劳伦斯利弗莫尔国家实验室的科学家们建造了一套摄像系统,可以逐层观察直接墨水 3D 打印机,并在零件离开机器之前标记出断裂的线束或尺寸不合适的线材。
直接墨水书写会形成糊状的墨丝,其厚度可能只有几分之一毫米,微小的缝隙或直径变化都可能损坏垫子或衬垫。传统的检测方式通常是在打印完成后,使用X射线CT或机械测试进行检测。而新的流程则是在打印机上安装摄像头,利用机器学习模型对每根墨丝进行分割,并实时测量其直径。

从左至右:数据科学家迈克尔·泽林斯基、工程师哈米德·齐亚德·阿马尔和首席研究员布莱恩·吉拉站在用于收集检测数据的直接墨水书写打印机旁。(图片来源:布莱斯·杜罗斯/劳伦斯利弗莫尔国家实验室)
这项发表在《npj先进制造》上的研究旨在对缺陷进行早期筛查,避免进行成本高昂的离线测试。缺陷过多的零件可以在测试台上直接报废。此外,摄像头还可以覆盖无法进行高分辨率CT扫描的大型零件。
“这只是初步检查,”劳伦斯利弗莫尔国家实验室 (LLNL) 的工程师、数字孪生人工智能/机器学习负责人、论文第一作者布莱恩·韦斯顿 (Brian Weston) 说。“它使我们能够在进行一些非常昂贵的测试之前发现问题,如果我们已经知道某些部件存在断线或其他问题,就可以更早地将其判定为故障部件。”
研究团队使用近 15,000 张人工标注的多种晶格几何形状图像训练了分割模型。在对 55 个零件的测试中,自动测量的直径与人工标注的直径通常相差仅几微米。人工标注一张大图像可能需要 20 分钟到 1 小时,而该软件只需几毫秒即可完成同样的分析,平均速度提升约 10 万倍。

从左至右依次为:工程师 Josh DeOtte、Aldair Gongora 和 William Smith,以及主要作者 Brian Weston。(图片来源:Garry McLeod/LLNL)
为了大规模验证该系统,研究人员将其应用于一个边长约25厘米的靠垫上。研究小组从其中一层采集了约2500张图像,并将它们拼接成一张空间图。打印件两侧的耗材直径存在偏移,这种偏移表明打印平台和喷嘴之间存在轻微倾斜。如果对整个部件进行平均,则会掩盖这一现象。
劳伦斯利弗莫尔国家实验室(LLNL)数据科学、人工智能和制造项目副主任布莱恩·吉拉(Brian Giera)是该研究的首席研究员。共同作者包括迈克尔·泽林斯基(Michael Zelinski)、哈米德·齐亚德·阿马尔(Hamed Ziad Ammar)、阿尔代尔·贡戈拉(Aldair Gongora)、布莱恩·奥(Brian Au)、罗伯特·塞尔达(Robert Cerda)、乔什·德奥特(Josh DeOtte)和威廉·史密斯(William Smith)。该研究由实验室定向研发项目资助。检测装置预计将移至堪萨斯城国家安全中心,用于对生产相关系统进行测试。
来源:llnl.gov






























