近日，卡內基梅隆大學工程學院的研究人員開發了一種機器視覺技術，可以對不同種類的金屬3D打印粉末進行自動識別和分類，精度達95％以上。
作為從事製造業的專業人士來說，不管是3D打印的金屬部件，還是用其他方法制造的，都需要經過嚴格的測試，以確保其質量和可用性。總而言之，這是一件好事：如果功能部分低於預期標準，這講給供應商和客戶帶去災難性的影響。
但在3D打印方面，供應商面臨巨大的壓力迫使3D打印金屬零件儘快出貨。畢竟，速度被視為技術最大的賣點之一，排除速度的選項，客戶可以採取其他選擇。
面對3D打印金屬零件的緩慢測試，卡內基梅隆大學工程學院的一個研究團隊決定開發一種新型的技術，可以大大加快和改進3D打印件的測試。
研究人員在“礦物、金屬和材料學會”雜誌上發表了題為“自動識別AM粉末原料表徵的機器視覺系統”的論文。在論文中，研究人員解釋了他們的新機器視覺技術如何對金屬3D打印粉末類型進行自主識別和分類，並且精度超過95％。
據研究團隊解釋，這種粉末識別能力實際上可以減少3D打印部件的大部分物理測試的需要。
卡內基·梅隆（Carnegie Mellon）的材料科學和工程教授、研究主管Elizabeth Holm解釋說：“在傳統的製造領域，部件通常是通過破壞性測試來實現的。一家公司可能會生產多種零件，並對其進行測試，以觀察測試結果。整個測試不僅是測試零件，同時也是對測試人員毅力和身體承受能力的測試。”
但Holm認為，通過精確地分選進入3D打印機的粉末，其中的一些破壞性測試將變得多餘。其解釋說：“破壞性測試花費大量的時間和金錢，所以應該避免添加劑製造，以保持3D打印的按需性質，”她補充說，“她的研究著眼於新的資格概念，如機器系統，以保證成功的3D打印版本。”
有關機器學習涉及到計算機培訓，以便在沒有手動監督的情況下識別和分類粉末。通過該系統可以看出，金屬粉末是否具有零件要求的微觀結構質量，如強度、韌性等。如果是這樣，零部件一旦3D打印，它就不太可能破裂或發生故障。
Holm和她的研究團隊在八種不同的商業原料粉末上測試了機器視覺系統，發現他們的系統能夠捕獲比正常手動測量更多的金屬3D打印粉末。
該系統甚至可以識別關於粉末的許多不同特徵，如其顆粒多大？顆粒如何組合在一起？顆粒的表面粗糙度以及它們的形狀。令人驚訝的是，計算機實際上比訓練有素的人類更好地區分粉末。
“重要的是，機器視覺方法是自主的、客觀的和可重複的，”Holm總結說，“這種標準化是推進現場質量保證的必要條件。”
研究人員認為，他們的工作能促進未來自主微觀結構分析的研究。
相關推薦
