快訊美國能源部基礎能源科學辦公室6月6日發布研究內容，介紹一種全新的3D打印缺陷實時檢測方法。

這項由人工智能驅動的技術通過先進的X射線和熱成像表征手段，能夠在3D打印過程中實時監測并準確檢測關鍵孔氣孔這一典型打印缺陷，檢測精度接近完美水平。

在金屬增材制造中，結構缺陷的形成一直是限制該技術在某些關鍵應用領域推廣的重要障礙。

研究通過診斷工具和機器學習技術的結合，開發出這種能夠檢測和預測3D打印材料缺陷的新方法，有望徹底改變3D打印工藝流程。

該方法運用多種成像和機器學習技術實現了氣孔生成的實時檢測，準確率近乎完美。

研究團隊表示，下一步將開發能夠檢測增材制造過程中其他類型缺陷的傳感技術，最終目標是創建一個不僅能檢測缺陷，還能在3D打印過程中實現修復的完整系統。

技術摘要

激光粉床熔融技術中的一個主要缺陷問題是關鍵孔氣孔的形成。這些氣孔或結構缺陷會嚴重影響打印部件的性能表現。

雖然許多3D打印設備都配備了熱成像傳感器來監測構建過程，但仍然可能漏檢氣孔的形成。

在致密金屬內部直接檢測氣孔的主要方法是X射線成像，需要使用高強度光束，比如美國能源部科學辦公室用戶設施先進光子源提供的X射線束。

研究人員將樣品內部的X射線圖像與熔池的熱圖像進行關聯分析，發現關鍵孔氣孔的形成會在材料表面產生獨特的信號，這種信號能夠被熱成像相機檢測到。

研究團隊首先使用X射線圖像訓練機器學習模型，使其能夠僅通過熱圖像預測氣孔的形成。

隨后，他們測試了模型解讀復雜熱信號并在未標記樣品中預測氣孔生成的能力。

研究結果顯示，該方法能夠在毫秒級時間尺度內檢測出氣孔形成的確切時刻。

這項突破性成果的技術基礎實際上源于Tao Sun教授團隊在2023年發表于Science期刊上的重要研究論文。讓我們深入了解這一技術的核心原理和實現細節。

雙重成像系統的精巧設計

從Science論文的Figure 1可以看到，研究團隊構建了一套極其精密的同步檢測系統。

在Ti-6Al-4V鈦合金的激光熔融實驗中，他們同時部署了同步輻射X射線和熱成像技術。

X射線從側面穿透材料，能夠直接觀察到內部關鍵孔的動態變化過程，而熱成像相機則從頂部記錄熔池表面的溫度分布情況。

這種雙重視角的實驗設計是整個技術體系的核心。

研究人員通過提取關鍵孔區域的平均發射強度時間序列數據，并對這些數據進行小波分析，將復雜的熱信號轉換為機器學習算法能夠處理的頻譜圖形式。

這種數據處理方式的創新之處在于，它能夠捕捉到肉眼無法識別的細微信號變化模式，為后續的智能識別奠定了基礎。

振蕩模式識別的關鍵突破

Figure 2展現了研究中最為重要的科學發現。

研究團隊成功識別出了兩種性質完全不同的關鍵孔振蕩模式：內在振蕩和擾動振蕩。

內在振蕩是激光粉床熔融過程中的正常物理現象，雖然關鍵孔形狀會發生周期性變化，但這種變化不會導致氣孔缺陷的產生。

相比之下，擾動振蕩則是問題的根源，這種異常的振蕩模式會直接導致關鍵孔氣孔的形成。

通過高速X射線成像和相應的多物理場仿真分析，研究人員發現這兩種振蕩模式在熱成像信號中呈現出截然不同的特征表現。

從對應的頻譜圖分析可以看出，擾動振蕩產生的信號具有獨特的頻域特征。

這種差異雖然在原始熱成像畫面中幾乎無法察覺，但經過小波變換處理后在頻譜圖中變得清晰可辨。

這一發現為機器學習模型提供了可靠而穩定的判別依據。

本文并不深度探討機器學習/AI的技術細節，有興趣的讀者請根據鏈接自行查閱Science相關內容：

https://www.science.org/doi/10.1126/science.add4667

標注精度對算法性能的深層影響

Figure 3深入探討了一個在實際工程應用中至關重要的問題：數據標注準確性如何影響機器學習模型的檢測性能。

研究團隊系統對比了三種不同的數據標注策略：現場實時標注、離線事后標注以及校準后的離線標注。

現場實時標注是指在X射線成像過程中準確確定氣孔形成的瞬間時刻，這種方法雖然精度最高但實現成本昂貴。

離線事后標注則通過分析最終氣孔的空間位置來反推其形成時間，這種方法存在一定的時間偏差但更加實用。

研究結果清晰地顯示了標注誤差率對模型預測準確性的影響規律。

當誤標率控制在較低水平時，模型能夠保持優異的檢測性能，但當誤標率超過30%的臨界閾值時，預測準確率會出現急劇下降。

AM易道解讀

這項研究在多個層面都體現出了顯著的創新價值。

從技術實現角度看，研究團隊成功地將復雜的物理現象轉化為可計算的數學模型。

通過小波變換技術，他們將時域的熱信號轉換為頻域表示，使得機器學習算法能夠更有效地識別不同振蕩模式的本質特征。

從科學價值的角度看，這項研究最重要的貢獻在于建立了表面可觀測信號與內部隱藏缺陷之間的定量關聯關系。

這種關聯性的發現打破了傳統認知中只能依靠昂貴X射線設備進行內部缺陷檢測的技術限制，為實時質量監控提供了全新的實現路徑。

隨著算法優化的持續推進和計算硬件成本的不斷下降，這種實時缺陷檢測技術有望在未來幾年內實現商業化應用。

研究團隊下一階段的發展目標包括擴展檢測范圍以涵蓋更多類型的制造缺陷，并最終構建集檢測與修復功能于一體的智能制造系統。

這種閉環質量控制能力的實現將標志著3D打印技術從傳統制造工具向智能制造系統的根本性轉變，為增材制造在高端應用領域的大規模推廣奠定堅實的技術基礎。

注：本文基于美國能源部官方發布信息和Science期刊相關研究論文整理分析。

企業合伙人計劃：

讀者提示：

添加amyidao加入讀者交流群（備注加群），

，并與AM易道同頻讀者共同探討3D打印的一切

免責聲明：AM易道與文中提到公司尚不存在任何形式的商業合作、贊助、雇傭等利益關聯。AM易道圖片視頻來自于網絡，僅作為輔助閱讀之用途，無商業目的。權歸原作者所有，如有任何侵權行為，請權利人及時聯系，我們將在第一時間刪除。本文圖片版權歸版權方所有，AM易道水印為自動添加，輔助閱讀，不代表對該圖片擁有版權，如需使用圖片，請自行咨詢版權相關方。AM易道文章不構成任何投資建議，AM易道不對因使用本文信息而導致的任何直接或間接損失承擔責任。

原創聲明：本文是基于相關研究論文進行解讀和分析的二次創作。文章中的敘述文字、技術解釋、觀點評述均為AM易道的原創表達，旨在為AM易道讀者提供不一樣視角的技術解讀。除必要的數據引用和圖表說明外，直接引用或轉述原文的比例較低。本文的語言組織、結構安排、觀點闡述和行業分析均屬原創內容，特此聲明。