或拒绝的判断。该研究成果已在《npj Advanced Manufacturing》期刊上发表。
自动检查技术的未来潜力
新型相机系统的实现标志着3D打印技术的一次重大进步，特别是在检查过程的自动化方面。这种系统不仅能够提高检查的效率，还能在打印过程中即时发现问题，从而降低了后续的测试成本和时间。随着技术的进一步发展，这种检查能力有望扩展到其他增材制造技术，进一步提升整体制造的自主性和可靠性，对未来的智能制造和工业自动化具有深远的影响。