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部件是否没有缺陷。在增材制造(3D 打印)中，发现缺陷尤其具有挑战性，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部件。

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，并识别有缺陷和无缺陷的部件之间的差异。然后在物理部件上测试该算法，其中一些有缺陷，一些没有缺陷。该算法能够正确识别真实物理部件中的数百个缺陷，而深度学习模型以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，”诺伊大学机械科学与工程学教授兼项目负责人 William King 表示。“利用计算机模拟，我们可以非常快速地构建一个机器学习模型，以高精度识别缺陷。深度学习使我们能够准确地检测出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。使用增材制造可以轻松制造三维组件，但当重要特征隐藏在视线之外时，很难检查。