使用彩色相机进行金属增材制造的高分辨率熔池热成像，增材制造工艺开发的核心问题
人工智能在每个特定领域发挥着越来越重要的作用，包括：缺陷检测和纠正、在构建过程中和构建之后减少残余应力和故障、原位计量和设计精度、微结构设计、合金设计和优化。目前人工智能用于3D打印过程控制主要是聚焦于控制孔隙（密度）、局部缺陷、过程中产生的内应力、设计和尺寸精度、微观结构变化等。
AM增材制造的热监测可以使用热像仪和高温计实现，热像仪在实现上类似于可见光相机，但图像以假色显示温度分布，这些图像可以包含与热梯度和结构特征相关的信息，这些信息可以由基于图像的 ML人工智能算法（例如 CNN）解释。日前，卡内基梅隆大学推出商用相机的熔池测量方法进行金属3D打印过程的高分辨率熔池热成像。
高速相机和光学装置安装在卡内基梅隆大学 TruPrint 3000 激光粉末床熔融 (PBF-LB) 增材制造设备顶部
© 卡耐基梅隆大学
热过程控制是金属增材制造的关键，整个零件和周围材料的复杂热传递会影响零件的微观结构。监测零件的温度特性可提供有关这些状态和潜在缺陷（例如分层、飞溅和孔隙率）的一些信息。
更好的了解熔池
卡内基梅隆大学和国家标准与技术研究所的新研究已在《增材制造》上发表，介绍了使用单个商用彩色相机测量熔池温度的实验方法。熔池的精确温度测量可用于预测和识别缺陷特征，例如锁孔，锁孔可能导致裂纹和孔隙，从而导致零件缺陷。
根据卡内基梅隆大学机械工程教授 Jack Beuth ，这些熔池温度场测量技术和测量本身是完全独特的，卡内基梅隆大学的方法可以应用于任何彩色相机，以监控和更好地了解熔池，从而为各种增材制造工艺生产高质量零件。
根据3D科学谷，由于分层或裂缝导致的热流变化可以在热监测图像中得到分析，并且已经通过ML人工智能算法成功识别，热梯度、极端温度和几何信息等信息也可以从热图像中提取，然后馈送到基于矢量数据的ML人工智能算法，例如SVM支持向量机算法，然而，热成像相机的像素分辨率通常低于可见光相机，限制了对小特征的检测能力。
金属增材制造缺陷
© 3D科学谷白皮书
根据3D科学谷的了解，卡内基梅隆大学使用了传感器上内置拜耳滤光片的商用彩色相机来感测可见颜色。每个像素仅感测一种颜色的光，使团队能够获得每个像素的独特测量结果。卡内基梅隆大学研究团队使用一种称为“去马赛克”的技术重建了全彩图像，并测量了每种颜色之间的比率以计算温度。这种辐射测量方法避免了与表面特性和视角因素相关的复杂性，这些复杂性对传统红外成像在增材制造工艺中的应用提出了挑战。
卡内基梅隆大学利用实验结果确定了计算流体动力学模型中的未知参数，以获得更多关于熔池微观尺度上发生的情况信息。
更好的质量控制
研究熔池的峰值温度可以帮助研究人员了解生产过程中的材料蒸发情况。而朝向熔池尾部的梯度有助于研究人员了解最终零件的微观结构。了解熔池中的物理特性对于确保零件质量至关重要，因为如果太多材料蒸发或熔池变得不稳定，制造过程最终可能会出现完全不同的材料特性和缺陷，从而导致零件无法使用。
金属增材制造原位监测技术
卡内基梅隆大学的方法为更全面、更根本地理解工艺参数如何影响熔池物理学打开了大门，是增材制造工艺开发的核心问题。展望未来，卡内基梅隆大学的研究人员报告称，他们计划使用该技术来了解不同的3D打印工艺，例如电弧增材制造 (WAAM) 和定向能量沉积 (DED)3D打印技术。
(责任编辑：admin)
Conflux Technology 获110
通用汽车向Forge Nano投资
华中科技大学：增材制造Si
赋能汽车、医疗等行业｜TP
Amnovis利用3D打印技术制
国产连续纤维3D打印开拓
创想三维2023全球
上海交大谷国迎教
3D打印假体植入内
FRI：降脂油包水
少年骨折后感染致
打出一片“新天地
