AM易道最近讀到一篇來自伊利諾伊大學厄巴納-香檳分校研究者發表在《npj Advanced Manufacturing》期刊上的有趣研究。

這項研究講述了一個機制：

每臺3D打印機都會在其制造的部件上留下獨特的標記，而這些標記可以通過高分辨率照片和深度學習被識別出來。

研究團隊通過21臺不同的打印機制造了9192個部件，使用了四種不同的增材制造工藝：

數字光合成(DLS)、多噴射熔融(MJF)、立體光刻(SLA)和熔融沉積成型(FDM)。

這些工藝各有特點。

DLS使用光和樹脂創建部件，MJF使用粉末材料，SLA通過光固化液態樹脂，而FDM則是通過擠出融化的塑料絲。

每種工藝都會在部件表面留下特定的紋理和特征，這些特征成為了識別打印機的關鍵。

研究團隊使用普通的文檔掃描儀以5.3微米分辨率捕捉這些部件的高清照片。

然后，他們開發了一種深度學習模型，從這些照片中學習識別每臺打印機的獨特特征。

結果很棒！模型能以超過98%的準確率預測制造部件的具體打印機！

更秀的是，這項技術不僅能識別打印機，還能識別制造工藝、使用的材料，甚至部件在打印床上的具體位置和它所屬的生產批次！

對于DLS部件，模型甚至可以100%準確地識別所用材料，并能以82%的準確率確定部件在打印床上的位置。

另外發現，不同3D打印工藝需要不同大小的圖像區域進行有效識別。

DLS部件只需200微米×200微米的小區域就足夠進行指紋識別，而FDM機器需要更大的區域才能準確識別來源。

AM易道認為，研究這些發現的意義遠超實驗室。

在現實世界中，制造供應鏈往往復雜而不透明。

原始設備制造商可能不知道誰在為他們的供應商提供零部件。

3D打印因其分布式制造的潛力而特別容易受到供應鏈風險的影響。

假設一個關鍵部件出現故障，但卻缺少標簽或標記不正確，那么追蹤其來源并解決根本問題將變得極其困難。

這就是這項研究的閃光點所在。溯源！

通過簡單拍攝部件照片，制造商可以驗證部件的真實性，檢測材料或生產工藝的變化，甚至在沒有供應商合作的情況下確定部件的來源。

這對高端工業應用尤為重要，在這些行業中，假冒部件可能導致嚴重的經濟損失甚至生命危險。

研究展示了如何利用普通的成像設備和人工智能，創造一種無需標簽、防篡改的方式來確保3D打印部件的真實性和質量。