使用训练有素的计算机视觉算法在激光粉末床增材制造过程中进行异常检测和分类(2)
时间：2022-12-28 11:02 来源：长三角G60激光联盟 作者：admin 阅读：次
从图16可以明显看出，垂直方向的拉伸钢筋在其大部分高度上都很好地构建，但在3524层周围突然检测到零件故障（洋红色）。这对应于从量规部分过渡到上夹钳部分的拉伸杆，在这段时间内会产生微妙的悬垂。根据图17、图18、图19，可以推测，未支撑的悬垂部分向上翘曲（由于残余热应力），足以受到复水器叶片的冲击。广泛的重摄器跳跃检测（垂直蓝绿色线）突出了这种影响。撞击导致拉伸杆弯曲，然后“弹回来”，将粉末扔掉，并在拉伸杆右侧留下粉末腔（白色碎片检测突出显示）。这个空洞阻碍了粉末在随后的层中正确覆盖该区域，使情况更加恶化。
图16 垂直定向拉伸钢筋的局部构建报告和垂直零件轮廓。
图17 （左）：注意在红色边界框内的3524层检测到的部件故障（洋红色）。绿色像素显示该层零件的CAD轮廓。
图18（中间）：垂直拉伸钢筋的3D渲染，零件故障以洋红色突出显示。
图19 （右）：带有可见缺陷的竣工垂直拉伸钢筋，由一个红色框包围。
4.4.叶轮叶片− 建立相对于重涂器刀片的几何方向
叶轮由316L不锈钢制成，以证明EOS M290的能力，并作为CMU的NextManufacturing行业培训计划的一部分。薄薄的叶轮叶片和20μm厚的层使该零件的成功制造成为一项挑战。
图20显示了竣工叶轮叶片。请注意，零件的一半正确构建，而另一半上的刀刃折叠。该算法用于确定部分构建失败的可能原因，并确定未来改进构建质量的任何潜在策略。
图20 用电火花线切割后的竣工叶轮，仅保留正确建造的一半。
虽然很明显，薄叶轮叶片由于与重涂器叶片的反复碰撞而发生故障，但最初不清楚是什么原因导致只有一半的叶轮叶片发生故障。
图21清楚地表明，叶轮的两半都出现了超高− 这表明，重涂器叶片可能会影响大多数叶轮叶片，包括许多未发生故障的叶片。图22突出显示了在建造过程中倒塌的叶轮叶片，请注意，只有前缘指向远离进入的二次冲洗器叶片方向的叶轮叶片（方向2）未能正确建造。
图21热图显示了在每个像素处检测到超高的层（整个构建高度）的百分比。白色盒子包围了正确建造的叶轮的一半。构建板上零件的位置显示为白色轮廓。
图22热图显示了在每个像素处检测到部件故障的层（整个构建高度）的百分比。白色盒子包围了正确建造的叶轮的一半。构建板上零件的位置显示为白色轮廓。
图片（a）数据可视化显示粉末显微照片SIFT-VLAD表示的前两个主要组成部分。（b）粉末显微照片 SIFT-VLAD 表示的 t-SNE 可视化。
上图a显示了粉末图像数据集的前两个主成分的PCA图;前两个主成分约占高维 SIFT-VLAD 表示总方差的 42%。值得注意的是，第一个主成分有效地区分了用于EOS机器的粉末（在PCA地图的左侧）和用于ARCAM机器的粉末（在PCA地图的右侧）。Ti64-#3显微照片在此数据集中具有最独特的SIFT-VLAD表示，很可能是因为Ti64-#3粉末是相对于其平均粒径以最高放大倍率成像的。这可能会导致一组不同的图像纹理特征主导这些显微照片（更细粒度的表面细节或更少的更高级别粒子组）。
5.结论
开发了一种算法，能够自动检测和分类与EOS LPBF机器中粉末撒布过程相关的后续异常。该算法是当代机器学习和计算机视觉技术在增材制造中的新应用。
在算法准备部署到实时现场监测环境之前，应提高其分类精度。理想情况下，它检测每个异常的能力应该增加，而不增加错误检测的概率；运营商可能不会使用在建议或应用对策方面过于激进的监控软件。更高分辨率的相机和额外的光源，相互垂直于当前光源和相机轴，可能是有益的。鉴于数据压缩算法的有效性，作者预计不会立即限制提高相机分辨率。作者强烈怀疑，通过实施深度学习来开发更有效的滤波器组，也可以提高精度（图4a）。作者将在不久的将来将该算法部署为实时粉末床监测工具。
来源：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
参考文献：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)
(责任编辑：admin)
CNES引入INTAMSYS聚合物FF
具有显著纵波传播特性的三
生物3D打印、类器官应用，
MIT新突破：无需半导体也
亚马逊和Holcim投资14Tree
回收SLS 3D打印尼龙废料，最新内容
《Small Science
南洋理工-剑桥大
清华大学：抗拉强
《Science》：一
国产大尺寸陶瓷3D
南京工业大学：基热点内容
