新型相機系統實現 3D 列印部件實時檢測，速度超越人類 100,000 倍

美國勞倫斯利物浦國家實驗室的研究人員開發了一套基於鏡頭的檢查系統，該系統能夠逐層監控 3D 打印零件的形成過程。此係統利用人工智能在零件離開打印機之前捕捉缺陷，專注於直接墨水寫入技術，這是一種增材製造技術，通過噴嘴以精確排列的絲狀材料沉積柔性或膏狀材料。根據 LLNL 研究人員的說法，這種方法可以減少檢查完成組件所需的時間和勞動力，並且提供了一種檢查大型複雜零件的方式，傳統的 X 射線計算機斷層掃描難以全面覆蓋。

該系統將直接安裝在 3D 打印機上的鏡頭與基於機器學習的圖像分割和計算機視覺工具相結合。這些工具能夠將打印過程中捕獲的數千幅圖像轉換為詳細的測量結果和沉積材料的空間地圖。該項目的技術負責人、LLNL 數碼雙胞胎的人工智能/機器學習工程師布萊恩·韋斯頓簡單地描述了這一成果。該系統現在的功能類似於一個配備了一雙眼睛的大腦，能夠看到打印過程中的一切。

直接墨水寫入技術可以生產複雜且靈活的墊片，其機械性能依賴於可能只有幾分之一毫米厚的絲狀材料。小的間隙或破損的絲狀材料可能會影響完成零件的性能。傳統的檢查要求在完成打印後，將其取出並進行離線測試，通常只有在製造完成後才能發現問題。

系統的實時檢查能力

相比之下，LLNL 系統在每層沉積時捕獲圖像。軟件實時識別新打印的絲狀材料，並計算其直徑，為工程師提供了在昂貴的下游測試之前的初步檢查。該團隊使用近 15,000 幅人為標註的圖像訓練其圖像分割模型，涵蓋了幾種格子幾何形狀。計算機視覺算法隨後利用模型的輸出來追蹤打印的絲狀材料並測量其直徑。在對 55 個零件的測試中，自動測量的結果通常與手動測量的數據相差幾微米。

手動測量一幅大型圖像可能需要 20 分鐘到一小時，而自動流程則在毫秒內完成相同的分析，平均速度大約是手動測量的 100,000 倍。

為了展示系統的規模，研究人員將其應用於一個約 25 釐米乘 25 釐米（9.8 英寸乘 9.8 英寸）的墊片。他們從單層中收集了約 2,500 幅圖像，將測量結果合併成該零件內部的空間地圖。該地圖揭示了絲狀材料的直徑從打印的某一側逐漸變化到另一側。這一模式追溯到打印平台相對於噴嘴的輕微傾斜。這一硬件問題可能會被整體平均測量所掩蓋。

技術的廣泛應用潛力

LLNL 數據科學、人工智能和製造的副項目主任布萊恩·吉拉表示，該技術的重要性不僅限於直接墨水寫入。其底層的技術旨在適應其他增材技術、傳統的減材製造及實驗室中使用的其他系統。吉拉表示，這樣的機器內檢查代表了更高製造自主性的基礎能力，因為一個自主系統無法在沒有可靠測量和檢查的情況下運作。該能力預計將轉移到堪薩斯城國家安全綜合體進行生產相關系統的評估。

從長遠來看，韋斯頓表示，檢查數據可以為數碼雙胞胎提供支持，將零件的測量結構與其預測性能相連接。該連接最終可以讓系統在零件構建過程中自行做出接受或拒絕的判斷。該研究成果已在《npj Advanced Manufacturing》期刊上發表。

自動檢查技術的未來潛力

新型相機系統的實現標誌著3D打印技術的一次重大進步，特別是在檢查過程的自動化方面。這種系統不僅能夠提高檢查的效率，還能在打印過程中即時發現問題，從而降低了後續的測試成本和時間。隨著技術的進一步發展，這種檢查能力有望擴展到其他增材製造技術，進一步提升整體製造的自主性和可靠性，對未來的智能製造和工業自動化具有深遠的影響。