使用訓練有素的計算機視覺算法在激光粉末床增材制造過程中進行異常檢測和分類(2)
時間：2022-12-28 11:02 來源：長三角G60激光聯盟 作者：admin 閱讀：次
從圖16可以明顯看出，垂直方向的拉伸鋼筋在其大部分高度上都很好地構建，但在3524層周圍突然檢測到零件故障（洋紅色）。這對應于從量規部分過渡到上夾鉗部分的拉伸桿，在這段時間內會產生微妙的懸垂。根據圖17、圖18、圖19，可以推測，未支撐的懸垂部分向上翹曲（由于殘余熱應力），足以受到復水器葉片的沖擊。廣泛的重攝器跳躍檢測（垂直藍綠色線）突出了這種影響。撞擊導致拉伸桿彎曲，然后“彈回來”，將粉末扔掉，并在拉伸桿右側留下粉末腔（白色碎片檢測突出顯示）。這個空洞阻礙了粉末在隨后的層中正確覆蓋該區域，使情況更加惡化。
圖16 垂直定向拉伸鋼筋的局部構建報告和垂直零件輪廓。
圖17 （左）：注意在紅色邊界框內的3524層檢測到的部件故障（洋紅色）。綠色像素顯示該層零件的CAD輪廓。
圖18（中間）：垂直拉伸鋼筋的3D渲染，零件故障以洋紅色突出顯示。
圖19 （右）：帶有可見缺陷的竣工垂直拉伸鋼筋，由一個紅色框包圍。
4.4.葉輪葉片− 建立相對于重涂器刀片的幾何方向
葉輪由316L不銹鋼制成，以證明EOS M290的能力，并作為CMU的NextManufacturing行業培訓計劃的一部分。薄薄的葉輪葉片和20μm厚的層使該零件的成功制造成為一項挑戰。
圖20顯示了竣工葉輪葉片。請注意，零件的一半正確構建，而另一半上的刀刃折疊。該算法用于確定部分構建失敗的可能原因，并確定未來改進構建質量的任何潛在策略。
圖20 用電火花線切割后的竣工葉輪，僅保留正確建造的一半。
雖然很明顯，薄葉輪葉片由于與重涂器葉片的反復碰撞而發生故障，但最初不清楚是什么原因導致只有一半的葉輪葉片發生故障。
圖21清楚地表明，葉輪的兩半都出現了超高− 這表明，重涂器葉片可能會影響大多數葉輪葉片，包括許多未發生故障的葉片。圖22突出顯示了在建造過程中倒塌的葉輪葉片，請注意，只有前緣指向遠離進入的二次沖洗器葉片方向的葉輪葉片（方向2）未能正確建造。
圖21熱圖顯示了在每個像素處檢測到超高的層（整個構建高度）的百分比。白色盒子包圍了正確建造的葉輪的一半。構建板上零件的位置顯示為白色輪廓。
圖22熱圖顯示了在每個像素處檢測到部件故障的層（整個構建高度）的百分比。白色盒子包圍了正確建造的葉輪的一半。構建板上零件的位置顯示為白色輪廓。
圖片（a）數據可視化顯示粉末顯微照片SIFT-VLAD表示的前兩個主要組成部分。（b）粉末顯微照片 SIFT-VLAD 表示的 t-SNE 可視化。
上圖a顯示了粉末圖像數據集的前兩個主成分的PCA圖;前兩個主成分約占高維 SIFT-VLAD 表示總方差的 42%。值得注意的是，第一個主成分有效地區分了用于EOS機器的粉末（在PCA地圖的左側）和用于ARCAM機器的粉末（在PCA地圖的右側）。Ti64-#3顯微照片在此數據集中具有最獨特的SIFT-VLAD表示，很可能是因為Ti64-#3粉末是相對于其平均粒徑以最高放大倍率成像的。這可能會導致一組不同的圖像紋理特征主導這些顯微照片（更細粒度的表面細節或更少的更高級別粒子組）。
5.結論
開發了一種算法，能夠自動檢測和分類與EOS LPBF機器中粉末撒布過程相關的后續異常。該算法是當代機器學習和計算機視覺技術在增材制造中的新應用。
在算法準備部署到實時現場監測環境之前，應提高其分類精度。理想情況下，它檢測每個異常的能力應該增加，而不增加錯誤檢測的概率；運營商可能不會使用在建議或應用對策方面過于激進的監控軟件。更高分辨率的相機和額外的光源，相互垂直于當前光源和相機軸，可能是有益的。鑒于數據壓縮算法的有效性，作者預計不會立即限制提高相機分辨率。作者強烈懷疑，通過實施深度學習來開發更有效的濾波器組，也可以提高精度（圖4a）。作者將在不久的將來將該算法部署為實時粉末床監測工具。
來源：Anomaly detection and classification in a laser powder bed additive manufacturing process using a trained computer vision algorithm, Additive Manufacturing, doi.org/10.1016/j.addma.2017.11.009
參考文獻：Roadmap for additive manufacturing: identifying the future of freeform processing
Solid Freeform Fabrication Proceedings, Austin, TX (2009)
http://wohlersassociates.com/roadmap2009A.pdf (Accessed 23, May 2017)
(責任編輯：admin)
Fabric8Labs推出AI芯片定
Titomic又一合作，將與nuF
荷蘭公司將開設3D打印船舶
Chicago Additive推出AMOS
590MHz帶寬+超90%輻射效率
威斯康星大學麥迪遜分校工最新內容
突破性生物3D打印
迪拜LEAP 71公司
3D生物打印構建內
《Small Science
南洋理工-劍橋大
清華大學：抗拉強熱點內容
