伊利诺伊大学厄巴纳-香槟分校的研究人员开发出了一种检测增材制造部件缺陷的新方法。

任何工厂中最重要的任务之一就是确定制造的组件是否没有缺陷。在增材制造(3D 打印)中，查找缺陷可能特别具有挑战性，因为增材制造可以制造具有复杂三维形状和不易观察到的重要内部特征的组件。

这项新技术利用深度机器学习，使识别增材制造部件中的缺陷变得更加容易。为了建立模型，研究人员使用计算机模拟生成了数以万计的合成缺陷——这些缺陷只存在于计算机中。

每个计算机生成的缺陷都有不同的大小、形状和位置，这使得深度学习模型能够对各种可能的缺陷进行训练，并识别有缺陷的组件和无缺陷的组件之间的区别。

随后，算法在实物零件上进行了测试，其中一些零件有缺陷，一些零件则没有缺陷。该算法能够正确识别真实实物零件中的数百个缺陷，而深度学习模型此前从未发现过这些缺陷。

“这项技术解决了增材制造中最棘手的挑战之一，”伊利诺伊大学机械科学与工程学教授兼项目负责人威廉·金 (William King) 表示。“利用计算机模拟，我们可以非常快速地建立一个机器学习模型，以高精度识别缺陷。深度学习使我们能够准确地检测到计算机以前从未发现过的缺陷。”

这项研究发表在《智能制造杂志》上，题为《利用深度学习和 X 射线计算机断层扫描检测和分类增材制造部件中的隐藏缺陷》，该研究使用 X 射线计算机断层扫描检查 3D 组件的内部，这些组件具有隐藏在视线之外的内部特征和缺陷。使用增材制造可以很容易地制造三维组件，但当重要特征隐藏在视线之外时，很难检查。

作者包括伊利诺伊大学厄巴纳-香槟分校的 Miles Bimrose、Sameh Tawfick 和 William King;马里兰大学的 Davis McGregor;密歇根大学的邵晨晖;以及浙江大学的胡天翔、王炯欣和刘作柱。